用历史错误模式的记忆惩罚，缓解 LLM 强化学习的错误坍缩。

提出统一多框架基准Qiskit/PennyLane/Cirq，评估LLM量子代码生成的跨框架可靠性。

首篇系统综述 AS 在 Transformer 各家族中的机制、用法与抑制方法

首个同时融合文本/参考图/音频/姿态四模态的HOIVG统一生成框架。

用三角形条带作为基本 token 单位，统一生成三角/四边面网格并原生支持 UV 岛分割

首个统一声音、音乐、语音三大域理解、生成、编辑的端到端多模态框架。

反向扩展视频生成器为基座，用统一流匹配统一视频生成与理解

用信息论框架揭示UMMs伪统一现象

代码智能体调试框架，通过层次化轨迹追踪定位失败源头

评估统一数字智能体在复杂任务中组合视觉、搜索和编码能力的基准测试

首个开放前沿通用LALM，支持30分钟长音频理解和时间锚定推理

基于轨迹正确性和困惑度进行双路自适应加权的在线策略蒸馏框架，提升LLM推理对齐效果

首次通过内省一致性训练使DLM达到AR模型质量，在15个基准测试中实现3×吞吐量提升

通过经验回放缓冲区在LLM强化学习训练中节省高达40%计算成本而不降低性能

提出多智能体框架追踪数据集演化谱系，揭示结构冗余和基准污染

将聚合本身视为智能体任务，通过轻量级工具导航并行轨迹实现高效跨轨迹推理

将物理模拟器转化为可扩展的问答生成器，用合成数据训练LLM提升物理推理能力

提出推理时插拔式方法，通过交叉注意力路由实现多事件视频的精确时间控制，无需训练或架构修改

自动识别智能体能力缺失并合成针对性训练环境的端到端系统

首篇系统综述 LLM 强化学习中信用分配的论文,梳理 2024-2026 年 47 种方法并提出粒度×方法学二维分类体系。

NVIDIA 为推测解码算法提供兼顾语义多样性与生产级吞吐评估的统一基准

提出 TIPO，让移动 GUI 智能体按隐私画像生成结构异构的执行轨迹

在导数空间用对抗目标训练连续流模型,仅10个epoch后训练即大幅降低FID

构建1460题K12水平基准，解耦知识与推理，揭示SOTA模型仅62.8%

让小模型接管扩散轨迹首尾步骤，中间保留大模型，省 17% 算力几乎不掉质量

首个 UMM 统一代码库，标准化 15 个模型的评估与后训练，揭示架构统一≠表征统一。

ZWM用单儿童868小时第一人称视频训练,无需任务标签即可零样本完成光流/深度/分割/物理推理

通过两阶段框架学习 64× 时间压缩的稠密运动潜空间，使目标条件运动生成比视频模型快 4 个数量级。

用 APT4 替换通用分词器，波兰语 fertility 砍半且不掉性能。

用滑窗推理+压缩摘要的动态上下文管理让8B模型刷新SWE-Bench记录

用医学知识库合成可控分布的推理题并通过半监督RL缓解罕见病数据稀缺。

用复向量空间中的连续相位旋转解决代理记忆中的静/动态时序冲突

POLYGLOT SCORE评估10个LM多语种教学能力，规模非关键因素。

训练LLM在隐私对话中扮演双面间谍：用RL学会主动建模并误导攻击者信念。

非线性外推低秩参数轨迹，37.5%算力削减下仍提升RLVR性能

构建405道自然科学实验预测任务，揭示LLM在实验结果预测与可靠性校准上的双重缺陷

ADD用加性水印+内积解码实现多比特图像水印，K=48下接近100%准确率。

语义聚类+DCI-tree重排PagedAttention分页,极小预算维持近Full精度。

用 3021 道菜、5.27 张/菜的多视角图,系统评测 29 个视觉语言模型在精细分类、营养估计与饮食 VQA 三大任务上的真实能力。

用自我中心上下文投影缓解LLM-LLM对话中的人格漂移与回声现象

提出一种区域级图结构表征 Distortion Graph，配套 528K 数据集与 PANDA 模型，让图像对失真评估从整体走向细粒度。

首个面向符号音乐的 LilyPond 策展数据集与代码预训练编码器

诊断 VLM 计数的视觉注意力塌陷，并提出 MAS 注意力预算正则。

首个面向近距HRI的VLM，任务感知地定位3D人体关键点

在12个模型中定位到「门-放大器」安全路由电路，揭示其早期承诺漏洞。

首个专为社科人文领域预训练的自回归语言模型，配套不生成文本只标“意外”的 MIRROR 界面

用 7 属性+10 检查点+250 故事形式化衡量 AI 的连续性