微软最新证据：Transformer并非层数闲置，而是按难度自适应！
近年来，大语言模型的能力随着参数规模和网络深度的增加而显著跃升。直觉上，层数越深，模型能够处理的逻辑越复杂。然而，近期学术界却出现了一种截然相反的声音：有研究通过对残差流的分析指出，Transformer模型后半部分的层对最终输出的贡献微乎其微，甚至砍掉后面的层也不会对结果产生致命影响。
推理 第5页
自动搜索奖励函数！单卡40小时跑通GRPO闭环，模型F1提升0.19
最近，强化学习（RL）在提升大型语言模型（LLM）复杂推理能力上的表现令人瞩目。特别是DeepSeekMath引入的组相对策略优化（GRPO）算法以及后续引发热潮的各类推理模型，证明了后训练（Post-training）阶段不仅能让模型学会说话，还能让模型学会思考。
剑桥大学 Flexi-LoRA：输入自适应动态Rank，用30%参数反超静态微调
大型语言模型的落地部署正经历一场从追求极度规模到追求极致效率的范式转移。在这个过程中，低秩自适应（Low-RankAdaptation，即LoRA）凭借其极小的训练开销，几乎成为了参数高效微调（Parameter-EfficientFine-Tuning）的行业基石。
Anthropic揭秘Qwen-3：隐式规划的双向因果机制随规模涌现！
第二部分大型语言模型在执行复杂任务时，经常表现出令人惊叹的连贯性。无论是写出一篇逻辑严密的小说，还是生成一段完全可运行的代码，它们似乎在落笔之前就已经在心中打好了草稿。
RG-OPD：拒绝盲从教师模型！MIT提出奖励门控蒸馏，推理提升8.2分
在大型语言模型的后训练（Post-training）阶段，如何将强大的闭源或超大参数模型（Teacher）的推理能力，高效地迁移到参数量较小的模型（Student）身上，一直是工业界和学术界死磕的核心命题。
Harvard与MIT提出BES：双向进化机制攻克3大推理基准
在当今的大型语言模型和智能体系统研究中，如何让模型在复杂推理任务上表现得更好，已成为核心议题。无论是通过后训练（Post-training）让模型自我改进，还是在推理阶段（Inference）通过增加计算量来拉升性能上限，依赖的核心机制往往都是“搜索”。
中科院提出CLSR：让大模型自创符号语言，推理Token缩减3-6倍
大型语言模型（LLMs）在处理复杂推理任务时，往往依赖于思维链（Chain-of-Thought,CoT）技术。通过让模型一步一步地用自然语言写出推理过程，其准确率确实得到了显著提升。然而，这里隐藏着一个根本性的效率错位：人类用来沟通和理解的自然语言，对于机器的内部逻辑推理而言，真的是最经济、...
半数算力提升4.8分！GRADE：四大门控重构自适应多智能体推理
大模型推理能力的发展，正逐渐从依赖单体模型参数的线性增长，转向多智能体（Multi-agent）协作机制。然而，简单地堆叠多个智能体往往会带来推理延迟与显存占用的成倍增加，更关键的是，过去的研究并未彻底解决三个核心问题：遇到具体查询时究竟该唤醒哪些智能体？查询信息需要在智能体层级中下探到多深？
不是全局静态分解，而是动态递归委托！快手与人大提出 WebSwarm 复杂搜索新框架
基于大语言模型（LLM）的智能体正在彻底改变网络信息检索的形态。我们早已不再满足于用它来回答简单的单一事实问题（例如“某电影的主演是谁”），而是开始向它下达更为复杂的“研究型”指令——比如“对比过去三年里所有开源多模态模型的核心架构差异与参数规模”。
打破上下文瓶颈：7B模型狂砍8倍Token，记忆管理匹敌GPT-4o
当前，各大AI厂商都在疯狂内卷大语言模型的上下文窗口长度，百万级Token的输入似乎已经成为前沿模型的标配。然而，仅仅给模型塞入海量的上下文，它就真的能完美处理长周期的复杂任务吗？
打破大模型推理天花板：DSRL双空间强化学习，反思能力暴涨14倍
以DeepSeek-R1为代表的卓越模型，将基于可验证奖励的强化学习（RLVR）推向了整个行业的聚光灯下。然而，这种后训练范式隐藏着一个不容忽视的致命瓶颈。它通过优化条件分布来提升推理能力，这意味着其潜力被基座模型现有的输出分布严格锁死。
告别被动检索！NapMem多粒度记忆金字塔让大模型学会主动导航
当你和一个AI助手交流了数月甚至数年，你期望它能建立起对你的深度理解。然而，当前大多数基于大型语言模型（LargeLanguageModel,LLM）的长期记忆系统，依然依赖于被动的检索接口——即系统在后台悄悄检索几段文本，然后塞进模型的上下文中。
告别手搓Agent！HarnessX实现大模型与运行时外挂协同进化，性能最高飙升44%
目前开发AIAgent，最痛苦的环节莫过于“手搓”外挂代码。换个新模型，提示词模板可能得全部重写。加个新工具，原本顺畅的控制流直接崩溃。大量在运行中产生的报错记录和轨迹，最后只能被当成垃圾数据扔掉。究竟有没有一种方法，能让Agent的运行框架自己学习、自己修改代码？
Kimi-VL技术解密：28亿激活参数跑通128K长窗口与多模态慢思考
大模型领域的竞争正从单纯的文本向多模态深度推理演进。近期，以推理见长的开源模型层出不穷，但多模态大模型（）在参数规模与推理能力之间往往难以两全。现有的开源视觉语言模型大多依赖密集的庞大架构，且缺乏类似深度思考（）的能力。为打破这一僵局，月之暗面发布了最新的多模态技术报告。该研究推出了Kimi-...
