首个由学生真实学术任务驱动的OpenClaw学术级智能体评测基准

LLM 稀疏引导多智能体同时学习内部搜索与外部协作

揭示LLM在推理任务中偏好任务合理性胜过指令遵从，并提出激活层干预方案。

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。

用LLM编排Elements系列原子模型工具，4阶段流水线从240万晶体筛出6.8万候选并合成4种新超导。

用最后一层隐藏表征与预测误差的对齐代替反向传播，单次前向实现千亿级模型的数据估值。

将前向KL与反向KL按token级信号混合，结合off-policy数据与轻量on-policy采样的统一蒸馏框架

把骨骼序列规则化转成自然语言文本，让LLM直接做运动问答与描述，无需训练运动编码器。

把多词表达资源按「分类/抽取/解释」三种原子操作重组，构建操作对齐的语义基准

首个系统性研究 LLM 稠密检索器在 30 个数据集上泛化与抗扰动鲁棒性的工作，提出 specialization tax 概念。

通过只更新Q/K投影中高幅度激活对应的权重行实现长上下文RL稀疏更新。

BLD方法：基于字节级接口的跨分词器蒸馏简化基线

在数学竞赛中，模型本身的能力差距远超任何提示工程优化

将推理任务重构为序列级上下文强盗问题，用标量价值函数解决PPO在长链推理中的信用分配不稳定问题

用历史错误模式的记忆惩罚，缓解 LLM 强化学习的错误坍缩。

基于轨迹正确性和困惑度进行双路自适应加权的在线策略蒸馏框架，提升LLM推理对齐效果

首篇系统综述 LLM 强化学习中信用分配的论文,梳理 2024-2026 年 47 种方法并提出粒度×方法学二维分类体系。

首个针对流水线并行的LLM后门攻击，触发词注入使SFT后模型丧失安全对齐。

筛选少量高方差用户提示，让 RL 提示优化在异质推理任务上突破全量训练瓶颈。

DBCooker：基于LLM的数据库原生函数自动合成系统，三大模块协同覆盖声明解析、参考单元复用与自适应编排，在三大主流数据库上平均准确率提升34.55%。