评估大模型在流体力学/固体力学/材料/PDE四域能否通过多轮对话澄清科学任务。

冻结LLM权重，用四智能体+可训练知识图谱的闭环系统让代码生成越用越强。

用 Hölder 平均统一 GRPO 系列聚合方式，提出动态 p 退火。

用检查表引导的自训练规划器+VLM奖励驱动的工具编排器，解决抽象长程图像编辑难题

用100条偏好样本自演化技能与工具库，冻结VLM即可超越GPT-5的图像编辑奖励。

首个 ICU 时序临床决策基准，用事后标注揭示 LLM 在长程推理中的两大失效模式。

用多流并行格式重塑LLM推理，解除单流chat的串行阻塞

把“可编译”LaTeX 转成“可发表”PDF 的视觉闭环智能体

NCBI/Ensembl/UniProt生物医学工具调用数据集，4B模型反超GPT-5.1

通过构建4K实体/15万可供性知识库与1.4万任务，系统揭示LLM在部件级创造性工具重用上的根本性短板

LLM幻觉源于判别力鸿沟，提出忠实不确定性作为缓解之道

用 persona 合成虚拟计算机，让 agent 在上跑 2000+ 回合的月度生产力仿真。

Z.ai发布原生多模态智能体基座,集成CogViT与多任务RL。

通过分析基线智能体失败轨迹动态选择专用子智能体子集，在 τ-bench/τ-trait/ACEBench 上为开源 LLM 带来最高 27% 的成功率提升。

首篇系统梳理 LLM 驱动对话用户模拟的综述，提出 Who/What/How 三维统一分类法。

清华团队零代码生成可交互 STEM 课件，3 个月课堂试点让学困生收益最大

提出 L1/L2/L3 三级能力 × 物理/数字/社会/科学四规律的二维世界建模分类法

用结构化轨迹摘要+RTV+PDR,在长程智能体编码上系统提升测试时计算增益。

提出 BEHEMOTH 基准与 CluE 集群进化方法，解决异构 LLM 记忆提取难题。

1978个MCP环境+19822工具,GRPO自演化闭环训练,23个基准全面领先开源基线。