提出CacheGraft方法，利用KV缓存间隐式翻译实现文档语义增强，显著提升RAG在长尾事实检索中的准确性

提出通过上下文富化提升LLM社会智能体在提示微变下的行为稳定性，解决社会仿真验证难题。

提出Slot-Parallel语义推测机制，显著加速LLM智能体长历史上下文压缩，兼顾信息保留与低延迟。

提出生成器-选择器双模型框架，每回合生成N候选动作并择优执行，提升复杂长周期任务成功率。

将CoT泛化建模为组合式OOD泛化，证明其通过复用ID单步预测器递归组合实现跨任务推理，给出理论解释。

系统综述图结构在LLM系统中的五大作用，尤其在多智能体执行依赖与通信组织中的新范式

指出LLM泛滥导致文档、软件及维护方可信度下降，呼吁建立新的质量验证机制以重建工程师信任。

实证研究LLM生成小说中角色名过度集中（如‘Elara’）问题，系统评估八种提示级控制策略效果与自然性权衡。

提出多智能体框架OntoDoc，利用LLM生成富含语义的本体术语自然语言描述，突破模板法局限。

发现MoE层专家输出存在稳定秩与有效熵秩远低于专家数的结构化冗余，据此提出保结构剪枝方法降低部署内存开销。

提出受控归因基准CATT，系统诊断LLM数据归因算法失效原因，聚焦可解释评估。

复现并解构神经灌木丛假说，证明仅扰动单层解码器或添加随机logit偏置即可达到甚至超越全权重扰动效果。

揭示LLM安全对齐集中于首几token的机制缺陷，提出ShallowDefend实现显式安全决策学习，提升多轮对抗鲁棒性。

TextSeal2实现零延迟、零多样性损失的LLM水印，在推测解码下保持密钥一致性与检测鲁棒性。

Mistral发布最新大模型Mistral Large 4的开源权重，支持商用，显著提升多语言与推理能力。

利用监督式LLM构建晚期融合模块，直接聚合多视角/多目标超声AI模型原始输出，在医学影像诊断中提升泛化性。

指出LLM性能虽多维，但模型尺寸是解释性能差异的主因，影响可靠性、成本与冷知识召回能力。

提出首个端到端训练的KV缓存编解码器DCKV，通过条件变换与量化压缩提示状态。

提出SKIM方法，使冻结LLM能在自身参数中存储并召回对话内容，实现无外部内存对话记忆。