多智能体RL系统，首次在3场Codeforces现场赛中击败所有人类选手夺冠

提出ECoT合成与工业代码世界模型，训练32B思考型代码LLM。

自蒸馏只控更新幅度，环境奖励锚定方向

仅用最近N帧喂给现成VLM，即可超越复杂记忆机制的流式视频模型。

过程验证的多模态智能体基准，评估视觉扩展与知识扩展的协同能力。

用反向几何变换搬运图像 token，使 MLLM 在单图条件下完成邻近视角的 3D 空间推理。

T2缩放定律统一预训练与推理，发现应大幅过度训练小模型

提出 COSMIC 基准，评估两个 MLLM 代理能否通过多轮对话整合不同第一人称视角以形成共享空间心智模型。

评估Computer-Use代理多步执行轨迹级安全性的2,653实例基准

用单次特征值分解得到理论最优的激活感知低秩压缩，并联合局部重建损失与层重要性做动态秩分配。

由1000余位专家贡献、覆盖7大专业领域的1346道开放性长程任务评测基准，并配套提出ShotJudge校准式自动评判框架。

揭示 VLM 靠语义标签“短路”视觉推理的失败机制

首个系统评估人本智能体社交网络隐私风险的基准，提出"抽象悖论"揭示提示工程的局限

通过熵引导层选择+正交融合+RoPE交叉注意力整合SigLIP与DINO双编码器，让VLM在视觉理解与定位任务上同时提升约5%

WAM vs VLA 系统鲁棒性对比研究

提出SC-DMD与缓存感知训练,解决视频扩散蒸馏多步组合崩溃与缓存漂移

将深度生成、视频想象与运动规划统一在LLM+三专家框架中。