首个生产级GPU内核生成基准，解决基准与生产环境不匹配问题

无真值单元测试、无训练的测试时代码生成：代码与单元测试双向协作自博弈共同进化。

提出 TDGA，用干净 SFT 阶段 SVD 估计可信子空间，投影 RL 梯度以显著延迟奖励黑客。

反转CoT顺序：先给草稿答案，再用连续嵌入作对比验证器触发反思

提出 Token 生产函数，将 LLM 推理视为算力-功率双约束生产，呼吁报告 J/token。

POISE 用策略模型自身隐藏状态预测奖励基线，替代 PPO 价值网络与 GRPO 多采样

在GRPO失败样本前添加Lorem Ipsum乱文，破解零优势困境以拓宽LLM推理探索。

揭示 GRPO 中两种聚合规则的偏差，提出均衡聚合 BA。

用隐藏态投影残差解耦正负样本的语义重叠，保护共享token免受误罚。

把重度思考拆解为"并行推理 + 序列化审议"两阶段流水线,并封装为可被任何智能体框架加载的文本技能。

R-CLA 训练时随机丢弃层缓存，使单一模型自适应多种深度共享策略。

用可学习的内部token早期剪掉低质量推理路径，并行准确率提升且token消耗砍七成。

用结构化机理动作图让LLM为虚拟细胞生成可验证的生物学推理

DDTree:从单次块扩散草稿的逐位分布构建最优草稿树,提升投机解码接受长度。

多智能体RL系统，首次在3场Codeforces现场赛中击败所有人类选手夺冠

研究发现LLM在无关上下文环境下推理痕迹缩短65%，自我验证行为被抑制

把稀疏注意力、RAG 等LLM优化统一为四阶段内存流水线，并用GPU-FPGA异构系统加速。

揭示LLM在表面线索与隐式约束冲突时的系统性推理失败模式及缓解策略

TTC层将推理建模为LQR最优控制,辛求解器10倍加速,MATH-500+27.8%

揭示内在奖励的分布锐化机制与不可避免的崩溃，提出外部奖励作为可扩展替代路径