近期，AI 研究论文密集聚焦于智能体的代码化能力、上下文效率优化及系统级扩展，同时 LLM 的幻觉根源与多轮训练陷阱成为争议焦点。
当前焦点集中于：LLM 幻觉源于概率重构而非训练数据（Gary Marcus：LLM 的幻觉源于概率重构，非训练数据），以及多轮强化学习中 token 重编码导致的梯度错误问题（多轮RL训练智能体LLM的陷阱：Token重编码导致梯度错误）。未来值得观察 CMU 提出的 LLM“睡眠”机制是否真能提升复杂推理（CMU研究：LLM“睡眠”机制提升复杂推理性能），以及 YC 的 Paper Club 能否促进研究向产业转化（YC 举办首届 Paper Club，聚焦 AI 研究与生产落地）。