MEMENTO：大模型学会自主管理上下文，KV缓存直降2.5倍！
当大语言模型在解决复杂数学或编程问题时，往往会生成数以千计的推理Token。这种长长的思维链虽然带来了惊艳的准确率，但也引发了严重的计算灾难。在传统的自回归生成中，每一个历史Token都会被保存在KV缓存中，消耗极其庞大的显存。更致命的是，模型面对如此巨大的上下文，没有任何机制能够筛选或遗忘无...
提速4倍且零工具调用！ReOPD破解多轮智能体蒸馏的“前缀陷阱”
当前沿的大语言模型（LargeLanguageModel,LLM）逐渐进化为能够在复杂环境中执行多轮交互的智能体时，如何高效地将强大“教师”模型的能力蒸馏给小巧的“学生”模型，成为了一个棘手的工程难题。
揭秘大模型SFT数据陷阱：破解步长混杂，ASLEC提点超9%
随着DeepSeek-R1等大模型的爆火，超长思维链（Chain-of-Thought）已成为攻克复杂推理任务的核心武器。为了激发基础模型的这种能力，业界普遍采用一种标准范式：在高质量、大规模的推理数据集上进行监督微调（SFT）。然而，如何从海量的AI生成内容中，精准筛选出真正高质量的SFT数据？
PaLM 2技术深度拆解：摒弃参数暴政，1:1缩放与混合目标重构大模型基座
大语言模型的发展似乎正陷入一种算力焦虑：要想模型更聪明，就必须无限度地扩大参数规模。然而，巨型模型带来的高昂训练成本与极慢的推理延迟，正成为阻碍技术落地的巨大鸿沟。本文探讨的这篇重磅技术报告，彻底打破了这一“唯参数论”的路径依赖。
PEEK：为大模型Agent装上“上下文地图”，长文本成本直降5.8倍
当前，大语言模型（LargeLanguageModel,LLM）Agent正频繁游走于海量且固定的外部数据中。无论是数万条用户反馈语料库，还是庞大复杂的企业级代码仓库。面对同一数据源的反复查询，现有系统的表现却像在不断经历“系统重启”。它们要么在冗长的对话记录中迷失，要么仅仅依靠被动的切片检索...
ReSum揭秘：大模型学会自我总结，推理提升4%且输出缩减18%
最近，强化学习在大语言模型复杂任务中大放异彩。但随之而来的是一个恼人的副作用：模型极易陷入过度思考。它们生成的推理链条越来越长。这不仅消耗了大量上下文算力，还会导致模型“遗忘”之前的关键步骤。甚至让模型陷入重复验证同一子问题的死循环。针对这一痛点，来自阿里巴巴与中科大的研究团队提出了全新框架。
告别“一次性”Agent！SkillOS重塑技能管理，性能跃升近10%
当前的大模型智能体（Agent）普遍存在一个极大的局限性：它们往往是“一次性”的解题机器。在处理完一个复杂的流式任务后，它们通常无法从历史交互中吸取教训并积累经验。面对源源不断的新任务，如果Agent每次都要从零开始摸索，注定无法胜任复杂的现实世界需求。
大模型也会“聊崩”？多智能体谈判实验揭秘4大协作陷阱
当多个顶级大语言模型组成团队时，它们真的能像人类精英一样高效协同吗？现实情况往往令人啼笑皆非：它们不仅经常无法达成共赢，甚至会因为资源分配问题“大打出手”，或者干脆达成一种极其糟糕的妥协。为什么大模型能够轻松通过极其困难的单体推理测试，却在简单的多轮团队沟通中频频翻车？
A Survey of Reasoning in Autonomous Driving Systems: Open Challenges and Emerging Paradigms
自动驾驶的“认知”革命：大模型如何攻克7大核心推理挑战？。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。
CogFlow: Bridging Perception and Reasoning through Knowledge Internalization for Visual Mathematical Problem Solving
拒绝“看对算错”！CogFlow首创知识内化机制，7B模型视觉数学推理SOTA。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。