Agentic CoT驱动，清华DO-RAG领域问答性能飙升33%，远超FastGPT、Dify
DO-RAG是清华提出的可扩展且可定制的混合问答框架，结合多级知识图谱构建与语义向量检索，采用新颖的Agentic CoT架构从非结构化文档中提取结构化关系，通过融合图检索和向量检索结果生成上下文感知的回答，并引入基于事实的细化步骤减少幻觉。
清华团队
清华提出ConCISE：简单有效，Reasoning过程砍掉一半，准确率不降！
MLNLP社区是国内外知名的机器学习与自然语言处理社区。该社区致力于促进学术界、产业界和爱好者的交流与进步，特别是初学者的成长。最新研究表明，通过信心注入和早停机制，可以显著减少模型的冗余推理步骤，提高准确性而不影响性能。
视频推理的R1时刻！港中文、清华推出首个Video-R1，7B模型竟超GPT-4o?
港中文联合清华团队发布首个将强化学习范式应用于视频推理的模型Video-R1，该模型通过引入时序建模和混合训练机制，在权威测试中击败了GPT-4o。
动态场景，开放文本查询！清华哈佛联合建模4D语言场 CVPR 2025
清华大学等团队提出4D LangSplat方法，结合多模态大模型和状态变化网络，成功重建动态语义场并实现高效精准的开放文本查询任务。该方法在多项评估指标上优于现有技术。