独立编码候选、状态读取候选记忆的决策原生架构，统一实现空答案感知、置换不变、可扩展与缓存复用

把城市级3D定位从候选排序重构为VLM智能体的主动空间搜索，用强化学习学会看哪里、何时答

以79槽共享解剖动作空间联合训练，一个基础模型同时充当世界模型与跨本体机器人策略

用共享打分头替代自回归解码，统一时序定位与视频问答，推理提速最高129倍

用 log-odds 累积参数化重构 PPO 评论家，显式建模价值演化，推理提升 7-10 分

把10万用户真实行为变成训练信号，35B模型用户理解与通用能力双提升

双层递归让智能体脚手架在无真值反馈的开放世界中自我改进并积累跨任务经验

用分数上界证书无损剪枝稀疏注意力索引器，Indexer最高加速2.74倍

混合5%与50%双掩码率并解耦LM头，首个分类与检索同时SOTA的编码器

在玩家-组-全局三层注意力通信下，实现一致、可控、抗干扰且可扩展的多玩家视频世界模型

同一扩散模型在易/难两个噪声水平自评，用相对误差优势自适应重加权样本、噪声间隔与频域权重

先构建已知正确的潜在世界再反向渲染任务，用进度势函数把稀疏终端奖励变成每步密集奖励

把层级通道前缀放到全局时钟上错峰去噪，让 64×/128× 极端压缩成为扩散模型的算力优势

提出图像事实性评估新任务，训练ReAct智能体检索外部证据验证图像内容真伪

让注意力感受野随去噪从粗到细演化，免训练实现高效高分辨率文生图

首个以代码构建可运行3D世界来评测模型理解与实现能力的基准

从真实工具失败中挖掘反思元技能，经三阶段训练内化，让8B智能体在噪声环境下主动反思与恢复。

最优记忆模态随交互步骤变化，SwitchMem据此逐步动态路由文本或图像记忆

离线把视频压缩成可复用的帧索引特征缓存，33M 轻量联合编码器在线重排，实现高精度低开销视频检索。

以Jev作快速证据判断的系统一、GPT作研究规划的系统二，用更低成本更快完成固定语料问答与文档排序

用组合重放修复训练环境，再以轮次级进度信号训练长程办公协作智能体

用图像生成器作美学先验，以设计图解耦奖励训练代码模型生成美观可验证的页面

工具增强SFT+GRPO后训练与有效性门控，让8B模型按需取证、拒收无效测量，胸片推理SOTA

混合注意力让一步VSR单卡免分块跑4K，Ry-DMD用黑盒奖励对齐蒸馏

无需外部教师模型，智能体在沙箱内自造任务、自我训练、自我诊断，形成闭环持续进化。

以剩余待生成token数为进度信号，在多轮RL中实现步级信用重分配

单一模型统一指令跟随与生成，分片自生成指令、执行过滤并同步更新，递归自改进导航

以调和延拓为基,学习无量纲残差先验并恢复物理幅度,实现跨几何家族零样本运动补全

给自蒸馏教师加“反思”系统提示以削弱特权信息的捷径偏置，平均Pass@1提升3.9个百分点

用50段真实视频与360个标注片段考核12个前沿模型以智能体方式重建可编辑动态3D场景的能力

以相对信息增益密集奖励与思考-阅读交错机制强化长上下文推理

把GUI世界建模从重建未来屏幕改为潜在空间预测动作后果，成功率最高+12.5点、延迟降低98.9%

可穿戴视觉-运动-触觉系统采集100小时人类移动操作数据，C3管线将全身重建误差降低71.9%

纯在线回归蒸馏配训练专用 Pivot 残差与教师排斥项，4 步生成媲美甚至超越多步教师

一个模型同时学世界动力学与动作策略，规划快32倍且接触任务成功率大幅领先

加性聚合让评分表RL只涨分不涨质量，协议级合取分组与失败条款修复奖励

用软件演化找出智能体友好接口三属性，自动合成接口使成功率升、token省73%

用257M潜空间世界模型把VLM潜动作规划翻译为预测未来，直接引导动作专家生成

冻结模型权重，联合演化多模态智能体「看什么」与「怎么读」，八基准平均提升6.1分

把视频推理变成多轮“找证据-接地证据-推理”的智能体过程，RL奖励每次检索的证据增益

用三分支注意力与提示分解在预训练时隔离不安全概念，推理时拆除该分支即得安全模型

35B MoE 语音模型统一导戏、改戏、配音、编辑与流式合成，仅用单一人类偏好奖励对齐

让终端智能体从自身失败轨迹学习恢复，SFT冷启动加在线RL实现自我改进。

跨任务继承轻量actor-critic并用蒸馏保住旧技能，新任务更快学会且几乎不遗忘。

用单一FOV校准的深度一致性奖励，同时提升视频几何一致性与画质，训练推理皆可用

首个编码智能体越界行为基准：揭示不读依赖就动手，CODE-KIT 最多降 52% 越界

冻结时空编码器加轻量打分头，以排序、回归、锚定三重监督学习连续且刻度稳定的物理违和度评分

训练无关的帧打包方法：以异构分辨率把任意长视频压入固定token预算，常数内存且更准

把RL环境设计变成终端任务，让智能体自建训练环境、实现递归自我提升

六大前沿 Agent 功能通过率近九成，功能与安全双达标最高仅 25.1%。

评测真实生活与办公场景深度研究智能体的中英双语基准，最强模型仅得63.4%

冻结具身模型，让外围框架从交互轨迹中自我进化，成功率最高提升33.3%

以粗点云为全局脚手架分块生成，从无位姿多视角图重建带PBR材质的完整场景网格

在锚点引导共享空间中联合多视图重建与3D生成，从无位姿稀疏图像产出高保真完整3D资产