论文标题：《Make Your LLM Fully Utilize the Context》 🧾 背景： 现代大型语言模型能处理很长的输入（4K–32K+ token），但常常忽略长上下文中间的信息——“中间丢失（lost-in-the-middl

论文标题：《ExpeL: LLM Agents Are Experiential Learners》 💡 背景： 大型语言模型（LLM）具备丰富的世界知识，利于决策类任务，但微调代价高且可能削弱泛化能力，且许多强模型为闭源；基于提示的代理（如 R

论文标题：《AgentGym-RL: Training LLM Agents for Long-Horizon Decision Making through Multi-Turn Reinforcement Learning》 💡 背景。 论文讨

论文标题：Enhancing LLM Knowledge Learning through Generalization 🧠 背景 大规模语言模型虽含大量事实性知识，但在整合不断演化的事实时不够可靠；此前工作发现持续预训练和对多重释义文本训练能提

MemoryBench：LLM记忆与持续学习评测 清华THUIR实验室的论文《MemoryBench: A Benchmark for Memory and Continual Learning in LLM Systems》，提出一个新的评测框架

UIUC &英伟达：LLM三体协同让LLM自我进化 传统强化学习提升大语言模型（LLM）能力依赖人工标注数据和可验证奖励，成本高、通用性差。UIUC与NVIDIA团队提出的 Multi-Agent Evolve（MAE） 打破这一限制，让LLM在完全

📖标题：Retaining by Doing: The Role of On-Policy Data in Mitigating Forgetting 🛎️文章简介 🔸研究问题：在语言模型的后训练过程中，如何通过不同的数据策略减轻灾难性遗忘？

📚论文标题: Collaborative Chain-of-Agents for Parametric-Retrieved Knowledge Synergy 🔍 问题背景：传统RAG方法在处理参数化知识与检索知识的协同上存在局限，检索内容可能误

分享近日被EMMNLP25接收的题为“Large Language Models Meet Knowledge Graphs for Question Answering: Synthesis and Opportunities”的综述文章，该文章探

在AI技术快速演进的今天，单一模型的能力边界已成为效率与创新的瓶颈。多智能体协同系统应运而生，它标志着人工智能从“工具时代”迈入“系统时代”，以团队协作的方式，重新定义复杂问题的解决路径。 1⃣️什么是多智能体协同？ 简单来说，就是“让多个AI组队协

降低论文的AIGC真的是一件很麻烦的事情，用AI写，用AI来判定，哪怕是100%人工写，也有可能被判定为AI，所以这个真的很难绷。 首先，我们要明确的一个概念就是怎么去查AIGC率，维普和知网这两个平台都可以查，但是现在有太多的假冒平台，打着维普和知

https://arxiv.org/pdf/2505.17612 背景：智能体就是大模型加提示词，其行为由提示词语义决定，其性能受大模型能力影响 问题：如何让基于大参数模型的智能体，指导基于小参数模型的智能体学习，逐步提升推理能力？ 方法：智能体蒸馏

背景：Apple公司研究里大模型在手机端的推理加速问题 https://aclanthology.org/2024.acl-long.678.pdf 主要挑战：主存空间小，需要将大模型存放在闪存中，按需交换到主存中，但传输速度慢成为主要瓶颈 研究思路

目标：用大模型学习工具检索和执行，避免复杂的MCP定义和操作 https://arxiv.org/pdf/2410.03439 方法： 1. 将执行工具标注为一个token 2. 大模型学习生成概率：已知工具描述，生成token 3. 大模型学习检索

论文标题】CrossKD: Cross-Head Knowledge Distillation for Object Detection 【论文单位】 南开大学 【论文出处】 CVPR 2024 【技术亮点】✨ CrossKD技术，一种新颖的目标检测

📚 论文标题：Improving Knowledge Distillation Under Unknown Covariate Shift Through Confidence-Guided Data Augmentation 🔗 Arxiv I

学习-使用-评估 (LUA) 框架 该研究采用了学习-使用-评估 (LUA) 框架来分析人类与生成性人工智能 (GenAI) 的共创过程： * 学习：用户如何获得 GenAI 能力，包括理解概念、获取工具和开发相关技能。 * 使用：用户如何将 Gen

📚 论文标题：Reinforced Internal-External Knowledge Synergistic Reasoning for Efficient Adaptive Search Agent 🔗 Arxiv ID：2505.075

【论文标题】De-confounded Data-free Knowledge Distillation for Handling Distribution Shifts 【论文单位】复旦大学 【论文出处】CVPR 2024 【技术亮点】✨ 本研究提

【论文标题】FreeKD: Knowledge Distillation via Semantic Frequency Prompt 【论文出处】CVPR 2024 【技术亮点】✨ FreeKD是一种新颖的知识蒸馏方法，它通过语义频率提示（Seman