提出记忆固化问题与Cortex方法，把上下文增益蒸馏进FFN参数，CR/RR兼优

统一评测10种自蒸馏方法：增益有限、训练不稳、高成本未必换来高性能

让 LLM 在潜空间高效思考、用文本调用工具，性能提升 10.4% 且成本降低 2.7–3.7 倍。

11个前沿大模型在多文件复杂场景中规则推理全面吃紧，最佳端到端得分仅55.29%

以情绪化用户交互评测并训练工具调用智能体，交互感知信号筛出更自主可靠的轨迹

以215个可验证任务训练模型用代码编排工具，64k环境状态下通过率30.7%而同规模基线为0

WEDGE 用智能体自身失败诊断指导生成针对性训练环境，闭环适应导航策略

用配对世界验证对话结果，并把终局奖励按轮次重新分配来训练社交智能体

从真实工具失败中挖掘反思元技能，经三阶段训练内化，让8B智能体在噪声环境下主动反思与恢复。

用组合重放修复训练环境，再以轮次级进度信号训练长程办公协作智能体

用软件演化找出智能体友好接口三属性，自动合成接口使成功率升、token省73%

技能优势藏在隐藏态而非输出概率，对齐特权自我的逐层隐藏态即可传递后见之明

在学生轨迹的关键决策点重采样分支续写，扩展教师监督覆盖，全面超越单/多轨迹 OPD。

用行动前预测与事后结果的差距加权梯度，让校准能力随训练自动涌现

在前向读写之上引入反向修订，让智能体积累的经验能在线纠错、随流适应

让智能体学习摊销式递归心理理论隐状态并耦合奖励模型，训练出可独立部署的伙伴建模策略

把历史交互轨迹重建成可复用世界书，让一个世界模型智能体充当任务智能体的环境。

冻结LLM把环境规则写成自然语言规则书并编译为可执行世界模型，靠预测误差循环修订实现递归自我改进。

构建监控基准与免训练行为证据图，帮用户核验长程智能体的关键自主决策并定位证据

预训练LLM编写可执行程序并迭代对照源网格几何，重建仿真就绪的铰接资产