此前优化多智能体LLM系统多依赖试错或黑盒调参，缺乏系统诊断方法。本文首次将定量人种志与认知网络分析引入该领域，通过分析智能体间的对话模式定位性能瓶颈，并提供可操作的提示词重设计路径，为提升复杂推理系统的可解释性和效率提供了新范式。
此前的生成式 UI 研究多聚焦静态或单轮界面生成，且缺乏可验证的交互奖励。该工作把主动交互、代码生成与强化学习结合，并用公开基准量化效果，还显示小模型经训练后可超过更大前沿模型，为 UI 生成的可训练性提供了新证据。
此前少步蒸馏多只针对图像生成或文本生成单一方向，统一多模态扩散大语言模型同时承担生成与理解时缺乏压缩方案。该工作首次在离散 token 空间同时对齐两类任务的蒸馏，使单一学生模型能保留两种能力并大幅降低解码步数。
此前视觉令牌剪枝方法多在视觉编码器之后操作，未能优化视觉编码阶段的延迟，且在严格的令牌预算下难以同时保留整体上下文和细节。PACE在编码前就进行压缩，并利用双重信号提取，显著降低了推理延迟，同时保持了高性能，为VLM的高效部署提供了新路径。
该研究证实，通过分片分解，小型模型可在成本和成功率上达到生产可用，降低对昂贵前沿模型的依赖，为企业自动化提供了更经济的选择，可能改变LLM选型决策。
以往自动修复通常只用构造补丁时的那份证据验证，能挡住单个告警或利用不等于真正修复。该工作把验证从单点静态检查变成持续对抗，暴露出修复后被绕过的比例，并提升了留出集上的修复覆盖率。
此前LLM服务调度通常只区分高低两个优先级，难以适应生产中多样的SLA等级。本研究通过支持任意数量的优先级层级，实现更精细的SLO区分，显著提升延迟表现并降低成本，为多租户LLM平台的调度设计提供了新的基准和实证依据。
此前青光眼AI筛查模型在外部数据集和高度近视共病人群中性能常下降。该研究通过多中心、跨族裔验证，并专门报告高度近视亚组结果，说明模型在近视与高度近视人群中的稳定性有所提升，同时引入不确定性估计以辅助临床判断。
此前预测类工作要么在训练前冻结研究上下文，要么只在测试阶段使用 agentic 检索，收集证据的能力从未被奖励信号塑造。该工作把搜索行为直接纳入强化学习目标，使证据采集成为可训练技能，并公开环境、数据集与逐次 rollout 记录。
此前 KYC 开户依赖分析师逐份分类文档、跨异构来源抽取数据并人工比对监管政策,端到端常需数周。该工作把流程重构本身当作自动化的前提,而非只替换单点环节,并给出真实文档上的量化结果,表明合规场景的 LLM 落地开始从概念验证走向可度量。
VLA 模型推理延迟直接影响机器人响应速度与动作平滑度，此前推理框架未充分利用具身任务的重复性，也未区分 VLA 不同阶段的瓶颈。rMuscle 把跨次执行的相似性作为可复用资源，是在不牺牲成功率前提下压缩推理成本的新思路，而非单纯堆算力。
矩阵优化器此前以 Muon 为主要设计代表，本文将其拆解为边缘尺度与交互几何两类信息并分层处理，提出了不同于单一整体更新的组织方式。论文报告在 GPT-2 Small、LLaMA 和 Qwen3 的预训练实验中，两种变体在相同训练预算下持续优于 AdamW、Muon 和 MANO，并开源了代码。
此前多数基于 LLM 的 KGQA 依赖遍历已有图边，一旦缺失事实导致推理路径断裂就失效；而让 LLM 自行补全知识又会引入幻觉证据。XoG 的改变在于把缺失路径的恢复交给图嵌入与结构统计，LLM 只做语义判断，从而在知识图谱不完整时仍保持可用，并降低对更强 LLM 的依赖。
此前提升推理能力通常需要重新训练或微调主干模型，成本高且易改变原有行为。INTACT 表明只训练一个外部小编码器即可在冻结主干上获得推理增益，并减少解码的中间 token 数量，这为不改动现有模型权重的推理增强提供了一条更轻量的路径。
此前推测执行研究多关注加速推理路径探索本身，而本文把问题转向服务系统层面：一旦引入推测执行，候选路径会爆炸式增长、验证任务变得高频细粒度，反而可能拖垮服务效率。这意味着测试时扩展的瓶颈从算法搜索转向系统调度与资源分配，SpecScale 说明服务系统设计已成为该方向能否落地的关键变量。