让LLM直接用grep/bash搜索原始语料，在多个基准上击败传统稀疏/密集检索器

用单一任务结果信号同时驱动技能选择、利用与蒸馏三阶段协同演化

通过分层潜在变量分解将文本生成为连续语义先验传输再条件解码。

用紧凑的"全局激活签名"代替局部检索,引导长上下文RAG与Agent记忆访问。

用7个异构LLM生成候选答案，由GPT-4o-mini逐例法官挑选，多轮RAG任务夺冠。

用强化学习训练技能策展器，让 LLM 智能体在长任务流中持续积累并精炼可复用技能。

用未来-现实一致性验证器让机器人选择性信任WAM预测的未来。

梯度空间均衡多奖励，单模型同时提升扩散RL所有质量维度

在GRPO失败样本前添加Lorem Ipsum乱文，破解零优势困境以拓宽LLM推理探索。

首篇系统综述大模型时代音视觉感知/生成/交互三大支柱的统一分类法与方法论

在 episode 起始采样全局策略,条件化后续所有动作,层级化 GRPO 训练。

首次把DMD蒸馏从离散时间锚点迁移到连续时间域，无需GAN或奖励模型即可在4步文生图中取得SOTA。

DeepMind 构建数学家多 Agent 协作工作台，支撑开放式研究的异步状态化探索。

RL训练算力随推理深度呈幂律,逻辑表达力决定幂律指数。

多专家Agent闭环迭代,实测改进三套公开训练配方。

用轮次分组归一化与自适应裁剪改进智能体强化学习的过程信用分配

用全局共享专家池替代逐层私有专家，使专家参数随深度亚线性扩展

无监督训练MoE实现域级专家模块化，支持子集独立部署。

在 Transformer 每层注入 K 路词元身份记忆，解决罕见词欠训练与上下文塌缩。

在 LLM 隐藏层发现的微观-宏观社会粒度轴：对齐 PC1、跨模型可迁移、可因果引导。

用RL联合优化起草与编辑，让离散扩散驾驶规划真正学会自纠错。

用语义验证替代坐标监督，实现无标注的地理空间定位自进化

首个统一表格分类与检索的通用嵌入模型 TabEmbed，及配套的 TabBench 基准。

为数据受限训练提出加性过拟合惩罚，量化重复代价并给出新计算最优分配建议。

一个融合了六大数据源、25 万条演奏记录、含音符级对齐与质量标签的大规模钢琴 MIDI 统一数据集。

面向LLM生成Triton内核的基准，揭示任务结构主导正确性、迭代只修不快。

揭示 GRPO 中两种聚合规则的偏差，提出均衡聚合 BA。

NCBI/Ensembl/UniProt生物医学工具调用数据集，4B模型反超GPT-5.1

提出"无基准安全评分"新类别与工具SimpleAudit，三方方差分解建无标签验证链。

深度足够时，Transformer 隐式推理可逼近 CoT 显式推理

首个统一多模态领域泛化基准，揭示专门方法相对ERM基线仅有微弱提升。

把CoT推理与最终打分解耦的视频奖励模型,解决生成式奖励训练不稳定。

用上三角几何约束让多个领域适配器可堆叠成准阿贝尔群，O(1)推理并缓解灾难性遗忘。

用HQKAN模块替换GPT-2式GQE中的重型FFN，参数缩减66%且保持化学精度。

用标量能量函数统一扩散模仿学习与逆强化学习，无需对抗训练即可恢复奖励信号

提出解耦生成管线Sparkle，合成14万段高质量视频背景替换数据并发布最大评测基准。

构建1334份真实大学电路分析手写作业基准，从识别与下游评分两端同时暴露商用MLLM潜伏的视觉理解失败。