提出Iterative Preference Learning（IPL）优化移动代理思考流程，显著提升GUI任务表现。
Kun Huang, Weikai Xu, Yuxuan Liu 等
CoLM以链式表示实现渐进扩展与弹性推理，CoLM-Air在1M上下文预填充中最高加速3倍。
Kaitao Song, Xiaohua Wang, Xu Tan 等
提出MedCaseReasoning数据集，结合临床报告评估LLMs诊断推理，显著提升模型性能。
Kevin Wu, Eric Wu, Rahul Thapa 等
提出Critique-Guided Distillation（CGD），通过利用教师批评实现模型推理能力提升，平均提升7%。
Berkcan Kapusuzoglu, Supriyo Chakraborty, Zain Sarwar 等
Time-R1通过三阶段RL微调，赋予3B参数模型理解、预测和创造性时间推理能力，超越200倍参数模型。
Zijia Liu, Peixuan Han, Haofei Yu 等
HAPO通过历史状态优化训练LLMs，显著提升回答简洁性，响应长度降低33-59%，准确率仅降2-5%。
Chengyu Huang, Zhengxin Zhang, Claire Cardie
MetaSPO通过元学习优化系统提示，在14个数据集上提升性能。
Yumin Choi, Jinheon Baek, Sung Ju Hwang
Qwen3结合思考与非思考模式，参数规模达235B，提升多语言、多任务性能。
An Yang, Anfeng Li, Baosong Yang 等
提出InForage，基于信息觅食理论的强化学习框架，优化动态检索与推理，提升复杂任务表现。
Hongjin Qian, Zheng Liu
本研究提出ChemRAG-Bench和ChemRAG-Toolkit，利用多源知识提升化学任务中的检索增强生成性能，平均提升17.4%。
Xianrui Zhong, Bowen Jin, Siru Ouyang 等
MiMo-7B通过三阶段数据混合和多Token预测提升推理能力，预训练25万亿Token，后训练130K验证问题，显著优于更大模型。
LLM-Core Xiaomi, :, Bingquan Xia 等
DynamicRAG通过强化学习动态调整文档排序与数量，提升知识问答性能。
Jiashuo Sun, Xianrui Zhong, Sizhe Zhou 等
提出衡量干扰效应的指标，通过生成和检索硬干扰句改善RAG性能，提升答案准确率7.5%。
Chen Amiraz, Florin Cuconasu, Simone Filice 等
提出clem:todd框架，通过多模型、多任务评测LLM任务导向对话系统，涵盖多架构和数据集，提供系统性性能分析。
Chalamalasetti Kranti, Sherzod Hakimov, David Schlangen
评估九个大语言模型在孟加拉语健康问答摘要中的零-shot性能，Mixtral表现优异。
Ajwad Abrar, Farzana Tabassum, Sabbir Ahmed
ZeroSearch通过模拟搜索提升LLM的搜索能力，14B模型超越真实搜索引擎。
Hao Sun, Zile Qiao, Jiayan Guo 等
通过奖励信号指导LLM行为，采用RLHF、RLAIF等技术，实现动态反馈学习。
Xiaobao Wu
RM-R1将奖励建模作为推理任务，通过链式推理和Rubrics机制提升性能，超越更大模型。
Xiusi Chen, Gaotang Li, Ziqi Wang 等
本研究分析LLMs在长文机器翻译评估中的长度偏差，提出FSP和微调策略改善其一致性。
Tobias Domhan, Dawei Zhu
提出DeepCritic两阶段框架，利用Qwen2.5-72B-Instruct增强数学推理批判能力，显著优于现有模型。
Wenkai Yang, Jingwen Chen, Yankai Lin 等