让大模型像人类一样使用地图工具进行图像地理定位，通过强化学习和并行测试时缩放提升精度

将视觉和文本数学物理问题转换为可验证的LEAN形式化代码

用分子结构类比Long CoT，揭示三种推理键的稳定分布决定学习成败

统一多模态Embedding与Reranker，MMEB-V2达77.8分

用高斯曲率驱动网格变形，配合伪真值训练，实现可控、保身份的3D漫画化人脸头像

提出 CaRR 细粒度奖励框架和 C-GRPO 算法，解决深度搜索 RL 中的捷径利用与幻觉问题

自动化合成可执行的工具交互环境，用于训练LLM Agent解决多轮多工具复杂任务

将智能体交互历史渲染为压缩图像，用视觉 token 替代文本 token，节省 50%+ 消耗

LLM无需执行即可预测ML方案优劣，实现6倍加速并超越执行基线6%

首个大规模VAR视频生成框架，多尺度下一帧自回归，13倍加速推理

提出邻域一致性信念(NCB)指标揭示LLM表面一致性下的脆弱信念，并用结构感知训练(SAT)提升30%鲁棒性

本文系统研究偏好调优在域偏移下的泛化和多样性，发现伪标签提升性能但导致多样性崩溃。

通过目标力向量条件化视频生成，让模型学会规划因果物理链来达成指定效果。

首个基于真实业务数据的大规模金融LLM评测基准，含29578个问答对

轻量级单目深度估计框架，参数减少85%性能不降

提出面向多语言金融虚假信息检测的场景偏差基准 MFMD-Scen，系统评估 22 个主流大模型的角色/区域/身份条件偏差。

通过双层信用评估和查询优化机制，显著提升搜索代理的中间查询质量与整体性能

升级方向估计模型，统一处理旋转对称性和相对旋转估计

提出CompassMem框架，将经验组织为事件图，通过逻辑关系指导智能体进行多路径搜索与推理，显著提升长程对话和叙事问答性能。

动态分配专家LoRA秩，基于路由频率和梯度重要性提升MoE微调效果

搜索增强LLM存在过度搜索问题：不必要的搜索调用增加成本并损害拒绝回答能力

提出推理驱动的多智能体路由器，支持动态加入Agent和多Agent协作执行

用控制理论形式化分析生成模型的可控性，发现可控性是脆弱且高度依赖任务的

探索如何利用法律规则、原则和方法设计安全且符合伦理的AI系统

轻量级塔防游戏环境，用于评估LLM的长期规划和决策能力

用文件系统记忆存储反馈，摊销推理时自我纠错的计算成本

通过熵驱动潜在分支和信息瓶颈正则化，解决大语言模型推理中的探索崩溃问题

提出多模态自动补全任务MAC，通过动态路由在文本模型与VLM间智能切换，实现2.3-10倍加速

首个大规模非洲语言多模态文化QA基准，涵盖15种语言和文本语音双模态

通过测量ViT中间层patch嵌入演化的稳定性来评估人脸图像质量，单次前向传播即可完成

医疗人格在临床LLM中效果非单调——急诊提升但初级诊疗下降