将标注作为oracle加入RL组，解耦优势估计防反转，免CoT高效训练统一视频感知。

三系统架构+3.7万小时异构数据一阶段预训练，协同理解、预测与行动的具身基础模型。

两阶段训练的多模态嵌入家族：2B 超越 8B 基线，9B 以 80.6 分居 MMEB-v2 榜首

用奖励梯度构造有界正负中间目标并在线自蒸馏拟合，把图像级奖励变成显式可诊断的监督。

将Harness优化建模为离线学习，用失败轨迹驱动诊断、修补与进化，产出持久更新

token级干净上下文蒸馏使最强自适应注入ASR从94%降至9%且效用无损

将真实CVE转化为可执行数据训练OpenAegis，CyberGym通过率达58.1%

用经校验的工作记忆驱动技能调用，以结构化证据定位失败并定向演化记忆，实现冻结模型的递归自我改进

通过有界价值头、蒙特卡洛目标与长度自适应GAE，让单样本Critic强化学习稳定媲美GRPO

用一个 ReLU 门控把在策略蒸馏改造成合法的 RLVR 方法，零新增超参数

固定元操作Ω并递归作用于其自身输出，构建深度自增长、角色涌现的自我提升智能体栈

LAION 发布 1000 万小时开放视频数据集，一源三用验证视频、音频、图文预训练

构建G2WEngine数据引擎与免掩码GameCleaner，剥离游戏HUD提升世界模型数据质量

首篇智能眼镜系统综述：以感知-状态-行动闭环为纲，提出L0-L5能力分级与九维部署评估框架

算法专家智能体接力协作，用公开测试反馈逐步修复竞赛代码

CRDT 共享工作区加显式协调层，抑制多智能体弃坑失败并提升质量

语言交接会保留约束的语义内容，却悄悄剥夺其行动强制力，造成工作流状态传递失败。

用无超参方法把智能体轨迹压成小型FSM，统一支撑下一步预测、失败预测与运行时监控

智能体与批评者共享参数交替进化，在轨迹中主动纠错，领先最强RL基线2.1 EM

不替换现有推荐流水线，用意图引擎+元引擎+双重奖励回路实现淘宝首页GMV提升1.31%

免训练的熵谷选择器：解码前用全掩码平均熵为掩码扩散翻译自适应挑选目标画布长度

API 逐参数对齐 scipy.ndimage 的 CUDA 形态学、距离变换与最优输运加速库

把LLM前馈层改造成任务专家，任务级路由让1B模型超越8B基线且可即插即拔增删任务。

无中央协调的多智能体科学社区自主做出五项超越现有文献的数学新结果

把未来想象压缩为潜在动作意图序列，性能追平 Joint-WAM 且延迟降低 42.9%

直接问答测得的记忆准确率与用户满意度脱钩，自然融入才真正相关