论文

TL;DRSystem One模型在风湿病考试题上准确性高，但在诊断病例上降至50.0%，且高置信度答案可靠性下降。

TL;DR六个决策模型中五个给女性更有利答案（+0.05到+0.10对数几率），置信度门控反而在模糊BBQ中提高刻板印象占比。

TL;DRPDScope 解耦预填充与解码，实现 2.5-10.3 倍预填充和 2.1-6.1 倍解码吞吐量提升。

TL;DR解码阶段能耗随输出长度线性增长，预填充阶段随输入长度线性与二次增长，计算时间可作能耗可靠代理。

TL;DR解码长度预测受自回归采样噪声约束：逐提示长度服从正态与仿射方差律，系统误差主导模型误差。

TL;DRGDGraph将指南编译为决策图,使System One准确率从57.3%升至90.8%,超越GPT-4o基线且成本更低。

TL;DR在每次输出前读取激活值的线性探测，以5%良性误报率捕获82%泄露调用，远超零样本监视器的26%。

TL;DRLLM eBay 用真值评分规则按隐藏提示风格信号付费，收敛步数减少 8.5%，风格申报误差降低 96.5%，恢复 96.3% 的 Oracle 福利。

TL;DRCAViLD通过条件感知潜空间、EMA教师内化引导与协方差感知渐进蒸馏,实现低至4个NFE的高效连续条件生成。

TL;DRHALO 提出主动性智能体的人类评估，发现过度主动（时机过早或强度过度）占被拒回复的 61.20%。

TL;DR惊奇驱动的持续学习几乎吸收所有谎言；各类接受信号只能部分补救，没有单一信号能独立判定声明真伪。

TL;DRdLLM-KVQ 通过 TRACE 重构揭示轨迹并选择性保留高精度 K 缓存条目,在 4-bit 与 2-bit 设置下取得量化方法中的最高平均分。

TL;DR五名医疗背景参与者的研究表明，对话式XAI助手与仪表盘各有所长，受访者均建议在临床工作流中整合两者。

TL;DR快速黑盒攻击可为 Jev 找到通用对抗后缀，单个后缀可翻转 43% 未见文档，并跨任务翻转 90-100% 样本。

TL;DR受控检索下，蒸馏出的GEO Citation Ranker 4B（0.542-0.549）在229个查询上与Jev及27B决策模型（0.575-0.578）无统计显著差异。

TL;DRPrimaCons 揭示 Jev 的跨原语不一致可预测决策失败（ROC-AUC 0.91），CPRC 使不一致降低 58.57%、准确率提升 2.97%。

TL;DRForeCritic 从已执行程序对直接学习选出更优程序，准确率 79.4%，并将智能体任务时间缩短 4.4--7.5 倍。

TL;DRSatOps-Decision 将 Jev 式判别决策模型用于卫星运营，准确率 85.3%，中位延迟 90.3 ms，较 Qwen3.5-0.8B 加速 5.47×。

TL;DRJevAct结合可执行策略检查与预填充决策模型，在τ^2-bench和BFCL上提升十一个LLM智能体的可靠性。

TL;DR决策模型比生成式配置更省资源但峰值准确率较低（89.08%对96.86%），且高概率答案仍存在错误。