把事后轨迹的教训蒸馏为交互前预判，让全对或全错的轨迹也能产生学习信号

nanoMuse：把完整个人智能体装进每台设备，开源、带屏幕之手与 Sentinel 审批门控

先AR视频预训练再保留因果结构适配动作，19.2秒历史让GR-1成功率提升15.4点

四智能体闭环加编码原生玩家，把可运行的游戏原型迭代成好玩的产品级游戏

双潜空间表示+DiT特征对齐，token压缩约8倍，质量持平且推理提速11-15倍

融合语言推理、视频生成与动作预测的统一世界-动作模型，并揭示人机共训练缩放律

以邻域几何与物理关系为条件自回归生成每个物体，从单图重建物理一致的3D场景

给自生成问题加上有效性与新颖性双重质检，让推理模型自进化十轮持续涨点

给上下文写入与去噪分配独立参数以消除梯度冲突，5秒训练外推生成24小时视频

为终端直连工作区的LLM智能体配备环境侧账本，让读过的内容撑到交付

按误差寿命分配精度、按关键行影响做双轴缩放，6bit状态量化近无损且省显存68.7%。

借鉴欺诈菱形理论，用中性-诱导配对实验系统测量LLM智能体欺骗何时更易发生

84项仿真任务检验智能体把数字能力转化为可靠机器人执行的程度，最强模型成功率仅19.0%

432条双语密集文字提示与整图VLM评审，全面检验图像模型的长文本渲染能力

冻结大模型借物理执行反馈递归改进工具与技能，无需更新权重即可大幅提升机器人成功率

教师即隐式奖励模型：在线蒸馏只放大既有能力，偏好偏置导致奖励黑客式坍塌。

以41个可执行参考游戏构建247个任务，用运行时证据加视觉评审评测六大模型的游戏开发能力

并行编码器加逐token循环解码器，计算路径随序列增长，长度外推远超Transformer

用闭式标量伴随免去逐步VJP，微调流策略做离线RL，OGBench最难域提升18-35点

从零预训练3B像素空间文生图模型并转换FLUX.2 Klein，细粒度下游任务未见像素先验优势

面向交互式世界模型的模块化框架，因果流式合成100ms立体声并支持中途改写文本指令

用PI敏感步骤选择与特权行为保持，阻止多轮自蒸馏部署中的性能坍塌

以几何条件化的下一尺度自回归替代扩散去噪，高效生成稀疏视角多视图

首个商品广告视频生成数据集与基准：30万条三元组、六维诊断评测体系

把网页智能体每步视为解析-执行-反馈-观察四阶段往返并加固，得分从31升至57

训练行为逼真的用户模拟器作为智能体RL环境，配合教练式自蒸馏提升跨用户泛化

在rollout阶段混入更弱负策略的序列，不改蒸馏奖励即为OPD补上负向信号并全面提升

从位置偏置视角解释混合架构为何擅长长上下文，并提出滑动窗口线性注意力实现16倍免训练外推。

把测试时扩展目标从单维帕累托前沿转向用户三维需求的联合满足率，并用跨用户经验复用摊销策略发现开销

用一阶球谐、显式二阶运动与深度序证书，在手机GPU上实时渲染静态与4D动态场景。

干将智能体把衍射分析经验固化为可验证的技能，物相鉴定与精修全面领先基准

用因果过渡CoT数据加工具增强GRPO，让4B模型在视频事件预测上以小博大刷新SOTA。

单一模型同时输出质量分数、16×16缺陷网格与可读解释，统一生成与编辑评估

用半事实扰动下的token概率稳定性修正GRPO优势，实现细粒度信用分配，提升推理与鲁棒性

用四叉树分词器按区域复杂度自适应分配视觉token，兼顾空间对应与自回归生成

草稿模型自信时连续多轮草稿、合并一次验证，无损加速5–41%

把文生图智能体框架学到的提示词经验蒸馏进扩散模型权重，实现框架与模型持续协同进化

VLM助手调度学习、算法、优化三类工具，从网格零失败重建可编辑CAD程序，六基准全面领先

以采样器为锚的 KL 正则策略优化：免 critic、单 rollout，适配异步智能体训练

用相位-步骤-动作三层结构指导数据微调VLM，让AI助手既懂开口时机又会调整指导粒度。

用适应度驱动的技能生命周期让技能库与RL策略协同进化，退役过时技能并变异重塑中等技能

显式继承有用工作流与未变执行结果，让多智能体系统在测试时低成本进化

将生成的语义证据边界作为嵌入读出位置，12项MMEB检索任务平均Recall@1达76.9%

用教师减基座的偏移替代端点目标做MOPD，目标更近更均衡，省35%算力

MIDI合成监督+结构化解码+自回归蒸馏，从音频直接转录连贯完整的主旋律谱

KV状态加密落盘、字节级零重算恢复，5000万token记忆比重算快2.8–4.3倍。

仅凭每页上千个patch向量构成的索引,攻击者可重建整页文档并98.4%命中来源页

共享策略同时学执行与提技能，用既有轨迹的动作似然对比免额外rollout评估技能

把条件记忆变成可编辑知识接口，联合更新共享n-gram嵌入实现近乎完美的知识修改

同等 token 预算下，广覆盖问题比重复读取使策略对比标准误降低33%

把强化学习从找单个解扩展到从验证器位恢复全部最小充分解的关系型信用分配方法

状态条件LLM策略逐步生成CAD程序，IoU引导树搜索精修局部编辑，网格到CAD重建全面SOTA

首个目标导向具身探索基准：五大前沿模型最高仅23%成功率，瓶颈在探索决策而非执行。

从一段双人舞视频学会让机器人跟随真人舞伴并柔顺共舞