RIDE在表征空间沿RL诱导残差外推蒸馏目标，让学生稳定超越RL教师

自进化搜索代理中出题者与解题者共享错误形成共谋;源级交叉拟合反馈切断回路,七基准平均提升8.8点。

把模型对自己生成图像的批评当特权信息，用在线自蒸馏让生成能力在原始提示下自我提升。

在动作执行前采样并验证多个候选命令，把测试时计算投向模型与框架边界

双层协同进化解与搜索查询，知识缺口门控让LLM按需上网检索

在可验证域构造长程反思轨迹训练27B模型，实现测试时自我改进并跨域迁移

让 Builder 从执行反馈学元技能，为权重冻结的 Target 现场构建更优执行环境。

探索-诊断-改进局部循环加全局质量监控实现游戏自主迭代开发，并将经验内化回模型。

直接决策模型在序数任务上只用65–76%的有效候选等级，且该压缩可被BA-LoRA后训练大幅修复

首个交互式3D世界审计基准：213个异常任务上最佳模型仅42.3%，远低于人类83.4%

让多模态大模型在LLM内部想象出紧凑3D高斯场景再作答，空间推理大幅超越像素级几何注入

用共享参数的嵌套循环Transformer迭代精炼视觉语言状态，1B模型比肩数倍大的稠密VLM

用LLM隐层状态为OEIS五千万序列对排序，8小时验证出62条隐藏数学关系

固定状态换目标重排动作偏好，激发预训练世界知识，实现未见环境的可迁移决策

用智能体化贝叶斯优化管理研究想法，AutoLab 十任务全面领先且最高提速 3.1 倍

构建5万条智能体错误-诊断对，验证失败经验可转化为诊断与修复训练信号

以单层线性投影直连像素与共享骨干，无编码器统一图像与视频的理解和生成

146个科学软件任务评测12个VLM智能体，最强模型平均仅得73.7%

冻结语义分支加无约束像素分支双流编码，32×压缩下重建更精、扩散收敛更快

用答案对比定位监督位置、视觉对比定义监督内容，让潜在视觉推理真正扎根图像证据

首个为动态场景渲染完整RAD张量的雷达新视角合成方法，用固定PSF解耦场景与传感器。

只编辑线性奖励头，按数据集自适应挑选属性修正，免重训降低奖励模型偏差。

用测试时自进化的多智能体加剧集级持久记忆，在15个语向字幕翻译上全面登顶。

将MDM解掩码策略分解为五轴决策空间，证明自适应机会集中且稀少，选择性适应优于全局适应

无关图像的存在使VLM评审约16-20%的标注改变，但标签并不跟随图像内容

提出 Box2-Bench 度量选择性依赖，并仅用坏工作流训练出能抵制误导引导的模型

六域评测显示 Astra 善决策而弱控制：导航领先、混合操作强，直接灵巧控制与步态生成不可靠

仅凭运动学数据重建地形，训练单一肌肉驱动策略掌握斜坡、楼梯与座椅上的全身运动

自进化的多智能体搜索自动重写智能体 harness，三大基准全面刷新 SoTA

首个联合建模循环与稀疏的有界缩放定律，指导循环MoE架构设计

在关键错误处施加预防性蒸馏、在其后施加恢复性蒸馏，让多轮智能体学会避免并从关键错误中恢复。

RL 在 VLA 的 Timestep 模块留下低秩更新，shift 方向可预测成败并可引导提分

首个让智能体边操作运行软件边改代码、并用确定性测试验证修复的四域基准

以100份长篇GDD构建冻结的依赖感知契约，三轴联动评测并改进编码代理的设计忠实度

让MLLM在视频生成前显式思考，把隐式指令推理转化为可靠的编辑条件信号

用二阶统计为键值各造一个可逆变换，把2-bit KV缓存质量拉回接近全精度

把IndexTTS2蒸馏成掩码非自回归架构，免转录克隆且提速10倍以上

冻结VLM，协同进化高层策略与媒体工具，让超长视频定位更准且更省

把自演化的结构化物理语言作为统一表示，贯穿数据、训练与推理，让开源视频模型超越 Veo 3.1

世界模型想象执行并诊断首个失败子任务，把稀缺示教定向投给对应的技能专家

合成预预训练收益持续到7B参数与100B token，但机制是长程检索而非语法先验

以五维记忆框架统一解析注意力演进，发现混合架构与跨层复用正成为主流

定向自蒸馏训练小型顾问模型，为冻结前沿LLM提供有效建议

冻结的智能体保不住安全：训练或投毒潜空间通信链接即可越狱，反向奖励又能修复

揭示批内高相似性是流式自监督学习瓶颈，StreamMAE以运动感知管线解决

用16个可解释探针的概率语义状态表征查询，再学习候选模型性能并按目标路由

按师生对错四种组合重设蒸馏反馈：学生结果定方向，联合结果定教师用法

用项目反应理论把量规判定聚合成奖励，区分同分模式并自适应减少评判调用

混合检索配列表式智能体审查，把CVE精准定位到修复提交，R@1领先点式基线25.34个百分点

用表意文字描述序列构造部件级细粒度奖励，提升文生图模型中文汉字渲染的结构准确性

自动把社区技能改造成可验证训练环境，SFT 后 9B 模型在两项基准上超过 397B 模型

把自蒸馏监督转移到教师可被模仿的已验证轨迹上，收益不再随模型规模衰减

零LLM成本的两阶段检索器追平LLM循环检索，单试花费$51.30降至$27.54

用1v1竞技游戏自博弈发现少量语义分明、人类按键即可操控的机器人技能

发现Direct-OPD的log-ratio奖励对概率质量失明，按JSD仅保留10%状态反而更稳更强。

逐批生长的增量 DAG 规划替代先规划后修补，并利用 DAG 拓扑设计结构化 RL 信用分配。

LSD把已解题组路由到EMA自教师做在线蒸馏，消除冗余长度且精度不降反升

共享主机的同步数据并行运行时，让全参数LLM微调在显存之外的多GPU上高效扩展

系统提示词中被悄悄注入的当天日期会让 LLM 评测分数逐日漂移，幅度超过批大小等已知因素。