“ThinkPrune: Pruning Long Chain-of-Thought of LLMs via Reinforcement Learning” 提出强化学习方法优化语言模型推理长度，显著提升效率，推理长度减半性能仅降 2%。
“Critical Thinking: Which Kinds of Complexity Govern Optimal Reasoning Length?” 揭示任务顺序复杂度决定 AI 最佳推理长度，提出预测 “黄金长度” 提升准确率。
“Sparse Gaussian Neural Processes” 融合高斯过程可解释性和神经过程高性能，实现在小样本场景下快速、可靠预测。
“Prompting Forgetting: Unlearning in GANs via Textual Guidance” 创新性地用文本提示让生成模型 “遗忘” 特定内容，保护隐私与安全。
“Review, Refine, Repeat: Understanding Iterative Decoding of AI Agents with Dynamic Evaluation and Selection” 通过迭代优化提升 AI 智能体复杂任务性能，验证器反馈是关键。

完整推介：https://mp.weixin.qq.com/s/eyj2QslilVIb1OuIdRn6cg