用文本LLM初始化视觉编码器替代CLIP，紧凑模型达SOTA

用动态概率感知裁剪替代固定裁剪，解决LLM RL中的探索瓶颈问题

将每张图像压缩至8个离散token，使世界模型规划速度提升40倍且精度不降

推理模型几乎无法控制自己的思维链内容，这对 CoT 监控安全性是个好消息。

大规模人体数据集+非对称注意力，实现跨视角身份一致视频生成

通过逐层渐进激活残差连接，提升Transformer预训练稳定性和性能

大规模机器人操作基准测试，系统评估记忆增强型策略

通过学习路由的动态分块机制替换固定patch化，实现扩散变换器的自适应计算分配

将物理模拟器嵌入视频生成循环，确保运动符合物理规律

提出两阶段框架解决多模态图中的跨模态对齐和模态偏好问题

通过分层并行架构和博弈协议解决LLM在长期规划中的约束漂移问题，FPR达52.65%

通过块级近似和动态阈值实现长上下文预填充加速

MLLM推理+DiT上下文学习的参考视频特效迁移框架

无批评器、无似然的步级对比排序框架，解决流式VLA的在线RL难题

系统综述多LLM动态路由与级联方法，优化推理时性能-成本权衡

基于曲率的异构 token 缓存框架，实现扩散世界模型最高 3.7 倍加速且保持 98% 生成质量

提出StableDRL，通过无条件裁剪和自归一化解决dLLM强化学习中的奖励崩溃问题

用可微Bézier曲面从文本/图像/点云生成可编辑CAD模型，突破CAD数据标注瓶颈

评估智能体在700篇非结构化知识中检索推理执行客服任务的能力

通过双智能体协作与环境观察反思，让AI自主完成从资料调研到视觉设计的整本演示文稿生成

首个直接在网格空间自回归做单视图场景重建的框架，一次前向同时预测物体位姿与几何。

把一阶梯度下降搬进 LLM 解码循环，直接优化 token logits 来精细化推理策略

用 WoS 蒙特卡洛随机估计作为弱监督，无需预计算数据和 PINN 高阶导数，训练零样本泛化的神经算子求解 Poisson 方程族。

首个大规模系统实证研究：delta 动作配关节空间是标准模仿学习的最优解，任务空间则在跨本体迁移中胜出

用球面退化嵌入 + 层级专家路由做一体化图像复原

提出iFID指标，用最近邻潜在插值替代直接重建，与扩散gFID相关性达0.85

为判官模型构建含偏好图与列表式评估的指令遵循评测基准

用文档解析做多向量检索，存储减 95% 性能反升 10 分

用局部空间期望代替Eikonal微分约束，在离线GCRL中实现稳定的距离几何正则化

系统揭示 ViT 在 OOD 探测中应选 FFN 激活层而非块输出。