AntiSD通过反转自蒸馏梯度方向解决推理RL的捷径偏置问题

五机制多智能体自主科研管线，在ARC-Bench上超AI Scientist v2 54.7%

揭示Video-LLM靠视觉先验幻觉声音而非真正听音，提出THUD诊断与干预对齐方案。

用主动排名+随机方向预言机,在有限LLM调用预算下提升RAG重排序NDCG@10。

以验证器为中心的框架，合成1000个可机器检查的桌面任务。

用 9 类任务、9 种奖励的 23K RLVR 数据集和 TMN-Reweight 多任务优化算法，让 30B 模型长上下文能力逼近 R1-0528。

用Beta分布同时预测推理步骤的成功概率与可靠性

用三智能体自动构建可执行工具环境，并合成自然多轮轨迹训练工具调用LLM。

把文本技能升级为可执行状态-动作干预函数，全面提升 LLM 智能体表现

把VLM训练成导演理解分镜创意意图，再统一控制信号注入视频生成

工具增强VLM智能体+统一视频DiT，解决视频编辑请求欠指定难题

覆盖三类视频的 AI 伪影分层基准,揭示 MLLM 感知根本缺陷

首个将真实多轮人机对话与用户自报思维配对的大规模数据集。

首个逐动作步注入图像/音频/视频的全模态手机 GUI 智能体评测基准。

首个多镜头音视频生成基准，含自适应混合评估框架与人类判断一致性达91.5%。

用正反答案对比信号解决 RLVR 中 token 级信用分配难题

立场论文：把交互式评估从基准格式升级为设计科学，提出E:X→Y框架与两轴分类法。

用可控扩散模型联合生成城市卫星图与建筑能耗/高度图。

构建首个开源 100MP T2I 数据集，探索原生超高分辨率图像生成训练方案

无需训练，将4D扩散骨干中的注意力图拼接为对应关系链，9秒生成4D网格，13倍加速。

利用图像分割作为生成代理，统一多模态模型的理解与生成能力

VideoRLVR框架用可验证奖励优化视频模型，提升规则验证任务的推理能力

通过几何占据与光学不透明度解耦，实现半透明场景中高质量反射与透射的实时渲染

用增量表示替代累积状态，实现跨层选择性连接，困惑度降低1.7-8.2%

通过轨迹级奖励塑形和跨任务优势归一化，有效缓解RFT方法在视觉持续学习中的灾难性遗忘问题

通过 SSD-CPU-GPU 三级缓存和轨迹自适应流式传输，在单 24GB GPU 上实现十亿级 3DGS 训练

用上下文地图缓存可重用的方向性知识，提升LLM代理处理重复长上下文任务的效率

提出 Graft 框架，将动态剪枝释放的候选预算用检索补回，在不增加验证开销下同时提升推测解码的速度与平均接受长度。

提出 CGR 评估协议，量化可执行 Python 支架对小模型 MCQA 的影响与审计。

通过动态调整rubric标准的权重，将训练压力导向当前策略可学习的标准，提升多目标强化学习效率

首个支持任意三角剖分的高分辨率网格生成模型

基于LLM的通用文本优化框架，在六个领域达到SOTA效果

提出注意力状态记忆，无训练地将长前缀外部化为查找记忆

提出首个要求主动探索的空间智能基准，揭示行动选择比感知能力更重要

提出DRIS多实例域随机化方法，在无被动稳定的平板接球任务上实现零样本仿真到真机迁移。

机制可解释性研究：相同编码器下评分机制决定作者信号的固化深度，造成四倍性能差距。

面向om-LLM推理加速的阶段自适应token选择方法SEATS。

把KV缓存重构为可保留、可召回、可遗忘的场景记忆，实现交互式长视频生成。

用自生成多解数据做中段训练，显著提升后续强化学习

反转CoT顺序：先给草稿答案，再用连续嵌入作对比验证器触发反思

用文法约束解码+可信执行环境+CRDT，把 AI 治理延迟从天级压到毫秒级。

拆解语言切换后门：揭示三阶段电路与正交潜空间绕行机制

首个系统评估实时双工全模态交互的基准，含660视频与LLM时序评判框架

提出'岔路口假说'，论证推理模型的覆盖率收缩由微调数据中的决策点驱动，而非算法本身。

提出基于实体级分解的抽象图像编辑评估框架 ENTITY-RUBRICS 与 ABSTRACTEDIT 基准，揭示模型在意图理解与保持之间的根本矛盾。

差分渲染构造 82 语言 OCR 数据，DPO 实现稳定跨语言迁移

用检索增强的开卷重写器在微调前主动净化训练数据，防御 LLM 后门与投毒攻击。

揭示标准损失与正偏激活函数交互导致的负权重漂移机制，刻画其对激活稀疏性和准确率的影响。

商业检测器把base模型续写判为人类，HIP用迭代改写绕过检测

用服务端 HTTP GET 日志自动重建读集，为并发 LLM 智能体实现乐观并发控制。