大模型

OPTIC 压缩 Gemma 4 E4B PLE 100×，保留 97.8%

针对嵌入参数占比高的趋势，显著降低推理 GPU 内存，且速度损失极小。

CSD 跨分词器蒸馏最高提升 4.2 分

提供统一跨 tokenizer 蒸馏目标，减少启发式对齐，可让弱学生从异构强教师学习。

Agentic RL 数据缩放定律：任务、环境、轨迹三轴分解与合成策略

把 agentic 数据从单一 token 数扩展为结构化设计空间，直接指导合成预算该投向哪个轴

理论分析 off-policy 策略梯度：KL 正则+组均值基线即可保证一致性

为 GRPO/RLHF 为何能 off-policy 训练提供理论依据，直接指导 KL 系数与基线项的设计选择。

投影蒸馏最小编辑失败尝试，8 of 9 对比领先 GRPO/OPD

针对困难问题上 on-policy 学习无信号的问题，提出近 on-policy 蒸馏方法并有理论保证，可改善后训练能力保留与专业化权衡。

BeNice 实现循环模型 KV 共享，缓存命中率最高提升 31.4%，TTFT p90 下降 83.6%

为循环架构长上下文推理提供新优化路径，可与 multi-latent attention、fp8/nvfp4 量化等组合，降低内存并提升吞吐。

Solvent 8B LLM 将长程推理用于多步逆合成，得分 61.86% 媲美万亿参数模型

展示了 LLM 长程推理与 RL 后训练在分子逆合成任务上的能力，对 AI4Science 工程有参考价值。