别放弃 Dropout：Cerebras 团队提出层稀疏优化方法，高效训练与推理 LLM

论文提出 AdvSim2Real，在冻结的网页世界模型中共进化任务课程、注入攻击方与 agent，以抵御自适应提示注入。训练使 4B agent 在有无攻击时完成率均提升，对未训练过的前沿模型攻击方也保持稳健，能力增益可迁移到真实浏览器；在 150 个网页任务上，面对该未见攻击方时完成率相对基线提升 33.6%。

论文提出 Personal-Agent Mediated Recommendation 范式：平台推荐系统用本地信息排序候选集，个人 LLM 智能体再借助用户授权的跨平台历史对排序进行中介，产出最终 top-K 列表。

UNREAL 框架从冻结 LLM 的内部表示直接导出检索查询并编码 chunk，仅新增不到 500K 可训练参数，统一覆盖语料检索与长上下文推理。

研究者提出面向端侧级联语音智能体的推测性工具执行方案，通过 Predictor 模块从部分 ASR 假设中预测工具调用，在用户说话时提前执行并缓存结果，再注入 LLM 提示词以加快响应。在完整实现的 Android 语音助手上，该方法将首音频响应中位时间从 5.79s 降至 4.60s，标准差从 3.49s 降至 2.81s。

CtrlCache 是一个免训练的控制感知缓存框架，通过动作感知调度与刷新策略，将视频块标记为初始、过渡、转向或稳态，仅在部分去噪步骤复用 Transformer 残差，并引入频率混合历史先验引导。

针对长时程具身任务中目标常不在视野内、状态连续变化的问题，研究者提出 Attacca，用与执行环境解耦的目标图像在完整"搜索到交互"轨迹上训练视觉目标条件策略。该方法在 Minecraft 多项短时程与长时程任务上取得 39.0-47.5% 的 clean success，较最强基线提升 1.7-2.4 倍；长时程任务完成率达 54%、30% 和 28%，最高提升 7 倍。

研究重新审视跨 Tokenizer 的 On-Policy Distillation（OPD），发现严格 1:1 对齐已覆盖大部分学生生成 token，将 reverse KL 限制在学生选出的共享词表 top-16 子集即可达到全共享词表 OPD 的精度，并优于所评估的跨 Tokenizer 基线。

HiPLEX 是一个将预训练全双工文本策略因子化为控制策略与条件内容策略的强化学习框架，前者决定何时输出内容（pad/epad/con），后者仅在 con 时选择 token。

DAEDALUS 提出一种无需既有任务或 oracle 验证器、从自生成练习中自举可复用智能体记忆的方法：explorer 智能体生成有挑战性且可解的任务，solver 智能体尝试并从失败中提炼启发式，经反复验证后写入记忆库供测试时使用。

NeMo-DCR 是一种比特精确的增量压缩重配（refit）方案，只传输变化的权重，接收端得到的参数与缓冲区比特与全量重配完全一致。在 3% 和 5% 变化率下，30B-1T 模型的重配速度比仅传输全量 checkpoint 的基线快 12-40 倍；1T 模型经中继树在 3% 变化率下重配仅需 150 秒，而全量传输需 87.5 分钟。