以真实危机视频为锚构建RA-Bench，系统评测发现现有检测器与人眼在逼真AI视频面前双双失守

反转师生不对称方向：教师看原图、学生看增强退化视图，用视图落差当免费蒸馏信号

以过程指标与对照实验评估七个前沿模型的长程自动研发能力：当前智能体更像工程优化器而非自主研究者

用可执行环境、隐藏验证器与HDS6过程验证，把开放式现实难题变成可评测的AI发现任务

共享文本空间对齐加稳定化技巧，实现跨分词器的长上下文推理在线蒸馏

把FFN知识库与注意力推理器解耦共享，同等精度下推理提速近4倍、训练数据省37%

显式276维世界状态加零参数渲染器承担精确几何与控制，神经网络只负责画外观

仅用合规数据从头训练的10亿参数HRM模型，丹麦语新SOTA、英语媲美4B模型

基于一年真实移动经验的设备端记忆基准与KEME数据合成框架，现有记忆系统远未达标

把自蒸馏教师的特权上下文从手工设计改为可学习的潜在token，端到端内化经验。

发布153小时分类人形追踪基准与偏好对齐指标HumanScore，弥合运动学误差与人类感知鸿沟

从通用编辑、真实部署到推理编辑三维覆盖，与人类偏好最对齐的图像编辑评测基准

在ReAct行动-观察空闲窗口并行分支推理，不加关键路径即可减回合、省解码、保精度

LLM 神经元按语言、形式/社会/物理推理四大认知域自发分工，与人脑模块化组织一致

把机器人执行视频转成进度曲线，用 OPD 指标体系细粒度评估具身模型的过程能力

固定TPP缩放下最优重复次数随模型变大反而增加，且由领域验证损失主导

把测试时算力从多采样转向声明级证伪验证，等调用量下提升数学推理准确率并显著省 token

用基座LM与多模态模型的SAE特征差异来发现并定向控制多模态行为

从数学、内核、更新规则到通信全栈加速 Muon 正交化，优化器步时间最多降低约 6 倍

低可预测性令校准预测幅度坍缩，逐序列损失漏掉截面排序，CalibRank 兼顾两者

用K-5小学语料从零训练5B模型构建可控知识沙盒，检验规模、后训练与ICL能否突破预训练边界

两个同伴谎报同一错误答案即可带偏临床Agent委员会，只有独立私查的裁判能抓住它

RLVR 在提升当前任务的同时，会把未来任务的成功轨迹挤到固定预算内难以采样

用GNN+ViT+GRU联合建模冻结VLM内部计算轨迹，实现词元级幻觉检测与解码期干预

以ALD/E-ImageMiner基准为支点，规划科学图像多模态理解的长期评测路线图

修复 Nanbeige4.2-3B 的五处部署 bug，分块预填充使其可用上下文扩展 2.7 倍

思维模型放大自我修正等行为，但最预测正确性的是置信校准——放大不等于预测

把视觉生成当作训练期辅助监督，训后丢弃生成分支，零推理开销提升理解能力

用三级难度引用扰动揭示：LLM 能抓住假案例，却难以验证真实引用的页级命题支持。

用查询依赖的权威建模与逐字引用约束，让 RAG 平衡总结意大利十个议会党团立场

全自动四阶段流水线，把虚假捷径写成可执行布尔表达式并经反事实因果验证后用于无标注去偏

用单一原生多模态生成模型统一3D重建、稠密对应与空间推理