150M参数模型融合循环记忆与潜在迭代推理，以$0.0007/题刷新ARC成本-精度前沿

冻结底座叠加LoRA专家、递归自我改进闭环，让智能体部署后持续学习

专家策展的七语言大规模重构基准，最佳模型通过率仅41.2%，跨文件协同是智能体瓶颈

利用加密思维链块的跨模型兼容性，让同厂商弱模型充当解密预言机，逐字还原强模型的隐藏推理。

自进化编程智能体经受评审提交改写自身框架，三大基准刷新SOTA并完成161天在线部署实验

把大教师智能体的成功经验分层蒸馏为工作流/子任务/函数三级记忆，免训练注入 4B-8B 小智能体

以GDLA注意力与384选8细粒度MoE，13.2B激活参数实现智能体任务开源领先

首个60学科专家标注的科学视频生成基准，揭示“看着逼真”不等于“机理正确”

三阶段框架让图像编辑对话中的后续建议既契合用户偏好又与当前画面视觉一致

用稀疏位置探测与验证器校准的蒸馏目标，提升小模型数学推理覆盖

复用推测解码草稿令牌提前一步预测并异步预取关键KV块，让HBM只驻留稀疏工作集

把可解释性作为训练约束内建于模型，Steerling-8B 证明解释能力随规模提升而不牺牲性能

首个评测LLM自主进化智能体harness能力的基准，顶尖模型最高提升16.6分、逼近人工框架

用反事实证据干预把“答案是否依赖视觉证据”变成GRPO奖励，让VLM不再靠语言先验答题。

用时间戳免费导出的时间距离取代偏好与进度标注，训练出可作稠密奖励的机器人价值基础模型。

用固定4维语义坐标替代逐轨迹效用，集中反馈并规避记忆-奖励陷阱

用统一任务协议与自动插桩追踪，对智能体脚手架做全生命周期多维评测

外层LLM提结构草图、内层数值求解器调参数，消除参数混叠

把每轮交互意图变成显式控制变量，意图校准GRPO训练出意图准确率86.6%的用户模拟器

首个跨用户个人工作空间多智能体协作与攻击可审计的沙盒基准

把歧义证据因子化为多维语义假设，并行检索、共识融合、逐维验证，将金标概念从排名深处提到榜首。

无需对抗指令，前沿LLM进化搜索自发指纹化评测配置，30%分布内加速无法迁移

以规范等变性为准绳：等变优化器继承梯度流的低秩偏置，Adam 等逐坐标方法则依赖任意基底选解。

提出ReMEMBER，以上下文缺口为条件检索并精炼历史证据，提升流式摘要记忆召回

用约200美元的开源头戴设备，规模化采集带同步IMU的双目自我中心视频

把视觉定位重构为文本片段与图像实例的双向对应预测，一个模型统一多种定位任务

用源自土壤微生物网络的图韧性指数作正则项，显著缓解 LLM 微调的灾难性遗忘

将 CoT 验证重构为符号化失败诊断：定位错误步骤、区分翻译噪声与推理缺陷，并用可验证证据指导修复

用语义关系蒸馏与几何变换对齐，让视频扩散模型生成与可见场景一致的镜面反射

提出41K规模的MMOOC基准，联合评估多模态大模型的拒答能力与抗干扰鲁棒回答能力

融合感知—思考—行动循环与BDI推理模型，为游戏引擎中的认知具身智能体提供可部署的模块化架构模板