.NET 9 集成了更快的 zlib-ng 压缩引擎，压缩速度比 .NET 8 提升约 38.3%，解压缩速度提升约 28.5%。升级框架可享受这些性能优化，适合频繁数据处理的应用。

本研究提出了一种新的提示重要性抽样（PIS）框架，结合注意力机制以高效压缩提示，显著提高了大型语言模型的压缩性能和推理效率。

本研究提出了一种高频增强混合神经表示网络，解决了现有视频编码方法在重构时缺失高频细节的问题，显著提高了视频的细节保留和压缩性能。实验结果表明，该方法在Bunny和UVG数据集上优于其他方法。

WinRAR v7.10测试版发布，新增深色模式，优化压缩性能，停止支持Windows 7 32位及Vista版。深色模式可根据系统设置或手动选择。

本研究提出了一种新的点云压缩方法Diff-PCC，通过双空间潜在表示和扩散生成器实现高质量重建。实验结果显示其在超低比特率下具有领先的压缩性能和优越的主观质量。

该研究提出了基于置信度的预测质量适应模块和参考质量适应模块，以提高视频编码的质量适应能力，并减少重构错误的传播。实验结果表明，该编码器在RGB和YUV420颜色空间中比H.266/VVC参考软件和以前的学习视频编码器具有更高的压缩性能。

研究人员提出了一种名为GroupedMixer的新型基于Transformer的熵模型，具有更快的编码速度和更好的压缩性能。实验结果表明，GroupedMixer在快速压缩速度下具有最先进的失真率性能。

本文提出了一种多模态机器学习方法，通过使用文本的语义信息来引导图像压缩，以实现更好的压缩性能。实验证明，该方法能够在极低比特率下获得较好的视觉效果，并且性能可以相媲美或超越最先进的技术。

该文介绍了一种上下文自适应熵模型，用于图像压缩。该模型利用两种上下文，提高了压缩性能，实验结果表明该方法优于传统编解码器和基于神经网络的方法。