提出harness编排层概念，通过多智能体协作实现跨类型跨条件科学图表生成与可编辑转换

提出三轴框架，通过PEFT在万亿参数基础模型上构建百万个人模型实例

通过轻量级因果校正块，在保持低开销的同时恢复块并行草稿的因果依赖建模，实现最高5.49×的推理加速

提出TASTE方法自动生成困难且覆盖广泛工具使用模式的Agent评测任务

上下文管理效果取决于检索器-模型能力匹配度，呈现倒U型非单调模式

通过状态外化框架分离语义决策与状态管理，提升RL搜索代理性能

首个韩语网页浏览智能体基准，包含400个多步推理问题，揭示模型在韩语环境下的显著性能下降

提出步骤级故障归因的训练无关技能自适应方法，提升 LLM 智能体长周期任务性能

提出Draft-OPD，通过错误位置重放机制在验证时错误上训练draft模型，实现5倍以上无损加速

首个多流流媒体理解基准，评估MLLMs的并发流处理能力

通过在隐空间预测浅层语义表示，正则化表示几何，提升下游任务性能

提出TVR任务和TVRBench基准，发现基础模型难以通过主动探索重现目标视角，后训练提升至51.4%

VLM-as-Teacher范式，通过测试时优化提升视频推理能力

通过线性集成多个独立水印模型可破坏水印检测能力，仅需3个模型即可使检测失效

首个将MLA应用于视频扩散的工作，压缩KV缓存92.7%同时保持长时生成质量

通过冻结特征探测发现VLMs强于语义分组、VGMs强于3D几何预测，简单融合可结合两者优势

提出开放框架，用少量监督数据+在线RL训练出能媲美闭源模型的视觉网页智能体

ESPO通过提前终止失败轨迹节省20%+token并提升LLM推理性能

通过检索历史生成内容解决AR长视频生成的错误累积问题

提出MASA框架，根据模型能力定制技能表述

系统研究多智能体RL训练LLM工作流，揭示IP/SP策略共享的梯度机制与失败模式

解耦LLM编排器与短窗DiT，实现实时流式角色音视频生成

首个面向真实个性化MCP工具的智能体评测基准，揭示SOTA模型仍难及格

用代码覆盖率作为新颖性奖励，联合训练潜变量记忆与探索策略

提出TVIR基准与多智能体框架，攻克图文交错研究报告生成与评估难题。

无训练块稀疏注意力，旋转全局锚点+局部窗口，长视频扩散3.17倍加速

从fMRI脑信号直接回答视觉问题，并附NSD-VQA受控新基准。

用隐式多跳Minecraft任务评测MLLM智能体的开放世界探索

在 on-policy RL 中复用 rollout 的下一观测做辅助世界模型监督，零额外推理开销

从图像生成的物理因素出发，评测具身场景下VLM在材质/视角/光照/几何四类视觉应力下的鲁棒性。

提出视觉技能范式，用视觉先验克服技能表示的文本瓶颈。

把目标LLM切成n级流水线，用多深度特征聚合并行投机下一token，零气泡隐藏延迟

以「空间锚点token+条件化弹性query」分工压缩视觉token，单模型支持16~256多预算推理

AFUN 单次前向联合预测功能性掩码与3D贝塞尔运动曲线，迈向开放世界机器人操作。

评测12个前沿VLM用Blender代码做过程化3D建模的智能体基准

通过微调轻量级交叉注意力层实现高效长上下文压缩

通过将问题分解为可检查的子问题并逐条验证候选答案，提升智能搜索系统的准确性和可解释性。

首个基于分类法的语义对象对应基准，评估100个类别、100万+对应对的视觉和多模态基础模型

提出 UDS 指标，用两阶段激活修补因果量化遗忘知识的擦除深度。

用抽取式VerbatimRAG给ACL论文做无幻觉问答，150M小模型登顶。

用现成大模型对固定长度分块打分，生成时引导小模型推理，免训练即可匹敌 PRM

用管理者模型将CUA任务分解为DAG，并行调度子智能体，提升长程任务成功率

把多选题改造成机器人抓取任务，诊断VLA是否真懂指令语义。

用团队体育作动态微观世界，构建覆盖感知到智能体合成的战略视频智能基准

重构分词器+均值映射+离线蒸馏，高效把多语言教师适配到土耳其语

提出同时建模多维度变量并精确外推神经网络缩放行为的统一函数形式

用日本政府白皮书构建日语图表 VQA 基准，揭示开源与闭源 VLM 的巨大能力差距。

在RLVR中引入时间调度维度，按时序从后向前渐进优化轨迹百分位token

梳理 Physical AI 运行时动作授权，揭示黑盒模型到物理执行之间的静默失败与护栏缺口。

自监督强化学习训练多模态大模型做在线心智推理，无需心理状态标注