基于视频扩散先验的统一框架，单模型支持15种像素对齐任务的文本/视频间多模态生成。

双层多智能体框架，闭合式自演化技能库，专攻大规模结构化网页抽取

用单一Transformer让ViT直接预测文本token，省去对比损失和文本解码器，5倍数据效率超越SigLIP2。

用任意形状分割地图+文本生成全局一致的3D世界

提出 SSL 三层结构化表示，显式拆分技能文本的调用、流程与动作证据

用对比轨迹平衡替代 GFN 的 Z 估计，将红队独特攻击数提升近 8 倍且 ASR 稳定在 92%

用超二次曲面作为几何代理，让VLM编辑原始体参数来引导3D扩散模型实现细粒度编辑

用PPO+轻量CNN critic训练VLM完成《超级马里奥大陆》100+回合决策

在16台机器人上部署通用策略，边收集数据边用DIVL+QAM做离线到在线RL持续提升。

端到端联合训练1D视觉词表器与AR生成模型，ImageNet无引导FID达1.48

用 sigmoid 替代 softmax，单细胞基础模型训练更快更稳、表征更优

用受控MOSAIC数据集揭示扩散模型多物体失败的根源：场景复杂度与组合泛化

双向统一决策树与扩散模型于 GTSM 框架，提出两个表格算法。

用共享自回归骨干做高层语义规划+两个轻量扩散头做模态专属渲染，破解双塔DiT的低层纠缠与定长问题

用 LSTM 替代建模 MoE 路由 logit，输出稀疏激活掩码，免训练灵活调控安全行为

软各向异性 Apollonius 划分+top-K 传播，4-19× 加速图像压缩

LLM 稀疏引导多智能体同时学习内部搜索与外部协作

用MCTS+双粒度奖励在线构造偏好数据,经DPO迭代缓解LVLM幻觉。

用 35 万条代码偏好对训练一套能跨 8 种语言、按 5 个质量维度灵活打分的开源代码奖励模型

首个将SPICE网表、原理图、功能描述三模态对齐到统一语义空间的模拟电路检索框架，平均R@1达75.2%。

梯度反转对抗训练让说话人编码器跨印地语/泰卢固语/泰米尔语/英语保持身份。