微调LLM单token预测转化阈值，构造单调促销响应曲线，A/B测试转化+1%、成本−6%

检索外部知识图谱子图增强LLM提示，免训练提升模式匹配精度并抑制幻觉

检测教师漂移起点并验证可恢复性，只在可教前缀上蒸馏，提升低资源语言推理。

用提案树并行化在线蒸馏的采样与打分，草稿验收长度最高提升41.45%。

首个token级自适应OPSD：多教师池配合投票与KL选择，逐token匹配最优监督

用时序控制回测诊断金融深度研究系统的真实预测力，受控T2成绩可逼近实时成绩

LEMS 误差模型驱动 ILP 秩分配，KFAC-SVD 修复 Fisher 秩坍缩

TTME以自进化外部记忆替代测试时训练，五个数学任务全面胜出且计算成本降82.8–84.6%

幻觉检测分数是检测器与基准的联合属性：本文提出三轴分析框架与 Span Coverage F1

编码器离线压缩物品为单向量、排序器在线个性化打分，共享前缀推理使吞吐达全文教师60倍。

开源320B稀疏MoE智能体模型，以稳定预训练、多脚手架RL与多教师蒸馏强化CLI能力

块级共享监督+门控深度融合的参数化记忆，免检索推理且构建成本降2048倍

推理模型的“wait”反思标记几乎从不由RL发明，而是由训练数据植入、再被RL配方改塑。

把三维零件装配当作序列建模任务，用因果LLM加摘要令牌一次前向预测全部零件位姿

在共享 GPU 上实时学习采样能耗，让测试时扩展既守预算又不拒答

构建学生兼容教师把教师中间计算翻译成学生可用形式，再在策略上内化，超越输出监督。

分离记忆定位与证据读取的稀疏注意力，4k 训练零样本外推到 256k

以相对信息增益密集奖励与思考-阅读交错机制强化长上下文推理

加性聚合让评分表RL只涨分不涨质量，协议级合取分组与失败条款修复奖励

提出结构化消歧范式并构建ARCS基准，歧义问题使最强模型端到端准确率仅51%