首个无视觉编码器与VAE的端到端统一多模态原生架构，在32倍压缩比下同时比肩顶级理解与生成模型。

本地可逆假名化+类型化占位符，让云端记忆系统看不见明文却保留语义

用 8×8 在线联想记忆增强冻结 LLM，平均分提升 1.10×

Rubric统一策略/评估/记忆，8B深度研究agent超越开源基线

首篇系统综述将世界模型融入动作生成的具身基础模型范式，提出 Cascaded/Joint WAM 二分法。

可读规则下运行时发现优于离线世界模型

把生成式世界模型塞进 MCP 智能体循环，用预测式规划替代反应式执行。

两阶段预训练叠加 s token 提吞吐，10B 上获 2.5x 加速

L2P 丢弃 VAE、冻结 LDM 中间层，仅用 8 卡把潜在扩散先验高效迁移到像素空间。

首个在AR-Diffusion统一多模态模型上应用GRPO强化学习的框架，配套提出基于原子可验证问题分解的DVReward奖励机制，无需冷启动SFT即可解锁推理文生图与自反思修正能力。

DRoRAE融合ViT所有层级特征，大幅提升视觉分词器重建与生成质量

THINC框架让代码本身成为推理主体，4B模型击败235B基线

实时因果多镜头视频生成，支持动态提示与长程一致性

通过合成GUI-工具混合轨迹与两阶段RL,让8B模型学会在合适的时机切换GUI与工具调用,在OSWorld-MCP上达到46.85% SOTA。

图像库引用协议+ODE把Qwen3-VL平均提升14.1个百分点

LLM持续改写记忆库反而会损害性能，应把原始episodes当作一等证据并门控抽象过程。

无重置持续harness在线自优化，在Pokemon RPG上追平手工harness

提出Fast-Slow Training框架，将慢权重RL与快权重提示词优化协同演化

POISE 用策略模型自身隐藏状态预测奖励基线，替代 PPO 价值网络与 GRPO 多采样

用多流并行格式重塑LLM推理，解除单流chat的串行阻塞

揭示异步RL中旧logits缺失问题，提出精确获取与PPO-EWMA两种修复路径

系统梳理世界模型在机器人策略学习、模拟器、视频生成与导航驾驶中的架构范式、功能角色与评测体系。

用智能体自身失败轨迹训练自身安全行为

提出 CUActSpot 基准与渲染式数据合成流水线，揭示任务多样性优于单模态数据规模化。

把网络搜索解出的隐藏身份精准绑定到像素

提出渐进式模态迁移基准与盲训练控制，揭示多模态推理的视觉变量接地瓶颈与 RL 视觉虚假提升。

首个逐轮响应感知防御器 TURNGATE,精确锁定「最早危害闭合点」以平衡安全与实用性。

训练免费框架，让多智能体在测试时三尺度协同进化。

提出「稀疏奖励给大教师、稠密信号传小部署模型」的分配原则，四阶段流程在 MATH 提升 3.4 点

LoopUS 通过表征分层分解把预训练 LLM 改造成稳定可训的循环潜在精炼架构。

将水印锚定在潜在语义聚类而非词表上，理论保证失真自由并抵抗释义攻击。

系统对比 LLM 重写代码检索的三层抽象与在线离线模式

DR.Q 通过最大化表示互信息和衰减式优先回放，给基于模型的Q学习表示去偏，单套超参横扫73个连续控制任务。

首个智能体价值评测基准，发现价值潮汐受harness与技能深度调控。

用固定点吸引子代替循环展开，实现恒定内存训练。

面向长会话智能体的记忆评测基准，揭示所有系统依赖推理崩塌。

编码器继续预训练中插入临时 CLM 阶段，显著提升生物医学领域表现。

RL通过概率重分配让LLM事实回忆准确率平均提升27%。

通过左右正交变换保持权重矩阵奇异值不变的新型LLM优化器

定位巨型激活起源层，提出维度掩码方法提升LLM性能。

规划器-执行器框架自适应选择理解-生成协调路径

提出LME-V2基准与AgentRunbook方法，评估智能体跨轨迹积累经验的能力

解耦评分标准 RL 中验证器错误与评分标准设计缺陷两类奖励黑客，给出无需外部评审的自内化差距早停信号。

基于UE5的开源仿真框架，集成Python API与MCP协议，为视觉模型生成丰富2D/3D真值

剖析OPD/OPSD成败,提出三类失败机制与对应稳定化修复。

用 Adafactor 对角 Kronecker 预条件子解决 LoRA 因子空间算子奇异性

提出MDMF框架，用PFS放大局部微缺陷再用MMD聚合成宏观分布差异，刷新9类生成器SOTA

用视频扩散先验从极稀疏视图生成高质量3D场景。

训练 LLM 智能体从低成本实验总结规律并外推到高成本 LLM 实验配置

首个真实户外单视图重光照基准+物理引导自适应框架