系统评估混合推理LLM中三种思维模式切换策略在不同规模和任务领域的效率-有效性权衡

从NSF资助摘要中构建280万科学声明数据集，用于科学声明验证和提取研究

构建BONAFIDE基准证明主流CoT忠实性指标基本无效

用1300万条公交路径规划记录做持续预训练，让LLM端到端摆脱地图引擎直接生成合法路线。

把难题拆成可验证子问题序列，用子问题级信用分配强化LLM推理

基于MLLM的统一时尚检索框架，通过查询校准和自适应采样处理多样化检索任务

提出变分策略蒸馏(VPD)框架，通过EM算法让教师与学生协同进化，解决RLVR稀疏奖励问题

揭示RLVR训练中存在反直觉的不可学习样例，代表模型表征的根本性缺陷。

首个关注密集干扰和长距离依赖的跨域记忆评估基准，现有系统平均准确率仅27.9%

CNA：仅干预 0.1% MLP 神经元，将指令模型拒绝率降低超 50% 且保质量

用 Hölder 平均统一 GRPO 系列聚合方式，提出动态 p 退火。

用 LLM 先验从纯观测轨迹中归纳可执行 POMDP，摆脱对真实隐藏状态的依赖。

用Hodge分解提取MoE专家合并中不可约的高阶障碍，驱动学习自由压缩

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

PaSaMaster 通过递归自进化检索将复杂科研意图转化为可审计、可验证的论文排序列表。

揭示异步RL中旧logits缺失问题，提出精确获取与PPO-EWMA两种修复路径

首次提出LLM模型合并的floor+tail幂律,量化专家数与模型规模的耦合标度

提出GCAD方法在注意力层而非残差流注入引导信号，缓解多轮对话中的KV缓存污染。

提出可查询低秩更新记忆库，用指令正则化路由替代静态LoRA

首个生成 token 的熵即可匹敌多采样自一致性幻觉检测