三尺度具身基础模型，新增3D接地与接触点预测，统一动作空间跨本体VLA。

把时序证据当区间集，从数据验证到 Wasserstein 奖励全程对齐，小模型全面超越超大模型。

构建可验证的离线维基百科环境，让搜索智能体自蒸馏迭代进化。

开放模式驱动角色与世界在长程文学互动中持续协同演化

轻量级头从冻结骨干隐状态直接读取逐行剪枝信号，省去外部评分模型。

开源2000小时手机采集的第一人称操作数据集及端到端工具链

统一处理主体间与主体内参考的HOCVP框架，借助MLLM推理实现SOTA人-物交互视频生成

用像素对扭曲流场从图像编辑样本实时生成视频编辑训练数据

首个将视频物理推理锚定到物理定律并分阶段诊断的基准

提出GigaChat Audio，支持120分钟长音频的时间锚定问答与摘要

用簇级数据平衡预训练和域感知采样微调，为中亚低资源语言构建ASR基础模型

用群组熵引导的非对称优势塑形，缓解GRPO多任务训练的探索-利用失衡

实体导向的多模态长期记忆系统，感知流并围绕实体组织记忆，六项基准全部最优

用世界模型预测动作后果，在执行前拦截移动端高风险操作。

仅凭API规格，用LLM模拟环境生成训练API调用智能体的轨迹数据

可微几何图像：用连续TSDF把薄壳3D生成压入32×32潜空间，消费级硬件实时运行。

提出3D-Fit基准，评测LLM在多重3D空间约束下的分子生成能力

需求驱动的智能体训练数据合成框架，跨领域规模化生成可执行任务与专家轨迹。

把 LLM 裁判升级为教练，用可迁移经验知识替代标量奖励训练模型。

首个单图驱动的多视角手物交互视频与3D运动联合扩散生成框架

将教师监督直接融入强化学习目标，通过反向重要性采样实现选择性知识迁移

将VLA后训练重构为多租户服务，解耦训练/推理/环境并组批调度，GPU时间降28%

按临床工作流分 20 个细粒度任务，分层评估 MLLM 从视觉感知到临床推理的 OCT 理解能力

用 MDLM 双向去噪打造可控文本世界模型，零样本提升 RL agent 达 47%

把后训练重构为token级正确性二元分类，提升分布外事实忠实度

用编码智能体把简单参考实现自动转化为高效多 GPU 部署的实时多模态服务框架

免训练框架，借历史预测构造卡尔曼式时序共识校正扩散采样，零额外 NFE。

证明长流程人机协作中，最优人类监督的间隔应非递减（前密后疏）

用流形上的微分几何与热力学重写Transformer，给出六个可证伪实验

形式化“自状态攻击”并系统量化操作系统层防御的能力边界。

用2026世界杯104场比赛，细粒度评测大模型与智能体的赛前足球预测能力。

用可学习规划Token与分数旋转位置编码实现帧级可控多镜头视频生成

发现多教师蒸馏会把工具调用边界推向过度调用，提出 Soft Clamp 局部校准方案

测量被赋予权力的 AI 会不会自发胁迫甚至欺骗下属 AI 的基准。

统一生成式Transformer，从单段第一人称RGB视频同时重建人体、手、视线、相机轨迹与深度

用扩散模型把单目长尾驾驶视频补全为多视角训练数据。

首个评估VLM从纯截图推断Web应用交互行为的基准，揭示视觉保真度不等于交互推理能力