阿里拍立淘团队提出工业级虚拟试穿系统，统一 MMDiT 架构支持多参考图多品类，3.92s 出图、整体质量超越 GPT-Image-2、Seedream 等闭源模型。

提出 YAML 声明式 Agent 工作流语言，统一子模块抽象与显式上下文管理

双流协同+人类感知MoE在DiT中嵌入交互几何先验，零推理开销实现HOI视频生成

统一推理与生成的自动摄影图像编辑框架

用视频扩散模型实现任意稀疏视角输入的大规模三维重建。

用 EM 算法统一测试时训练，交替校准评论器与精炼策略来突破奖励漂移与多样性坍缩。

用跨层共享的影子网络做集中式层空间微调，打破LoRA逐层独立低秩扰动的碎片化范式。

构建 PlayEval 基准与 PlayTester 多模态测试代理,提出 PlayCoder 多智能体框架通过"视觉驱动测试+自动修复"闭环修复 GUI 代码的隐性逻辑缺陷。

首个多轮对话生成Dify/Coze工作流的评测基准，覆盖6大领域237实例

用街景检索增强生成可导航的3D一致视频，融合静态建筑与动态外观

首个系统评测 Agent-as-a-Judge 的基准，带工具访问 F1 平均涨 13 点。

首个评估智能体技能持续学习的基准，含20个真实任务和三级评估框架

提出任务-特征特化理论，并设计 OrthoReg 正则化器显著提升任务算术

极性反转合成对偶指令，305M 模型在 FollowIR 提升 45%。

用图像质量路由实现视频扩散的推测解码，1.59×加速保98%质量

首次系统性揭示代码混合查询使现代检索器全面退化的鲁棒性瓶颈

提出人机共生范式，用身份绑定、范围授权、行动问责三大治理原语支撑跨用户智能体协作

Mesh Head 桥接 BAGEL 与 Hunyuan3D，实现零样本文本驱动 3D 生成与编辑。

用大模型内部高影响神经元的激活图为目标任务挑预训练数据，免训练且可解释

用 RDP 算法把隐藏态当成几何轨迹，挑选关键层做稀疏 LoRA 微调

用VLM奖励+Flow-GRPO后训练，让图像编辑更贴合人类审美。

首次将GRPO引入均匀离散扩散，通过将最终干净样本作为动作并用前向过程重构轨迹，解决训练崩溃。

Skala：首个跨过雅各布梯子精度-代价权衡的深度XC泛函。

15个LLM在8个任务上的大规模实证揭示：强大的LLM优化器本质是局部精炼器，与零样本能力差异显著。

用递归复用共享层替代堆叠参数，开辟CTR预测的循环缩放新范式。

聚焦径向速度测量的系外行星发现基准，揭示前沿AI会拟合但不会识别物理系统。

用 8M–30M 参数设备端模型生成前 4–8 词掩盖云端延迟

用对比式LRP归因分析LLM在长上下文基准上的真实失败。

提出组合性偏差框架与首个专门评测 MLLM 裁判可靠性的九类偏差基准

SIMPLETES 框架在 C×L×K 三维度扩展评估循环，21 个科学发现任务 SOTA。

通过分析幻觉在生成过程中的阶段式动态规律，蒸馏轻量自奖励模型，在解码实时介入抑制幻觉。

Mixture-of-LoRA-Experts架构在S2ST中复现76%的非语言发声。

系统比较并提出三种离散整数分布，用于神经网络直接输出整数值。

CoT 提示降低视觉空间推理能力，揭示 MRMs 文本先验幻觉

同模型消融显示 System 2 在 DAO 审查中崩溃率 26.7%，反不如 System 1。

首个基于ART认知分类法评估MLLM视觉空间推理能力的合成基准，揭示人类与模型间30+个百分点的能力鸿沟。

VLM+2D模型+YAML中转，把游戏UI截图自动还原为Unity资产。