首个视频深度研究基准，要求模型结合视频线索与开放网络进行多跳推理

揭示当前MLLMs在人类幼儿就能解决的基础视觉任务上存在巨大缺陷

并行协调推理框架突破上下文限制，8B模型超越GPT-5

提出多头线性注意力MHLA，通过token维度分块解决全局上下文坍塌问题

用完全合成数据训练7B代码模型，在竞赛编程基准上超越14B真实数据模型

提出NoisyBench基准测试，揭示推理模型在噪声上下文下性能骤降80%，并提出RARE奖励函数提升鲁棒性

基于初始token熵的步级协同推理框架，显著降低延迟同时提升准确率

通过里程碑记忆+多模态搜索双创新，实现跨平台桌面智能体SOTA性能

用软 token 分布替代硬二元掩码，实现扩散语言模型的渐进式可修正解码

提出 SteeM 框架，让用户动态控制 AI 对历史记忆的依赖程度，解决记忆锚定问题

三服务分布式架构支撑万级并发智能体训练与评估

提出自进化框架Dr. Zero，无需数据即可训练强大搜索智能体

首个面向自动驾驶世界模型的综合基准，覆盖视觉真实性、轨迹合理性、时间一致性和可控性四大维度

语义解耦VAE取代浅层对齐，ImageNet 256×256 FID达1.21

通过自演化数据飞轮和两阶段行为校准训练，系统性纠正LLM智能体的工具使用错误模式

真实用户的模糊查询导致VLM准确率不足50%，显式化查询可提升8-22分

用动态窗口对齐学习将视觉推理压缩到潜在空间，97%省token

多智能体竞争共识+门控RL，解决旅行规划中多目标冲突与约束满足难题

首个面向长期项目导向交互的记忆基准，揭示现有记忆系统在追踪动态目标状态方面的不足

提出模块化RLaaS框架，通过关注点分离实现可扩展的多智能体RL训练

LLM能口头表达不确定性，却无法据此做出风险敏感的放弃决策

从量子纠缠视角分析LoRA微调的内部参数结构与外部注意力表示，揭示注意力机制的‘无毛’特性。

通过温度校准、负样本课程和协方差对齐三个轻量模块，将VLM转化为全模态嵌入模型

将人类桌面录屏转化为结构化动作轨迹，实现 60.1% 的 OSWorld 任务成功率

提出双层记忆架构SEEM，通过情景事件帧和图记忆解决LLM长期记忆的检索分散问题

首个结构化捕捉顶级 AI 论文创新推理过程的数据集，揭示 15 种思维模式与创新配方。

通过概念电路和图指标分析LLM概念学习、遗忘与干扰机制

首次实证研究LLM辅助开发中开发者自认技术债务的分布与AI角色

证明SFT和RL在后训练中相互耦合，顺序执行必然导致一方退化

LLM确定性推理抑制涌现、破坏推理、制造安全假象，应拥抱分布变异性。

将叙事连贯性建模为可执行的伏笔-触发-收束谓词序列

自洽性对推理忠实性的影响因模型而异，并非普遍有益

评估9个小模型在日志分级任务中零样本、少样本及RAG的表现差异

揭示链式思考推理在细粒度视觉分类中的'思考代价'现象，提出ReFine-RFT框架实现最优性能

用四类 STEM 手绘图诊断 MLLM 评分与错误识别能力的基准与评测。

构建半合成流水线生成5000道高质量金融问答对用于评估LLM

基于Megalodon改进的Gecko架构，通过滑动分块注意力和自适应工作记忆实现4M长序列建模

提出局部化和归一化的困惑度评估方法，替代全局困惑度以更准确评估口语语言模型

轻量级航拍人体姿态估计流水线，端到端延迟仅20ms

统一对比学习与3D字幕生成，通过测试时搜索提升跨域鲁棒性

用MTQE模型作为GRPO强化学习的奖励函数，训练LLM更好地翻译习语，同时提升通用翻译能力

SPINAL诊断框架揭示DPO对齐集中于Transformer终端层。