把记忆内化为模型原生计算，128K 历史下推理提速 1.86 倍、存储省 66 倍

让机群机器人共享部署经验改进共同策略，无需额外专家纠正动作，成功率提升至93.3-99.2%。

能力层+持久多模态记忆双机制，让MLLM在22个基准上平均提升9.7–12.6分

让智能体策略自己提出脚手架改进方案，交替优化脚手架与策略，实现递归自我提升

自动标注引擎+50小时数据+单次前馈模型，在共享米制世界系联合重建相机、深度、双手与物体位姿。

能力导向合成可执行办公训练环境，支持教师演示SFT与学生交互RL双路训练

把第一视角视频自动转化为可溯源的3D/4D标注生态，大幅提升模型空间与时间推理能力

单轮教师蒸馏加教师强制正则，双管齐下解决多轮编辑漂移

用互联网第一人称视频学导航先验，三阶段训练转化为可执行动作块

提出AnyGoal基准，证明世界模型在重组熟悉状态与动作的新目标下系统性失效

用LoRA微调高达104B的多模态骨干刷新脑编码SoTA，单遍特征提取提效350倍

用可学习参数的有序谱基取代固定坐标前缀做嵌套读出，一半维度即超越全维 MRL。

用标量修正的克罗内克德尔塔法则构建KronLSTM,实现低干扰、有界稳定的长上下文线性注意力

用强化学习训练编排器，按性能-成本-延迟偏好动态决定检索压缩记忆还是委托异构模型按需策展原始历史

递归进化 Agent 框架，在帕累托前沿上同时提升任务成功率并降低约 26% 执行成本

用368万美元真实运筹项目建基准：11个前沿模型无一达到专家交付水平

从损坏latent预测干净目标，让VAE潜空间既保真又易被扩散模型学习

用VLM在符号约束下扩展程序化工厂代码，自动生成开放可编辑的照片级3D世界

把漫画先转成脚本和分镜两份“计划”并对照原格反复审校，再交视频模型生成忠实动画

构建含隐性规则漂移的交互式评测基准，揭示 LLM 智能体主动探索与假设修正能力的短板

首个223任务的Blender三维创作基准，冠军模型完整通过率仅42.2%

首个覆盖四维能力的仿真-现实细粒度基准，系统诊断机器人价值模型的反馈可靠性

提出五轴指标量化物理自我改进,揭示空间推理管起步、感知管恢复的木桶假说

把任务需求建成证据-决策-效果完成图，合成可验证长程任务并用完整轨迹微调智能体

调查与验证分离，先核实状态与轨迹中的证据再下判定，抗奖励黑客且更便宜

用4×4细patch加视角与3D双重分组，让前馈3DGS以更少高斯数重建更多细节

用时序视频基元链把思维链显式锚定到时空证据，大幅提升视频推理分割

以可供性为共享交互表征，让无动作标注的人类视频促进机器人操作学习

从源隐变量出发的流匹配模型，把视频文字去除变成迭代修正，并发布1631段配对基准。

用最终验证结局训练7B小模型监控代码智能体，提前中止注定失败的运行以省钱

仅凭文本拒绝方向，免训练激活转向即可大幅提升多模态大模型的图像与视频安全

复用主干最后一层预测未来token，监督直接落到生成参数，训练省一半还能深度外推。

规则程序裁决动作结果并维护隐藏状态，冻结视频模型只负责渲染，规则遵循率从32%提升到92%

以真实数据Fréchet距离三项约束替代教师，rollout稳定超4000帧

训练递归智能体自己写评分量规，让学会评估反过来提升分解与解题能力

蒸馏训练让编辑模型在自己输出上迭代数十轮仍稳定，不累积伪影

把产线约束变成可控评测变量，五个VLA仿真全零分，工业数据共训练提升真机迁移

在生成、交互、记忆三重预算约束下学习「哪条记忆值得用」，用更少token拿到更高成功率

让智能体在RL训练中同时预测自己未来的动作序列，无需额外模型即可显著提升样本效率。

混合架构预训练中循环层与注意力层竞争学习检索功能，早期冻结循环层可让注意力赢得分工并显著提升性能

解耦场景结构表征并用对比学习判别场景结构，让自监督深度估计首次从混合域训练中获益

安全护栏基准分数主要由标签策略而非检测能力决定，改0.03%参数即可翻转

提示词印记按幂律 $t^{-\alpha}$ 衰减、训练反而加速遗忘，幸存信息全由生成文本本身携带。

单一模型统一音视频联合生成、双向跨模态合成与指令编辑，靠渐进训练和模态解耦双噪声调度。

用损失与吞吐双因子分解指导扩散草稿训练和推理配置，加速至4.14倍

提出四阶段蓝图，推动JEPA可解释性从解码表征走向理解、验证与干预潜在世界

把师生停滞差距编码为自适应边际，蒸馏中显式检测并惩罚小模型智能体的行为停滞。

用共享高斯trellis解码器加逐行范数恢复，把条件记忆查找表压到2比特且性能几乎不掉

66个仿真灵巧任务配1.8万条人类演示，最佳多任务策略仅29.1%成功率

用历史响应层次模型与自适应查询，仅执行10%任务即可精确恢复完整基准分数