用边界感知的LCA掩码让层级字节模型单头并行预测多字节,加速推理且性能基本不掉。

用LLM在残差式DSL空间中自动搜索视觉token剪枝策略，94.4%剪枝下保留99%以上性能

用校准流量驱动的专家合并把推荐MoE压缩为更小的标准MoE，近无损且提速至2.21倍

离线抽取信息金块并切片复用上下文化KV缓存，在100ms尾部延迟预算下兼顾精度与效率

把 Gemma 4 微调成开源离散扩散模型，单 H100 上约 1500 tokens/s。

免训练的模态解耦Token压缩框架，共享查询但独立估计各模态显著性，实现3.53倍预填充加速

将动态路由、稀疏计算与近似校正统一到单次在线softmax中的免训练稀疏注意力

用层级并行解码范式重构文档解析，吞吐量达4752 TPS。

提出端到端可学习的层级稀疏注意力机制，实现超长上下文外推和高效推理

通过半自回归生成和硬件感知调度，将LLM推理速度提升60%-85%

提出三模式LM，联合AR和扩散训练，实现AR/扩散/自投机三种解码方式，在精度和速度上超越SOTA开源模型

通过强化学习后训练框架提升VLA模型执行效率，减少物理步数51.4%，加速5.83倍

为每个输入预测如何动态跳过/重复预训练层，在更少层数下获得更高准确率

通过内部模型路由引入轻量级中间验证器，实现分层推测解码，降低拒绝率并提升推理速度

通过解耦预测投影实现CPU-GPU异步预取，提升稀疏注意力长上下文推理效率

用神经记忆索引器预测关键 KV 块，将 GPU 内存消耗降至 13.5% 同时保持精度

提出Draft-OPD，通过错误位置重放机制在验证时错误上训练draft模型，实现5倍以上无损加速

通过视觉编码器内部帧合并和解耦空间选择，将视频LLM推理速度提升2.65倍

通过结构感知的块扩散和scaffolding技术，实现SOTA轨迹精度下的12倍推理加速

FP4 注意力中只对 5% 关键块保留 FP16,兼顾速度与质量。