用环境扩展与智能体协作扩展两条路线，把推理模型变成能完成长周期复杂工作的系统。

以相机意图为统一接口，边导航边联合生成720p视频、环境音与语音的可进入世界模型

阿里开源的电商直播全模态理解模型，用音视频时间对齐与忠实强化微调实现多项直播任务开源最佳。

用千级细粒度概念库与组合式密集监督，刷新图像编辑SOTA并压缩训练样本需求1.5倍。

开源长程智能体框架，以持久REPL与递归子智能体将ARC-AGI-3成绩从30%提升至95.5%

交互式有状态移动沙盒，四维评测移动规划智能体的工具调用与规划能力

把3D形状码的逐token自回归解码改为块间因果、块内并行去噪加置信度修正，提速5.15倍

两次前向传播即可定位自回归模型的因果泄露层，并在Zamba2与Nemotron-H中发现真实缺陷

发现原始行为数据扩展的饱和墙，提出行为致密化定律与自适应分词ALGN

按预期规划收益逐步决定想象深浅，让世界动作模型在质量与算力间自适应权衡。

用窗口分离训练与位姿地标库，让交互式世界模型兼得精准控制、长时记忆与实时流式生成

用策略条件化分组消除开放式智能体RL中跨策略比较偏差

把KL正则从响应侧移到查询侧，稳住训练环境漂移又不牺牲探索

首个贯通游戏生成、缺陷修复与多轮优化的编码智能体全生命周期游戏开发评测基准

首个长轨迹失败归因基准：1140条真实失败轨迹，定位责任角色与最早根因步

沙箱+基准揭示：智能体一次成功容易，可靠完成有状态业务工作流仍很难

验证任务集随harness共同进化，用20%评测预算达到全量搜索效果

从原始未压缩模型蒸馏修复压缩+4bit量化LLM，比QAT快7倍且无需早停

双阶段自主科研系统：机制洞见接地选题，独立证据评审杜绝幻觉结论

用独立估计的推理进展排序检测并屏蔽误导性蒸馏监督，显著提升 OPD 推理能力

结构更复杂的多跳RAG反而放大上游语音识别错误，查询实体损坏占失败案例的87–96%

778个机器可验证长工作流任务证明验证器确认的执行经验Gene显著优于Skill

FORGE基准揭示：单条被污染网页即可让12个主流LLM推荐假品牌，中招率最高73.8%

用OCR抽取加五场景RAG问答合成流水线，把906份松下工业文档变成13.6k条微调与评测数据。

在融合注意力内核内按分数Tile组路由FP16/INT8精度，稠密全连接下加速长上下文预填充

用有标准答案的星系基础模型校准 LLM 可解释性：概念按物理难度依次涌现，探针几何复原已知物理关系

语料扩容能让固定的RAG系统答案系统性漂移，而总准确率几乎纹丝不动。

因果探针证明宽上下文是陷阱，多轮窄窗口生成带来最高约20个百分点的召回跃升

以传统仿真器八项能力为标尺审计200篇文献，指出状态反馈与物理引擎是结构性缺口

以执行轨迹联合诊断“模型+运行时”配置的能力、可靠性与运行时敏感性

首个原生10240核苷酸上下文的十亿级双向RNA基础模型，统一长RNA表征学习与全长mRNA设计

混合量子启发KAN以更少参数与通信量在联邦ECG分类上稳定超越MLP

仅用蔬菜训练的活体检测器在人脸基准达92.7% AUC，证明PAD学的是采集伪影而非人脸

每时间步压缩为一个世界token、以物理时间为轴的因果序列机器人模仿学习策略

轻量适配器把冻结视觉-语言模型对齐到冻结人脸识别空间，提示词变语义锚点，无标注完成解释与审计。