为多奖励GRPO引入方差自适应权重，兼顾训练稳定与目标协同

WBench用289案例×5维度×22指标，对20款SOTA交互式世界模型做统一评测。

让模型在学到的协议下原生产出自然语言+可执行 UI 动作，零长 prompt 超越长 schema 提示基线。

面向智能体社会的图优先协调协议，统一身份、组织、价值与审计。

前馈三角形溅射网络，单次推理直接输出可用的三角网格。

通过统一评分树合成8K任务并配合Mid-Training/SFT/RL三阶段训练，35B模型在8个深度研究基准上逼近闭源系统。

提出首个评估个性化记忆系统的基准 PerMem-Bench，并系统研究会话级存储门控方法。

形式化定义"原生多模态",梳理2023–2026年40+模型架构、训练、推理与评估。

FP4 注意力中只对 5% 关键块保留 FP16,兼顾速度与质量。

三智能体对抗流水线为电脑操作代理规模化合成带可验证奖励的RLVR数据

首个支持单轮并行多工具调用的视频智能体RL框架PARA-GRPO，破解工具先验悖论。

用 L0–L4 五级自主性谱系与五维评估框架，重新定义 AI 在科研工作流中的角色与边界

SMART框架让单向量嵌入模型直接获得多向量检索能力，无需重训练。

面向全天候个人助理的评测基准，沿事件流/服务/设备三维度扩展智能体操作范围

180任务×10模型基准,揭示智能体难以把单次经验沉淀为可复用过程技能。

用显式 3D 缓存解耦几何与纹理，让扩散模型沿任意相机轨迹生成时空一致的 360° 视频。

Retinex 插值连续伪配对 + 边缘加权 Flow Matching，实现可控低光增强。

递归流匹配通过多尺度轨迹一致性实现1-2步高精度物理仿真。

用Bradley-Terry判别器+前向流匹配，把黑盒视频教师蒸馏进自回归学生。

用显式查询接口让VLM和SAM3协同处理复杂指令的多实例分割。

多轮参考文档对话下LLM法官的合成评测基准生成器

用分层时序树索引 + 并行分块抽取重写 LLM 智能体长时记忆系统。

ProAct 将用户两次对话间的空闲时间转化为对尚未发出请求的未来需求进行证据采集的预测性准备工作。

把VQ量化轴改为通道维度,实现100%码本利用率与next-channel AR生成。

将图像生成3D的Trellis2扩展为视频驱动的4D动态网格生成

构建BONAFIDE基准证明主流CoT忠实性指标基本无效

把 57 个 ML 评测框架当软件产品研究，挖出 19538 条 issue 中隐藏的运维规律

上下文满前让模型离线递归巩固SSM权重,预测阶段单次前向即可深度推理。

发现自然图像语义信息集中在方向分量，提出超球面流匹配 SFM。

用干预式基准诊断视频生成模型是否真正理解物理规律。

提出基于验证器失败诊断的智能体-环境协同共演化框架 SEAL，用同一诊断信号同时驱动训练接口进化与策略梯度更新。

提出 CMRP 新任务和 UniCharacter 框架，用极少样本让统一多模态模型同时学会角色的语言风格与视觉外观。

无真值单元测试、无训练的测试时代码生成：代码与单元测试双向协作自博弈共同进化。

用代码智能体从自然语言生成可验证的 GUI 评测环境。

首个系统化的隐喻视频理解基准MetaphorVU-Bench与基于隐喻知识图谱的推理时增强框架MetaphorBoost

把终端输出 token 当作监督信号，叠加到 GRPO 损失上，让失败轨迹也产生梯度。

用累积深度 RoPE 的 Transformer 联合预测材料与厚度，MAE 降至 0.010。

两阶段框架RTDMD统一DMD与RL，在4步内实现少步文生图SOTA。

用Sobolev空间着色噪声先验+对抗负样本生成,弥合扩散SR与自然图像频谱差距。

红队测31个开源LLM的政治表达Overton窗口与越狱效果

揭示多时间尺度PPO中可微路由器被代理目标利用的失败模式并提出Target Decoupling。

首个无需训练即可实现文本-图像双条件引导的扩散模型方法

用VLM推理补全稀疏轨迹，生成符合物理常识的视频。

提出 SLIM 架构，将通信通路与策略表征解耦，在带宽严格受限下保持高性能的多智能体协作。

用多语言稠密嵌入做语义桥，把英语稀疏检索器精准初始化到目标语言。

提出 TDGA，用干净 SFT 阶段 SVD 估计可信子空间，投影 RL 梯度以显著延迟奖励黑客。

用证据影响核分解实现长视频流式三维重建的稳定长程传播

用 LLM 把自然语言查询编译成确定性空间分析 DAG，降低 GIS 门槛。

LogMILP：原型与反事实扰动结合的弱监督MIL日志异常定位框架

CAT:用一致性正则化解决多尺度 GAN 跨尺度轨迹错位