将视频编码的I/P帧思想引入MLLM，用运动-残差token大幅降低视觉token成本

内省式识别冗余步骤并以掩码偏好学习折叠推理链，token减半

ACTS框架通过控制器代理策略级引导推理器，在保持精度的同时大幅降低推理成本

同一权重暴露两条等价解码路径，让模型在 H100 与 H20 上同时达 roofline 最优。

用在线动态奖励权重与每题目标长度，兼顾正确性与简洁性

切片编码+ViT内早期压缩，55.75%降算力且精度持平

SPEED 让 prefill 只走前 K 层、decode 全层走，配 BoS 锚点降本。

在短上下文GRPO中按推理步置信度屏蔽优势，稳定高效压缩推理链。

Sol-RL 用 FP4 探索候选池，BF16 再生成关键样本，加速扩散 RL 4.64×。

查询感知的两阶段自适应框架，让MLLM按需细化局部细节

用预 RoPE 空间的 Q/K 中心点估计 KV 重要性，匹配全注意力的同时吞吐提升 2.5 倍。

任务专属草稿模型+推理时组合显著提升推测解码接受长度

通过动态混合精度量化与时间增量缓存，实现视频DiT 1.92倍加速和3.32倍内存缩减

将推测解码从token级提升到智能体级，用轻量模型跳过不必要的工具调用链

AutoGaze：3M参数前置模块裁剪冗余patch，实现19×加速

通过工具调用按需检索高分辨率裁剪区域，实现VLM高效推理

用信息瓶颈理论压缩推理链，Token减48%准确率基本不变

通过置信度动态调控推理轨迹，在抑制冗余思考的同时防止推理不足

三阶段对齐框架高效地将预训练ViT转换为线性注意力模型

用 mLSTM-SWA 混合架构蒸馏 Transformer，通过专家合并实现近乎无损的性能迁移