视觉-语言-动作模型通常一次预测一整段未来动作，相邻动作块之间缺少显式的时间一致性约束，容易在衔接处出现动作突变。ODEAction 把动作生成改写为从当前动作出发的连续演化：学习一个动作转移场，用常微分方程积分逐步生成后续动作，不再联合预测固定长度的动作块。在 LIBERO 上平均成功率由 96.85% 升到 98.25%，在 EBench 上由 15.28% 升到 24.72%，即 61.8% 的相对提升；在 RoboTwin 五个任务上与 RTC、Legato 对比，平均成功率 84.4%，高于基线的 82.4%。
RGB-X跟踪把可见光帧与热红外、深度或事件数据配对，但配对标注远少于RGB预训练数据，因此通常只微调少量参数。以往的双向跨模态修正把两个方向并排计算，都读取未修正的输入状态，后一次修正无法利用前一次的结果。CCLT在冻结骨干的第6和第10个Transformer块插入低秩交换模块，让一个方向先修正、另一方向再读取刚被修正的状态，并以参数量匹配的并行版本作对照：在LasHeR上平均SR提高1.980点，95%区间为[0.360,2.690]，可训练参数为196.6K，占92.7M参数跟踪器的0.212%。
FDE-Bench把49个真实客户项目做成端到端交付测试，智能体必须向模拟客户问出没写明的需求并反复改方案，18种配置里最高平均交付分只有0.5510，而前线交付工程师的参考值是1.0。
大模型推理时不必再靠预设的固定干预：Q-NeuS按每个问题自身的内部激活决定放大哪些前馈神经元，在3B到32B的七个模型和三个基准上全部涨分。
多智能体协作的记忆改成以任务依赖图为中心：执行时用共享黑板记录证据并纠正目标、计划与状态偏差，执行后把验证过的步骤和依赖蒸馏成可复用流程，在 ALFWorld、WebArena、OfficeBench 的六个基准设置里都拿到最高任务分。
监督微调的数据研究正被交给语言模型智能体，但单个智能体拿到完整训练栈后只会反复调整各类数据的配比。AutoSFT把执行、分析、合成拆成不同角色的子智能体，让同一轮数据从训练数据、失败样例、训练信号和历史四个角度被审读，并在数据池覆盖不足时按可验证约束生成新样本。每轮都从同一基座重训，因此各组件效果可单独归因：分析子智能体在第6轮把IFEval推到63.33，已高于单智能体50轮内的最好成绩62.35。
星载智能推理的模型保护不再只有“能用或不能用”两种状态。STAR-OV 在参数空间做两阶段可逆扰动，把模型从原始精度降到中等精度、再降到接近随机猜测，扰动记录组成分级密钥，按授权等级恢复不同性能；恢复后嵌入的潜伏水印在未激活时不改变推理行为，激活后在触发集上给出可验证响应。四个公开数据集上，全加密状态精度降到约 10% 至 13.97%，而修改的参数只占总量 10⁻³% 到 10⁻²%。
多模态大模型常把藏在图像粗结构里的文字读成“图中无文字”，而人眯眼就能认出；一种只用原图推理的训练方法把这类文字的读取分数从26.50提高到88.61。
RAG-Stress 提出一种受控诊断协议：固定问题与参考答案，只修改证据中一处断言使其支持指定错误答案，并将两种来源优先策略与答案片段在证据文本中的三种位置交叉，在十五个系统、三个问答数据集及中英文医学问答上测量“误导率”（仅统计无检索时原本答对的题目）。结果显示，要求优先信任文档的指令在各系统与数据集上一致地产生更高误导率，跨三个数据集平均差距为 10.9–13.5 个百分点，且按模型平均的误导率在两种指令下均呈“末尾>开头>中间”的顺序。
该工作提出免训练的 OmniConfess：固定候选回答，在受控的逐通道证据干预下以 token 粒度重新打分，得到结构化的“token×通道”归因，据此保留有依据的内容并纠正由无关或矛盾证据驱动的表述，同时构建了由六个数据集组成、含 3,540 个样本、覆盖文本、图像、音频、视频以及判断与自由生成任务的 OmniHalluBench，实验显示其在异构模态与任务设定下缓解幻觉。