通过离线构建方法论知识图谱，将研究想法从模糊概念自动转化为结构化科学叙事。

提出SpatialGenEval基准，系统评估T2I模型的空间感知、推理与交互能力

用 N-gram 嵌入替代 MoE 专家扩展，实现更优的稀疏缩放效率

DynamicVLA通过连续推理和潜在感知动作流实现动态物体实时操作，并构建DOM基准测试。

构建1.8M高质量推理数据集，通过数据为中心策略显著提升VLM推理能力

首个端到端统一文本OCR与视觉OCR的全场景方法，4B参数媲美70B模型。

自适应token压缩+MoE计算重分配，推理加速175%且性能提升

Qwen3-ASR系列：52语言ASR+LLM强制对齐，开源SOTA

在预训练阶段用token级过滤移除不想要的能力，比文档级过滤更有效且随规模提升

提出多维度推理奖励模型Agent-RRM，通过文本批评和标量奖励的统一集成提升智能体性能

通过多头RoPE抖动解决自回归视频生成中的注意力坍塌问题，首次实现12小时连续流式视频生成

用多臂老虎机算法高效发现HuggingFace上被埋没的高性能模型

通过大规模基准测试评估 EEG 基础模型，发现专家模型仍具竞争力且线性探测不足。

提出三角形-高斯混合表示，实现流式3D重建中几何精度与渲染质量的解耦优化

基于横向思维谜题的环境回滚，构建评估长上下文智能体动态推理能力的基准

用强后训练模型作为rewriter和judge改进预训练阶段

提出pMF方法实现单步无潜变量图像生成，ImageNet 256×256达2.22 FID

用轻量级神经网络探索环境，再蒸馏到LLM并用RL激活，大幅提升非语言任务性能

仅用2.3B token将Transformer蒸馏为高效混合模型

用GAN在潜空间做正则化，让偏好优化更稳健

用自回归功率采样替代MCMC，在推理时实现分布锐化，10倍加速匹配RL后训练性能

首个开源网络安全推理模型，8B参数媲美70B模型性能

用1800万模板将预训练文档转为指令-答案对，提升LLM预训练效率

用单一音视频扩散模型+LoRA实现高质量多语言视频配音

在学术级算力下，通过轻量级后训练实现主权LLM的采用性与主权能力

提出900题基准，评估智能体在多步信息检索中的穷举答案集合生成能力。

通过VAE和强化学习，主动优化隐空间中的推理策略，提升准确率并减少token消耗

通过自评估模态相关性动态调整对比解码权重，无需训练即可抑制跨模态幻觉

将推理链渲染为图像，用视觉token替代文本token，实现3.4×压缩和2.7×加速

通过稀疏度量提示实现大规模异构3D数据预训练，首次在度量深度估计领域展示scaling趋势

通过将量化误差注入优化器动量缓冲区，实现无主权重的高效量化训练

用Kronecker积构造精确双随机残差矩阵，实现参数高效的流形约束超连接

训练UMM同时生成深度图和分割图，反向提升视觉理解能力

受脑科学启发的多代理记忆架构，通过海马体-颞叶-杏仁核等模块协同解决长期AI代理的灵魂侵蚀问题

用影响函数追踪 LLM 可解释单元到训练样本的因果起源

Softmax1替换标准注意力，token减少70%、准确率提升27%

用LLM评估器回答自然语言元问题作为奖励信号，无需真值标签即可训练语言模型

FlowBoost：用流匹配+强化学习自动发现极值几何配置

提出原则引导的推理过程奖励模型，以结构化文本生成方式为网页智能体提供可审计的步骤级判断

提出概念解耦的视频基准，定量评估世界模型对物理常数和直觉物理的理解

提出TRACE基准，用对比分析提升LLM检测代码奖励黑客的能力

研究音频指纹任务中分段长度的影响，发现0.5秒短分段性能最优，GPT-5-mini推荐最准确

通过聚类-对比学习-检索增强生成的三阶段框架，从设计数据中提取风格知识以指导风格化设计改进。

基于Slot Attention的物体中心表征大幅提升机器人策略的分布外泛化能力

两阶段训练的轻量物体中心模块，提升机器人操作的视觉鲁棒性