基于强化学习的单次推理3D场景编辑框架

推理通过计算缓冲和事实启动两大机制扩展LLM参数知识边界

首个零数据三角色自进化框架，让VLM自主生成图像并提升推理能力

首个基于掩码离散扩散的any-to-any多模态模型，统一文本/语音/图像处理

提出 4B 参数统一模型，在多模态理解与高保真生成/编辑之间取得优越平衡。

开源TTS系统，通过双自回归架构与多奖励RL实现自然语言指令控制

诊断MLLM图文模态鸿沟根因，提出自蒸馏方法弥合差距

首个体育空间智能数据集CourtSI，100万QA对，25个VLM评测揭示人机差距

首个评估LLM生成原则驱动、交互式HTML应用能力的基准测试框架

通过识别音频专家注意力头，实现推理时激活干预以缓解音频语言模型的文本主导问题

通过解耦推理与置信度优化目标，解决 RLVR 训练中模型过度自信的根本问题

评估VLM细微视觉差异识别能力的基准，揭示时空推理与人类的显著差距

首个平行语音-文本多语言提示数据集，揭示SLLMs在口语指令下的真实能力

提出神经调试器模型，模拟传统调试器行为，支持正向和逆向程序执行预测。

用测试驱动方法编译LLM智能体提示词，确保行为合规

提出基于RL的自我反思-修正框架，将调试能力内化到模型权重，无需外部预言机

对角蒸馏实现31FPS实时视频生成，加速277倍

LLM推理能力提升会通过三条机制路径系统性地增强其情境感知能力，构成安全风险。

将MLA单潜在头分解为多分支，实现4路张量并行解码，速度提升2.8倍

通过将观测分解为对象-属性结构，实现零样本跨域奖励预测

用上三角矩阵W把图像特征几何变换后再与文本匹配

首个克什米尔语专用TTS，用OT-CFM脚本感知适配超越多语基线。

首个面向T2V的无缝品牌植入任务，提出离线知识库+五智能体在线协作的多智能体框架。

纯JAX/XLA实现Mamba-2，免自定义内核且O(1)缓存

TTC层将推理建模为LQR最优控制,辛求解器10倍加速,MATH-500+27.8%

用 contemplate token 让草稿模型预知目标模型未来方向。

用 Tweedie 去噪逆转先验稀释的纯统计压缩器，单核击败 xz -9。

用多信号漂移检测+约束保持+回归风险三项保障实现递归自改进中的对齐保护。

Doki 把整个视频工程塞进一个文档：用文字定义资产、写剧本、生成镜头。

首个将测试时自适应引入即时类别发现任务，用无哈希的连续特征空间联合更新编码器与原型。