Z.ai发布原生多模态智能体基座,集成CogViT与多任务RL。

在线开放词汇语义 SLAM，从裸 RGB 视频紧耦合视觉-语言-几何，动态鲁棒

用浅-深层在线蒸馏器的预测误差作为新颖性信号，引导解码走向未被探索的语义区域。

构建 Claw 风格个人智能体训练数据合成、SFT/RL 训练与基准评测的端到端可扩展框架。

首个跨架构扩散LLM蒸馏框架，统一解决时序/上下文/词表三重鸿沟。

把 EAGLE-3 投机解码集成进 NeMo RL，rollout 提速 1.5-1.8×。

通过分析基线智能体失败轨迹动态选择专用子智能体子集，在 τ-bench/τ-trait/ACEBench 上为开源 LLM 带来最高 27% 的成功率提升。

把可控能力当插件，用KV-Cache/LoRA作统一接口注入扩散模型

首篇系统梳理 LLM 驱动对话用户模拟的综述，提出 Who/What/How 三维统一分类法。

用LLM编排Elements系列原子模型工具，4阶段流水线从240万晶体筛出6.8万候选并合成4种新超导。

X-WAM：统一4D世界动作模型，联合预测多视角RGB-D视频与机器人动作

真实资本下LLM交易代理的可靠性来自运行层而非模型本身

用多任务自编码器在联邦学习客户端过滤噪声样本，提升非IID下的训练精度。

拉普拉斯DP+余弦退火与熵驱动的自适应量化，减少52%通信量。

用多模态 CNN 从服饰图像中恢复并公开可追溯到具体时装屋的编辑身份信息

用声学探针把印度语言 TTS 口音拆成六个独立可测维度。

用 BUPS+LoRA+语音提示将 Chatterbox 改造为商用级印度语 TTS

把视觉规划重构为单步图像编辑任务EAR，配合AMAZE基准系统评估前沿模型的推理能力。