此前AI代理上下文管理被简化为存储与检索问题，导致token成本随对话长度二次增长且记忆丢失严重。ACM将其重新定义为贯穿整个交互生命周期的主动管理过程，通过结构化压缩、范围化与预测机制，首次实现线性成本下的保真度保持。
此前基因表达数据获取成本高且涉及隐私问题，限制了多模态研究和AI应用。M^3-Gen直接从组织病理图像和临床数据生成表达谱，可降低数据获取门槛，同时其可解释性设计使得模型决策透明化，有助于临床理解和验证。
此前大规模LLM后训练主要依赖GPU集群，该方案首次在Ascend NPU集群上实现万亿参数级MoE模型的高效训练，MFU显著超越开源基线，证明NPU路线在大模型领域的可行性和竞争力。
此前角色模拟在意见预测上的效果缺乏系统评估，现在GPT-4.1在选举和疫苗信念预测上展现了高准确率，提示角色模拟可用于市场调研、民意分析等场景，但对话自然度不足暴露了当前局限。
此前强化学习训练语言智能体时，对每个提示独立采样多条轨迹并减去组基线，忽略了沙箱可快照、可恢复的特性。BPO利用这一特性构建共享前缀的分支树，降低了方差，用更少的计算资源实现了更好性能，可能改变智能体训练的效率标准。
此前扩散多模态大模型因输出长度未知而固定填充至最大长度，造成大量冗余计算。Seer发现第一个去噪步即能揭示语义边界，实现一次截断，大幅减少无效计算，且无需微调即可即插即用，显著降低推理成本。
此前KV缓存淘汰方法默认高质量token更重要，未考虑结构性角色偏见，结构化数据场景下性能严重受损。本研究首次诊断该偏见并提供无需重训练的修正方法，使长上下文推理能有效处理JSON、代码等结构化输入，避免信息丢失。
此前化学大语言模型主要依赖粗粒度的命名反应进行产物预测，常出现物理不一致和幻觉。该研究通过构建推理数据集和基准，证明机理感知训练能显著增强LLM的化学推理能力，超越了专用小模型。
该研究首次系统量化了LLM在深层因果推理上的检测-归因分离，揭示模型可能仅停留在表面模式识别，无法真正理解变化根源。这挑战了将LLM直接用于根因分析等复杂推理任务的可靠性预期。
该论文为LLM代理的数据生成提供了统一的分析框架，将分散的领域工作归类为共同的生成机制，并区分了候选构建与验证选择。这有助于避免领域中心化组织和异质评估带来的混淆，推动代理数据生成研究的系统化发展，可能影响机器学习研究社区的标准和实践。
此前压缩 CoT 的方法要么通过硬剪枝丢失中间信息，要么缺少连续压缩的原则性判据。该工作把推理步骤的方向角作为可解释指标，既决定哪些步骤保留为文本、哪些转为潜在 token，又通过角度变化刻画探索、收敛与精炼阶段，使推理效率与推理过程结构直接挂钩。
此前缺乏同时满足高利害沟通、专家推理和工作流执行的医疗专用 LLM，Cura 1T 通过自进化循环实现多种能力的协同优化，且不损害领域外表现，缩小了通用模型与医疗场景之间的差距。
此前基于 LLM 的定理证明器只是作为自主智能体证明给定命题，而 MathCoPilot 首次将人类数学家纳入循环，让人类负责高层次方向，AI 负责具体形式化和证明工作，并通过活证明蓝图实现持续的人类指导与修正，这标志着数学研究从纯自动化向人机协作的范式转变。
现有基准多使用矩形切割，在纹理重复区域存在歧义，而 JigShape 通过插片设计提供强几何约束，使得评估更准确。研究发现主流模型在几何推理上普遍薄弱，且规模增大时性能崩溃，这一发现挑战了当前 VLM 的能力边界，为未来模型设计指明改进方向。
此前机器人基础模型最多处理短历史上下文，无法利用长时间视觉运动信息。RoboTTT将上下文长度扩大三个数量级，实现从人类视频演示一次模仿学习等新能力，并证明上下文长度可作为机器人模型的新缩放维度。