此前幅度结论仅来自单模型、单种子、300题的运行，证据薄弱；本次以完整测试集、四个开放权重模型并事前注册设计进行独立复现，明确了哪些信号可复现、哪些不稳定，为把熵用作可靠性指标提供了更可靠的分界。
此前LLM推理加速通常需要任务特定微调或重新训练，适应成本高且跨任务通用性差。AdaDSF无需重新训练即可将现成预训练模型转换为深度稀疏模型，大幅降低部署门槛和成本。
此前工具调用研究主要集中在选对工具（tool selection）和限制真实工具权限（gating），默认调用本身指向真实工具。该工作指出幻觉调用在构造上不是任何 gate 做出的决策，因此 gate 无法拒绝它，并把防御位置前移到任何因果 gate 之前，改变了工具调用安全与评测的讨论前提。
此前纯 MoE 的专家路由被认为会牺牲跨模态信号，而跨模态信息恰恰对低患病率病理更关键。该工作把通用与专家两条路径显式耦合，使原本被所有基线漏检的六类罕见病理重新可检出，说明罕见病检测的瓶颈可能来自架构而非数据量。
此前医疗LLM评估多关注回答准确性，而CARE-Bench首次从安全角度系统评估分诊中的行动时机，即模型应建议下一步行动而非直接推荐医疗措施，揭示了提示工程无法解决的根本缺陷，对医疗AI部署的安全性具有重要意义。
现有智能体推荐系统的用户记忆是文本，更新一次重写一次，成本高且无法利用完整交互历史中的协作信号。CoVeMem 将记忆向量化，使完整交互历史成为可训练数据，并以零额外 LLM 调用达到或超过文本记忆性能，显著提升效率与效果。
现有反思引导方法通常添加标签导出的均值差方向，但易与推理和长度信号纠缠，导致效率与准确性的权衡不稳定。新方法通过 PCA 去噪和正交化，分离反思相关激活，并跨层校准以限制早期层干预的放大效应，从而在保持准确性的同时显著减少推理 token，为提升推理模型效率提供了新路径。
研究揭示 cuSPARSE 在 CSR 与 Blocked-ELL 格式间存在 350 倍性能差距，且没有单一实现能主导所有稀疏模式。SparseDitto 利用 LLM 自动生成定制内核，显著提升稀疏矩阵运算性能，可能改变科学计算、图分析和机器学习中内核优化依赖人工经验的现状。
此前方法在非线性非平稳回归中难以同时选择特征子集和子空间，且计算复杂度高。EOMR 将两者联合学习，在强混沌等挑战性问题上显著优于多种主流 AI/ML 工具，且迭代和内存复杂度呈线性增长，为高维小样本学习提供了新路径。
此前本体匹配系统只能单独发现等价或包含关系，本论文的新任务 HOM 将两者统一，且引入 LLM 多智能体协作，为知识图谱、数据集成等领域提供更全面的语义匹配方式，是本体匹配任务的重要扩展。
此前多Agent系统主要在大型商业模型上测试，被认为能提升推理能力。本研究表明在本地7B模型上，多Agent架构因通信格式问题反而降低性能，而更简单的两轮自精炼在数学推理任务上效果更好且资源消耗更低，这挑战了多Agent架构的通用优越性，为本地模型部署提供了更高效的选择。
现有LLM发现方法在推理时搜索中按分数进步分配信用，忽视token成本差异。本文证明成本盲信用会随边界和成本分化而损失质量，并引入CostAda，使成本和剩余预算影响搜索决策，而非仅作为记账或停止条件，可能显著降低推理成本并提升效率。
此前关于LLM在定性研究中的应用证据有限，尤其缺乏归纳式编码的系统比较。该研究提供了量化证据，表明LLM在特定情境下可接近人类编码一致性，为将LLM作为可扩展工具引入定性文本分析提供了依据。
传统的用例基准只关注单个代理是否完成任务，无法反映能力、模型、运行时机制、容量和企业数据如何共同被拥有、变更、准入或证明。该论文提出以合约和可测义务来管理企业AI部署，使AI治理从定性走向可验证。
传统方法在生成内核时大量丢弃接近成功的候选，浪费了其中蕴含的领域知识和计算资源。该论文提出将调试作为生成范式的补充，在缩小搜索空间的同时利用密集反馈，显著提高了修复成功率并降低了成本，可能推动硬件内核生成效率的实质提升。