视觉token砍掉四分之三，机器人策略仍保住95.75%成功率：APS-VLA让推理降到68.75毫秒
视觉-语言-动作策略每步要处理数百个视觉token，推理延迟高。APS-VLA在冻结主干的前提下，用轻量评分器按当前观测、指令和本体感受挑选token，训练时同时要求保留的表示复现策略输出并预测后续视觉变化。在LIBERO上保留128个token时，平均成功率95.75%，比未剪枝的97.00%低1.25个百分点，推理延迟降到68.75毫秒。
SWAM把视频先验接到机器人动作上：随机场景成功率61.56%，超过OpenWAM 12.86个百分点
上海交通大学等机构构建约4.7万小时多源数据池，把预训练视频模型的语言—视频先验延伸到语言—视频—动作学习，形成世界动作模型SWAM。在RoboTwin 2.0的50个操作任务上，SWAM在随机化Hard设置下成功率为61.56%，比最强基线OpenWAM高12.86个百分点；在干净Easy设置下为88.10%，略低于OpenWAM的89.30%。真实双臂平台上，三个任务平均Hard成功率40.00%，OpenWAM为23.33%。
SecureGARD给工具调用加语义闸门：三个基准、两种骨干上观测攻击成功率均为0%
工具型大模型智能体把模型输出变成真实操作，间接提示注入因此成为执行安全问题。SecureGARD在规划与工具执行之间插入一层可执行本体，把异构工具调用归一到共享的语义动作，再结合当前任务状态判定为就绪、等待或禁止。在AgentDojo、ASB与AgentDyn的良性及间接注入设置下，两种骨干上的观测攻击成功率均为0%，受攻击时的任务效用优于所比较的基线。
智能体把执行经验写成可审查的技能：DrugHarness设计并合成出细胞IC50 14.19 nM的HPK1化合物
计算药物发现智能体通常每次任务都从零组织工具调用，难以把一次成功经验带到下一次。DrugHarness把80余项科学操作与生物医学资源放进同一工作区，从执行轨迹中归纳带适用条件的行动假设，再由独立审查智能体核对来源、必要时做定向试算后才纳入技能库。在MolBench上，未启用进化的配置把亲和力比较准确率做到91.9%，比已报道的MolClaw-CC高10.8个百分点；回顾性评估中，冻结的学习技能把Qwen的优化成功率从79.5%提高到87.2%。
相机一动，几何特征就变：把视角从世界状态里拆出去，预测能多推1.4秒
自动驾驶的3D世界模型常把几何基础模型的特征当作未来状态，但这类特征随相机视角变化，使模型要同时预测场景演化和相机运动。GeoState把多视角特征压缩成与视角无关的场景状态，只在解码时用相机射线查询，相机轨迹另行建模。在Waymo上，它在各预测时域优于对比世界模型，并零样本迁移到KITTI和nuScenes。
小模型推理蒸馏不再用固定题库：只给1000条轨迹，4B模型在IMO-AnswerBench从62.9升到75.3
长链推理蒸馏的训练题不再一次选定：BoundaryEvo让学生与固定专家反复对同一批题作答，只挑专家能可靠解出、学生尚未掌握的题，用1000条训练样本把Qwen3.5-4B在IMO-AnswerBench上的准确率从62.9提到75.3。
机器人策略只带权重换任务：让世界动作模型重放自己生成的过去，遗忘降九成
世界动作模型可以只凭任务指令重新生成已学任务的完整轨迹，经截断与物理一致性筛选后回放，在四个LIBERO套件和五项真实任务上把顺序微调的遗忘降低九成以上，且不保留任何旧任务数据。
WebLoop 用执行反馈训练无执行 Critic，9B 模型在 WebRise 达 41.5、WebGen-Bench 达 38.9%
WebLoop 把功能型网页生成中的生成、批评与修复三个角色放在同一策略下联合优化：Generator 与 Refiner 的输出由浏览器执行给出直接奖励，而 Critic 不接触执行结果，仅凭任务需求与源码做需求级判断，其训练信号来自需求级执行标签（判别力）与后续修复带来的执行提升（有用性），并采用先建立诊断、再引入后果感知信用的分阶段奖励。用 Qwen3.5-9B 时，WebLoop 在 WebRise 上 Overall 达 41.5、在 WebGen-Bench 上准确率达 38.9%，分别比基座模型提升 11.3 与 15.4 分。
PerFeCT-VAR 用跨客户端频率上限分离共享与个性化 VAR 动态，并在多店销售数据上取得最低预测误差
该工作提出个性化多样性原则与 PerFeCT-VAR 方法，将每个客户端的转移矩阵分解为共享低秩动态、共享稀疏连接和个性化稀疏偏离，用跨客户端频率上限导出尖锐的共享—个性化可识别阈值并设计频率上限阈值化（FCT）进行联邦估计；理论给出三部分联合线性收敛与统计速率，表明在个性化足够多样时共享动态仍可获得总样本量增益而个性化成分达到客户端级精度；模拟与多店零售收入数据实验显示其预测与解释优势。
研究团队发布 JEVal 双语决策基准并训练出 InnerJev-27B，在 11,257 道题上准确率 79.24% 超过 Jev 的 78.38%，单次前向约 0.1 秒
该工作提出 JEVal 双语决策基准（36 个数据集、10 个领域、11,257 个实例），评测 25 种配置后发现通用决策模型在证据充分时接近强思考型 LLM，但在专业知识、概率校准、精确计算与长上下文上较弱，且局部决策优势在长程智能体与社会模拟中会被系统级误差抵消；作者进一步用首 token 决策读出与推理到读出自我蒸馏，从开源 LLM 训练出 InnerJev-4B 与 InnerJev-27B，其中 InnerJev-27B 在 JEVal 上准确率 79.24%，略高于 Jev 的 78.38%，典型查询约 0.1 秒。