Weekly Papers

Scaling Latent Reasoning via Looped Language Models 通过循环语言模型扩展潜在推理 现代大语言模型主要通过显式文本生成（如思维链 (CoT)）来训练其

A Theoretical Study on Bridging Internal Probability and Self-Consistency for LLM Reasoning 关于桥接大语言模

QeRL：超越效率——面向大语言模型的量化增强强化学习 QeRL：超越效率——面向大语言模型的量化增强强化学习 我们提出 QeRL，一种面向大语言模型 (LLMs) 的量化增强强化学习框架。尽管强化学

Less is More: Recursive Reasoning with Tiny Networks 少即是多：微型网络的递归推理 分层推理模型 (HRM) 是一种创新方法，它采用两个小型神经网络

The Dragon Hatchling: The Missing Link between the Transformer and Models of the Brain 龙之雏形：Transfor

OmniWorld: A Multi-Domain and Multi-Modal Dataset for 4D World Modeling OmniWorld: A Multi-Domain an

Sharing is Caring: Efficient LM Post-Training with Collective RL Experience Sharing 分享即关怀：通过集体强化学习经验

A.S.E: A Repository-Level Benchmark for Evaluating Security in AI-Generated Code A.S.E: 面向 AI 生成代码安全

InternVL3.5: Advancing Open-Source Multimodal Models in Versatility, Reasoning, and Efficiency Inter

Intern-S1: A Scientific Multimodal Foundation Model Intern-S1：科学多模态基础模型 近年来，大量开源基础模型不断涌现，在诸多热门领域取得显著

GLM-4.5: Agentic, Reasoning, and Coding (ARC) Foundation Models GLM-4.5: 智能体、推理与编码（ARC）基础模型 我们推出 GLM

Is Chain-of-Thought Reasoning of LLMs a Mirage? A Data Distribution Lens 大语言模型的思维链推理是海市蜃楼吗？基于数据分布的视角

Agentic Reinforced Policy Optimization 智能体强化策略优化 具备可验证奖励机制的大规模强化学习(RLVR)已证实其在挖掘大语言模型(LLM)单次推理任务潜力方面的

GUI-G^2: Gaussian Reward Modeling for GUI Grounding GUI-G^2：基于高斯奖励建模的图形用户界面定位 图形用户界面 (Graphical User

A Survey of Context Engineering for Large Language Models 大语言模型上下文工程研究综述 大语言模型 (LLM) 的推理性能本质上取决于其所接收

Scaling RL to Long Videos 将强化学习扩展至长视频处理 我们提出一个端到端框架，通过强化学习将视觉语言模型(VLMs)的推理能力扩展至长视频领域。针对长视频推理的独特挑战，我们

GLM-4.1V-Thinking: Towards Versatile Multimodal Reasoning with Scalable Reinforcement Learning GLM-4

Drag-and-Drop LLMs: Zero-Shot Prompt-to-Weights 拖放式大语言模型：零样本提示到权重 现代参数高效微调 (Parameter-Efficient Fine

MiniMax-M1: Scaling Test-Time Compute Efficiently with Lightning Attention MiniMax-M1：基于闪电注意力的高效推理计算

Reinforcement Pre-Training 强化预训练 本研究提出强化预训练 (RPT) 作为大语言模型和强化学习 (RL) 的新型扩展方法。具体而言，我们将下一 token 预测重构为基于