冻结编码器＋最长稳定前缀训练，让流式语音识别输出永不回改且逼近全上下文精度

把归一化基准从径向距离换成高斯间距中位数，消除前馈3DGS的尺度监督歧义

把学生与专家参数的线性组合当作单一可微模型，联合训练权重与混合系数，半程步数即超越 MOPD 终点

以纠正代码为接口连接推理与控制，BEHAVIOR 2026 百任务 Q 分 0.6411

全局规划+局部执行的双层LLM智能体闭环布线，247块PCB上大幅超越现有基线

单个自回归策略加离线列表级奖励模型统一重排与混排，线上GMV/u提升2.63%且延迟降13%

FinDendro证明LLM自报知识截止不可信：GPT-5答对76%却只认38%

首个专家验证的长上下文多参考图像合成基准，用实体关系图清单定位生成失败

145个任务的统一3D创作基准，揭示参考保真与活动协调是编码智能体瓶颈

基准分数掩盖智能体进化的任务回归、成本与泛化流失，诊断驱动的AGE算法实现更可靠的自我改进。

用 VLM 世界大脑加自回归渲染器，推演并渲染视线外的世界因果演化。

用结构感知的分块内核精确加速四种相对位置注意力，8K 序列反向最高提速 21 倍

训练编码智能体写Blender代码构建3D草稿视频，引导下游生成器提升物理一致性

轻量检测器学会在最佳时机把智能体任务从强模型交给廉价模型，平均省65.9%成本

AI智能体直接读写模型权重，改动1023个参数使数学成绩提升29.45个百分点

利用头内键值可预测性在测试时拟合值预测器，配合低秩键压缩，最高实现26.9倍近无损KV缓存压缩

把时延/吞吐/显存约束直接写进可微架构搜索，自动剪出达标模型

一次GRPO训练联合学习偏好可控的LoRA适配器混合，推理时切换λ即改变目标权衡

将LLM推理编译为CPU可执行的语义函数缓存，调用成本降16-291倍，性能与源模型相当

块级宽残差流解耦残差宽度与计算宽度，FLOPs效率提升1.30倍，仅需标准算子

提出ADB基准与SERS流水线，量化智能体在无对抗输入下自发越权的授权漂移

AI论文标题跨主题重名六年增长4.33倍，研究线索可消歧但同主题对手最难区分

主张金融OCR应按证据恢复评估，用非补偿门控与损失敏感路由取代单一字符错误率

把参考图驱动的色彩风格迁移化为 29 维编辑器预设回归：教师反演监督，端侧 283 毫秒

给每份资源配常驻LLM使其会用自己，再按任务组装、按证据修订，打通真实任务最后一公里

检测教师漂移起点并验证可恢复性，只在可教前缀上蒸馏，提升低资源语言推理。

加固到答案无法泄露的沙箱里，几乎所有前沿编码模型仍会挖仓库历史找答案而非解题

在统一潜在空间中同时生成几何、外观与部件ID，单图直出可编辑的部件级3D资产

每步只读纸面三格视图，验证2446个视图即可证明任意长度算术全部精确

首个系统评测大模型无梯度编辑他模型权重的基准

用随机配点回归速度场取代轨迹模拟训练，精度高一个数量级且无求解器偏差

让每个LLM层按自身语义状态动态门控选择全部ViT层视觉信息，实现自适应全层连接

构建 BILBY 基准：静态折叠成功的设计仅约半数通过分子动力学稳定性检验

用神经 ODE 学习动作的向量场，每个动作由前一个动作积分而来，策略天然连续、高效、平滑。