提出研究世界模型，用语言模型预测干预增益
作者把语言模型用作研究世界模型，在执行前预测干预增益的中位数，用来在有限预算下比较候选实验。要处理的缺口是研究智能体提案快于执行。同一类改动在不同参考模型、配方和预算下效果可以不同，因此需要能离开原环境继续使用的实验知识。
扩展全模态基座的强化学习以支撑智能体自我改进
MiMo-V2.6 是全模态 MoE 技术报告，用扩大 RL 计算、环境和评分来追求智能体自我改进。
比对捐赠对话史与众包提交，测量 AI 代答的集中度与获批
给出线性 robust bandits 特例的多项式时间学习者并证明小推广 NP-hard
这是一篇关于不可实现 bandit 学习之计算边界的理论工作：线性 robust bandits 的一个欧氏球仿射特例有多项式时间、Õ(√T)遗憾的学习者，再做小推广就会落到复杂性坍塌。
部署时插入前向的参数记忆被单独划界，并按位点与时机归类。
摘要作者称多数风险-对策关联停在提议，并主张把目标扩向安全的青年发展。
主张多模态安全评测应衡量可控性，并用 SAE 建立四轴画像
作者主张多模态安全评测在行为分类之外，单独报告可控性画像，而不是把检测准确当成控制证据。
把文本水印证据写成带错误率的三态可审计结论
指定配置下的文本水印被做成可审计测量：记录证据如何衰减，并把检测收成三态，而不是判定人类作者身份。
用伤害风险模型评估英国 AI 生成虚假信息的伤害潜能
提出选择性长时程精炼，筛选轨迹以提升终端智能体训练可靠性
这项工作研究终端智能体模仿学习里，教师轨迹应保留多少 token。
提出任务感知的跨域蒸馏与剪枝方法以压缩音频深度伪造检测器
提出 Geodesic Unlearning，沿测地线编辑权重以提升缺模态鲁棒性
这项工作讨论多模态模型在部署时整段缺一个模态的性能下降，并把校正写成训练后的子空间编辑。
提出 DecSteer，用共享低秩残差算子把审议收成直接决策
DecSteer 是加在冻结语言模型残差流上的 System-1 决策算子，用行为克隆代替强化学习来调用模型里已有的技能。
提出一阶转向，把可组合权重适配译成可相加激活转向
提出 Patch-to-Prune，旁路 VLM 部分层的视觉投影计算
P2P 是面向 VLM 推理的训练无关计算旁路：不删除视觉 token，而在选定 decoder 层用固定激活代理代替视觉投影。
提出 LS-AR，用潜向量经 FiLM 调节自回归解码以保持宏观目标
LS-AR 给因果解码器加一条不占窗口的连续目标通道，用来处理长程生成里宏观指令被挤出上下文或被注意力稀释的问题。
提出 HEST，用熵训练的双曲探针只在犹豫 token 引导隐状态
HEST 是不更新语言模型权重的推理时转向：模型自己的 next-token 熵既选出少数犹豫 token，也训练给出方向的双曲探针。要处理的情况是，数学解答里多数 token 已由上下文决定，分叉集中在高熵 token，而常见激活加法仍对每个 token 加同一欧氏向量。长推理模型上按关键词和步骤边界转向的做法，又很少适用于 instruction-tuned 模型。
提出 TESS 与点值匹配损失，训练可迁移的数据选择网络
TESS 是一个用于 LLM 训练数据选择的元学习框架：用验证集引导下的损失差做样本伪标签，训练一个能给未见样本打分的选择网络。
证明随机谕示下谕示辅助计算无法零知识验证，签名谕示下则可
一般谕示辅助计算在随机谕示中做不到 witness hiding，因而也做不到零知识监督。给谕示答案加上数字签名后，抗碰撞哈希足以同时得到隐私和简洁验证。
摘要书评认为形成中的架构由多类行动者塑造，但没有共同计划。