Recursive Language Models
打破上下文诅咒：递归语言模型（RLM）让GPT-5处理无限长文本。本文系统梳理其研究背景、核心方法、关键实验结果、现有局限以及后续工程实践启示。
基础模型 第6页
Rethinking Supervised Fine-Tuning: Emphasizing Key Answer Tokens for Improved LLM Accuracy
SFTKey：别让CoT喧宾夺主！两阶段微调让大模型准确率提升超5%。本文系统梳理其研究背景、核心方法、关键实验结果、现有局限以及后续工程实践启示。
Sigmoid Head for Quality Estimation under Language Ambiguity
告别Softmax“分票”困境：Sigmoid Head无需人工标注，精准量化大模型置信度。本文系统梳理其研究背景、核心方法、关键实验结果、现有局限以及后续工程实践启示。
Step-DeepResearch Technical Report
32B模型媲美OpenAI？Step-DeepResearch揭秘：低成本实现专家级深度研究。本文系统梳理其研究背景、核心方法、关键实验结果、现有局限以及后续工程实践启示。
Step-GUI Technical Report
成本暴降100倍！Step-GUI刷新SOTA，打造手机端最强“操作员”。本文系统梳理其研究背景、核心方法、关键实验结果、现有局限以及后续工程实践启示。
T5Gemma 2: Seeing, Reading, and Understanding Longer
Google DeepMind重磅发布T5Gemma 2：让Encoder-Decoder架构在长文本与多模态中强势回归。
The Two-Stage Decision-Sampling Hypothesis: Understanding the Emergence of Self-Reflection in RL-Trained LLMs
RL为何能让大模型“学会自省”？双阶段决策采样假说揭秘SFT的死穴。本文系统梳理其研究背景、核心方法、关键实验结果、现有局限以及后续工程实践启示。
Towards Execution-Grounded Automated AI Research
斯坦福自动化AI科研：10轮进化准确率飙升21%，RL反而“变笨”？。本文系统梳理其研究背景、核心方法、关键实验结果、现有局限以及后续工程实践启示。
Transformers learn factored representations
Transformer的世界观：自动将指数级复杂世界拆解为线性正交因子。本文系统梳理其研究背景、核心方法、关键实验结果、现有局限以及后续工程实践启示。
Web World Models
Web World Model：用普通代码构建“物理法则”，让LLM只负责“想象”。本文系统梳理其研究背景、核心方法、关键实验结果、现有局限以及后续工程实践启示。
What Affects the Effective Depth of Large Language Models?
MIT新发现：大模型半数层在“划水”，R1推理变强竟不靠深度？。本文系统梳理其研究背景、核心方法、关键实验结果、现有局限以及后续工程实践启示。
Stronger Normalization-Free Transformers
告别LayerNorm？CMU提出Derf：仅用简单函数，多模态性能全面超越。本文系统梳理其研究背景、核心方法、关键实验结果、现有局限以及后续工程实践启示。
The 2025 Foundation Model Transparency Index
2025 AI透明度大倒退：均分跌至40，IBM夺冠，xAI与Midjourney垫底。本文系统梳理其研究背景、核心方法、关键实验结果、现有局限以及后续工程实践启示。
Language models as tools for investigating the distinction between possible and impossible natural languages
斯坦福新观点：让AI挑战“不可能的语言”，4步揭秘人类认知偏好。本文系统梳理其研究背景、核心方法、关键实验结果、现有局限以及后续工程实践启示。
Do Depth-Grown Models Overcome the Curse of Depth? An In-Depth Analysis
告别“深度诅咒”：谷歌新方法LIDAS让LLM动态生长，训练提速29%！。本文系统梳理其研究背景、核心方法、关键实验结果、现有局限以及后续工程实践启示。
Short-Context Dominance: How Much Local Context Natural Language Actually Needs?
80%的预测只需96个Token！DeepMind揭示大模型“短视”的秘密。本文系统梳理其研究背景、核心方法、关键实验结果、现有局限以及后续工程实践启示。
The Missing Layer of AGI: From Pattern Alchemy to Coordination Physics
反驳“LLM死路论”！斯坦福提出AGI“缺失层”，用一个公式定义通往AGI之路。本文系统梳理其研究背景、核心方法、关键实验结果、现有局限以及后续工程实践启示。
Natural Language Actor-Critic: Scalable Off-Policy Learning in Language Space
Agent训练告别数值奖励：字节跳動NLAC让AI用“人话”指导，性能最高提升24%。本文系统梳理其研究背景、核心方法、关键实验结果、现有局限以及后续工程实践启示。
Reconstructing KV Caches with Cross-layer Fusion For Enhanced Transformers
KV缓存减半，性能反超！阿里FusedKV揭示K/V不对称共享新范式。本文系统梳理其研究背景、核心方法、关键实验结果、现有局限以及后续工程实践启示。
A Concise Review of Hallucinations in LLMs and their Mitigation
终结AI幻觉：全面剖析大模型“胡说八道”的根源与应对策略。本文系统梳理其研究背景、核心方法、关键实验结果、现有局限以及后续工程实践启示。
DeepSeek-V3.2: Pushing the Frontier of Open Large Language Models
斩获IMO/IOI金牌！DeepSeek-V3.2发布，推理比肩Gemini 3.0 Pro。本文系统梳理其研究背景、核心方法、关键实验结果、现有局限以及后续工程实践启示。
Fourier Neural Operators Explained: A Practical Perspective
NVIDIA万字长文：别再误用FNO了！傅里叶神经算子终极实践指南。本文系统梳理其研究背景、核心方法、关键实验结果、现有局限以及后续工程实践启示。
Scaling and context steer LLMs along the same computational path as the human brain
LLM与人脑“神同步”：Meta AI证实模型越大，计算路径越像人。本文系统梳理其研究背景、核心方法、关键实验结果、现有局限以及后续工程实践启示。
Every Token Counts: Generalizing 16M Ultra-Long Context in Large Language Models
1600万Token上下文！蚂蚁HSA模型实现90%准确率，揭秘超长记忆关键。本文系统梳理其研究背景、核心方法、关键实验结果、现有局限以及后续工程实践启示。