多维刻画实体稀有性，推理+迭代检索的免训练框架超SOTA 6.9%，稀有实体最高提升23.3%

用会话、语义、嵌入三层Redis缓存，在普通CPU上把AI搜索成本压到每次约1.5美分

用删除/替换/重排三个反事实探针在检索前校准技能图边置信度，让智能体拿到可执行的技能包

算法专家智能体接力协作，用公开测试反馈逐步修复竞赛代码

结构更复杂的多跳RAG反而放大上游语音识别错误，查询实体损坏占失败案例的87–96%

FORGE基准揭示：单条被污染网页即可让12个主流LLM推荐假品牌，中招率最高73.8%

用OCR抽取加五场景RAG问答合成流水线，把906份松下工业文档变成13.6k条微调与评测数据。

语料扩容能让固定的RAG系统答案系统性漂移，而总准确率几乎纹丝不动。

用查询条件、长度自适应的潜在概念作中间监督，桥接局部视觉证据与语义相关性

将逐轮记忆整合改为语义分段批量编码，准确率与构建成本双优

首个多模态商业创意基准与智能体：30K样本、SFT+GRPO两阶段训练，7B模型比肩闭源MLLM

系统比较三阶段边际价值剪枝：早期剪枝最多省73% token且质量基本不变，无单一方法全面占优

用单个8B教师同时蒸馏查询端与文档端，得到524M端到端单向量视觉文档检索器

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

端到端适配 Nemotron 到希腊语专业域，1B 嵌入微调+LoRA 读者大幅超越通用多语言栈。

让统一多模态模型自主推理、调用工具并原生生成图像。

金融深度研究基准FinanceGym+框架FinanceHarness，时点隔离分离前后截止评测

让连续视频长成时序分层记忆，同一份记忆既能答问也能主动服务。

在解码器模型中一次前向同时生成稀疏与稠密多模态向量

为生命科学 AI 智能体提供自然语言文献检索的知识层。