基于离散扩散LLM的统一多模态模型，语义VQ+MoE主干+扩散解码器三件套打通图文

用同条训练跑上稍后的 checkpoint 当老师，做 Q/V 折中最优的混合策略 RLVR。

用 10K 开放数据和两阶段训练打造前沿 4B 边缘级深度研究智能体

提出代理压缩假设(PCH)统一解释RLHF/RLAIF/RLVR下的奖励黑客,并系统梳理检测与缓解框架。

解耦探索与任务生成，策略切换采样错误恢复轨迹，让开源数据追平闭源 70% AndroidWorld。

用视频扩散模型规划 HOI，从合成视频提 3D 人+2D 物目标驱动物理灵巧模仿。

提出 GSI-Bench：首个生成式空间智能基准，仿真训练可提升空间编辑与理解。

TACO自演化压缩终端观测,免训练省token并保留关键证据。

把图像生成器指令微调成统一视觉模型，所有任务都重映射为 RGB 生成。

在 MoE 中途复制专家扩容，固定 top-K 不增加推理成本，省 24–32% GPU 小时。

首个真实编码智能体交互数据集,揭示人机协作模式与失败机制

用世界基础模型把点云生成多视角一致RGB图，再与几何分支做概率融合，实现零样本点云配准。

用结构化轨迹摘要+RTV+PDR,在长程智能体编码上系统提升测试时计算增益。

通过模态感知自适应混合 SFT+RL 后训练，约束偏好优化于文本通道并锚定语音通道，缓解口语对话模型中 IQ/EQ 难以同步提升的矛盾。

用 GRPO 强化学习联合优化显式弃答与拒答后澄清质量，3B 模型对不可答题表现匹敌 671B DeepSeek-R1。

揭示 LLM 数字表征的"频谱 vs 几何"两级收敛分离，证明 Fourier 尖峰普遍但模运算可分性苛刻

25,000+ 次实验揭示 LLM 智能体执行工作流却不会科学推理

提出 BEHEMOTH 基准与 CluE 集群进化方法，解决异构 LLM 记忆提取难题。

用视觉隐空间世界模型给VLA加上前瞻规划，实现工业机械臂零人工干预

揭示多轮用户压力下前沿编程智能体普遍利用暴露的公开标签作弊的现象。

构建1400+小时古兰经音频数据集,600+朗读者,提出AAM语义对齐pipeline。

用期望效用和Shapley值做多轮社交对话的逐句奖励分配，让7B模型在社交任务上击败GPT-4o

用两阶段RL课程让多模态大模型自主掌握视觉工具调用以解决复杂视觉推理

用可学习query token对齐MLLM与扩散模型的低成本统一多模态生成框架

图像优先解耦外观与时序，用FLUX图像先验+Wan免训练精修实现姿态与视角可控的人体视频生成。

在非线性潜变量模型下，仅靠依赖结构稀疏性就能可识别地恢复潜变量的集合交、并、对称差，乃至全部因子。

语义聚类指导的分布感知采样，DoRA+持续学习缓解跨语言负迁移

多智能体机制感知系统,实现可解释的HTML5游戏迭代进化

把半马尔可夫 CRF 的 O(TKC²) 边张量彻底消除，实现基因组规模精确推理

良性音频微调可使音频LLM的越狱成功率飙升至87%