此前缺少在固定算力预算下判断主干规模和输入分辨率如何组合的依据，尤其在高分辨率部署中。该研究用 26 个模型和四个基准拟合出可预测的规律，并指出并非所有误差都随规模下降，把扩展决策从经验判断转向可计算规则。
此前关于 AI 编程的讨论多聚焦生成能力与效率，监督问题常被简化为“是否有人批准”。该论文把监督拆成两类语言功能，指出现有流程容易被形式化批准绕过，并把可审计性从结果层推进到推理层，为评估智能体委派提供了新的分析框架。
此前的加速方法在部署前就固定 token、层数或采样步数策略，离线剖析和静态调度后剩余的运行时波动基本未被利用。该工作把已实现延迟当作算力余量的直接信号，在每次控制步执行前动态选择算力预算，且不改变驾驶主干网络和算力执行器。
此前不安全内容检测多依赖白盒或语义分类，该研究引入黑盒动态系统方法，利用提示和响应的交互嵌入，有望提升对依赖上下文的违规检测准确性，为模型安全监控提供新思路。
以往后训练细节多被厂商保留，外部难以复现。该工作把八阶段流程、奖励设计和基础设施一并公开，并给出相较官方后训练版本的改进结果，使后训练从内部经验变为可被外部检查和复用的工程流程。
此前缓存复用依赖前缀不变，而代理在请求中重复编码工具模式，标准前缀缓存失效。ReCache 提出资源级注意力，使缓存组成不变，大幅降低推理开销，为工具调用场景提供实用优化。
此前的融合方法要么合成缺失输入而引入人工替代值，要么把可用信号汇入难以解释的潜空间。CoPoE 让缺失模态不进入融合路径，从而无需在 RPNS 路径做合成填补，仍能为任意非空模态子集保留可分解的后验，并提升概率校准指标。
此前用终端成功/失败奖励训练 LLM 智能体时，失败回合中所有步骤的未来回报都为零，无法区分推进性步骤与无效步骤；DARS 让逐步信用与前置依赖挂钩，且不改变原有 rollout 策略和优化器，可插拔到既有训练流程。
现有 MoE 专家并行通信库默认 GPU 间可直连，消费级 GPU 只能经 CPU 内存中转，多被忽视；主流框架退而使用 NCCL，导致冗余 PCIe 传输并与专家计算争抢 GPU 资源。ThunderEP 首次把优化重点放在这一被忽略的硬件场景，且给出可复现的加速数字。
此前作文评分与反馈生成主要依赖提示工程或监督微调，缺乏对强化学习后训练和反馈质量自动评估的系统研究。该方法首次将强化学习应用于联合优化，并引入可解释的评分细则框架衡量反馈质量，为自动评估提供了新范式。
此前评估 LLM 软件工程能力常只报告单次输出、平均分、best-of-N 或 pass@k，容易掩盖输出波动与估计不确定性，得出关于可靠性的误导性结论。该工作把评估从单点打分转向对随机过程的可复现统计报告，为横向比较不同模型提供更明确的标准。
此前基于模型的高质量数据筛选主要服务高资源语言，低资源语言受限于标注数据稀缺而难以复制。该工作把筛选能力扩展到 100 多种语言，并声称不牺牲下游性能与区域文化知识，为多语言预训练数据筛选提供了一条可复用英文已有资产、减少新增标注依赖的路径。
此前 agent 技能多依赖人工整理技能库，或用反馈间接、延迟的强化学习获取。SkillFM 改为直接生成任务条件下的技能，并声称在 ALFWorld 和 Search-QA 上优于向量式技能方法，说明隐空间生成可能成为检索式技能增强的替代路径。
此前自回归定位模型按从左到右顺序输出空间预测，带来串行延迟并强加因果顺序。该工作把定位视为视觉证据提取，用双向扩散并行生成和迭代精修空间假设，在同等规模下同时改善精度与速度，改变了定位模型精度与延迟的取舍方式。
此前的视频越狱多把视频视为有害查询的视觉载体，只改变呈现方式，忽略了周边场景本身也是攻击面。该工作把场景上下文变成可搜索、可优化的变量，并在含专有模型的八种 Video-MLLM 上给出高成功率，说明安全对齐在场景语义层面存在系统性缺口。