用单一架构统一文本/点/框三种提示并接纳可选深度信号，在百万级真实世界 13.5K 类数据上训练，把单目 3D 检测推到开放词汇场景。

首个覆盖工件级与型号级细粒度语义的制造领域MLLM基准，揭示领域知识才是性能瓶颈。

LG 发布 33B 开源视觉语言模型，主打文档理解与韩语能力

720p@40FPS 长程记忆交互世界模型，统一数据、模型与加速

基于 Focus-and-Refine 的区域化图像精修，在用户指定区域内恢复细节且严守背景不变。

首次系统研究LLM智能体在多用户多主体场景下的局限

循环Transformer+环内自蒸馏，单次训练实现任意时间推理，参数减少4倍。

通过直接条件蒸馏(DCD)把多步块扩散蒸馏为单步解码，同时用响应非对称扩散(RAD)削减72.3%训练FLOPs，在胸部X光报告生成上实现8倍理论加速和5.1倍实测加速。

用并行上下文分支+前瞻路由让智能体按状态自选管理策略。

用稀疏点轨迹的逐步自回归扩散，从单张图像生成上千种物理一致的开集未来预测，比视频生成快几个数量级。

先抽取结构化事件证据再做推理,并用P-FAB解决多目标RL的Pareto冲突。

首个针对流水线并行的LLM后门攻击，触发词注入使SFT后模型丧失安全对齐。

面向研究问题的LLM驱动结构化数据自动提取框架

仅凭任务关键词，由LLM生Q&A、T2I生图、多模态裁判过滤，零参考图像构建VLM视觉感知训练集。

筛选少量高方差用户提示，让 RL 提示优化在异质推理任务上突破全量训练瓶颈。

权重剪枝证明LLM有害生成集中于极少数统一权重

用语音驱动情绪，跨模态学习语义向量差生成未见过的情绪表情

用在线过程奖励智能体在推理时实时评分并触发检索，提升医疗推理。

首次系统揭示LLM在创造性任务上与人脑DMN/FPN网络的对齐规律。

首个任务驱动的T2AV基准，覆盖11类真实场景与10维细粒度评估。

用"用户回合生成"作为新探针，揭示任务准确率与交互感知能力完全脱钩。

系统揭示SOTA VLM在旋转/缩放/恒等变换下高度依赖数据熟悉度,缺乏真正几何推理能力。

用条件与无条件高斯的线性混合源分布，拉直生成轨迹并显著提升 Rectified Flow 采样效率。

第三代等变图注意力Transformer，三重提升效率、表达力与通用性

用皮尔士三元符号学重构人与生成艺术的意义流转，提出 SemJudge 和 HSG 图，让评估器真正看懂象征与暗示。

对 AIME 题目施加 13 种纯结构扰动，证实开权重推理模型平均准确率掉 54%。

将推测采样重写为约束优化问题，用 KL 散度硬约束换取更高接受率。

用视觉语言联合推理自动生成相机轨迹，实现精准可控视频生成

提出表征比率 ρ 与 OA-EM 初始化，解决 2-bit 加性量化中贪心初始化陷入劣盆地的难题。