把时延/吞吐/显存约束直接写进可微架构搜索，自动剪出达标模型

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。

蒸馏视频扩散模型的预测表征，让机器人无需生成未来视频即可11Hz实时控制

把工具观测压缩成128个连续隐向量直接喂给智能体：token省70-89%，EM/F1反升。

4B 混合 CUA 经五阶段课程与进化脚手架，OSWorld-Verified 达 66.0%。

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

蒸馏只需模仿教师top-K token的排序，无需拟合其概率值，全面超越传统在策略蒸馏

条目空间在策略蒸馏把生成式教师的排序能力压进单token决策模型，超越27B教师且快24.5倍

先用统计门控进化冻结教师的harness，再蒸馏进0.8B–4B学生，以约五分之一算力逼近教师

在 Gemma 4 26B 骨干上加装语音接口，统一语音推理、对话与工具调用，性能逼近专有系统。

用想象令牌替代随机噪声初始化，把世界动作模型的动作生成压缩到一步扩散

744M参数开源多模态嵌入模型，统一文本、图像、视频与音频表示空间

低分辨率传播筛选需细查的查询与记忆，仅对选中对做高分辨率匹配，4K提速7.4倍且省13倍显存

0.8B 小模型经四阶段训练统一文档解析、通用OCR、KIE等五大任务，多项基准登顶

发现提示内容几乎不重要，定位首个错误步骤的位置才是自蒸馏收益来源

逐项评分仅在重排序器初始化下胜过联合读取，68M紧凑编码器即可超越435M零样本NLI分类器

开放数据级联蒸馏加专家RL与多教师在线蒸馏，4B模型以更少数据超越8B对手

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。

用强化学习策略在预算下联合选择扩散特征的时间步、层与通道子集并蒸馏紧凑学生网络

保留教师答案，自行生成学生家族风格的推理链，蒸馏效果反超教师原生思维链