提出三级层次和组基评估的视频理解基准，揭示SOTA模型与人类差距

全轨迹审计、多维度评分的自主代理评测框架

提出LRAT框架，利用AI智能体的搜索浏览轨迹数据训练检索模型，实现智能体对齐的信息检索

通过留一法 AUC 评估测试质量，无需正确代码标签即可区分信息性与误导性测试。

统一框架直接生成人体试穿动画视频，解决身份漂移和服装失真问题

首个评估LLM自主发现软件bug能力的游戏基准，30个游戏124个bug，最优模型仅发现48.39%

通过内存为中心的设计和流水线执行，在单GPU上训练百亿参数模型

提出PTE指标，从硬件底层视角量化工具集成推理的真实计算成本，并识别四种低效模式

两阶段RLVR框架联合训练推理和自我改进，无需外部监督信号

首次系统评估LLM代理在现实场景中使用技能的效果，发现技能收益脆弱，查询特定精炼可恢复性能

发现视频理解数据集严重依赖语言捷径，提出仅用视觉基础问题后训练提升模型性能

基于多智能体架构的学术文献发现与深度理解平台，支持跨源检索、知识图谱构建和自动化评审

DISCO多模态扩散模型实现蛋白质序列-结构协同设计，无需预定义活性位点即可设计出新酶

通过复用MLP块实现测试时动态参数更新，增强LLM长上下文适应性

高保真生产力环境基准，44任务评估6模型39-64%成功率但7-33%不安全率

统一扩散大语言模型后训练与评估的开源框架，支持多种模型家族和RL算法

剪枝在非生成任务有效但生成任务失效，softmax非线性放大是关键

Echo 框架将经验显式拆解为五大迁移维度，让 MLLM 智能体跨任务类比学习。

Google 4B 医疗多模态模型，新增 3D 影像与时序分析能力

把7自由度机器人动作编码成像素级动作图像，让视频主干直接当零样本策略

将推理视为隐变量、用配对感知选择+GRPO自适应启停推理的多模态嵌入框架。

Squeez用2B小模型对编码智能体的工具输出做任务条件剪枝，召回86%时压缩92%输入。

提出CVA架构，将价值激活显式化以解决LLM行为模拟的刚性与极化

用更精细相似度+伪剪枝+逐层重计算，MoE 专家压缩新方法

2D 自然图像自编码器把 fMRI 体压为 27 token,支持 256 帧长程建模。

针对LLM代码修复中的「过度编辑」问题，提出编辑感知奖励与自造数据框架，显著提升修复精度与推理速度。

用三种干预算子从可观测痕迹诊断每条检索证据的操作效用。

提出 SciTikZer 模型与 Dual Self-Consistency 强化学习框架，从图像生成可编译的 TikZ 代码，在 8B 体量上超越 Gemini-2.5-Pro 与 Qwen3-VL-235B。

把论文拆成可验证声明，文献检索+代码执行双管齐下，标注证据等级但不替代人类判断。

EC路由+时间步容量调度让DLM MoE训练提速2倍、推理提速1.5倍