引擎管规则、代理写玩法、视频模型实时渲染，单卡 RTX 5090 实现 112ms 低延迟可玩游戏

35B MoE 智能体学会任务编排与自主验证，科学基准超越更大闭源模型

对齐循环迭代与任务进度并锚定状态范数，让循环语言模型实现16倍长度外推

首个跨本体移动-操作自我中心世界模型，以相机位姿加投影骨架统一人类与机器人经验

冻结33B视频骨干，双LoRA实现任意结构输入的4步渲染，泛化到11种未见结构表示

VPM多视角世界模型联合预测未来视频与持久3D点轨迹，点监督同时提升视频保真度与机器人操作成功率

用进化档案与双向历史继承对齐智能体大脑与身体，9B模型媲美前沿大模型

训练纠正器迭代修正去噪预测，无需引导即大幅提升生成质量，并可蒸馏消除推理开销。

给现成编码代理装上命令行感知工具包，闭环采集-记忆-解读证据链，五大空间基准全面领先

零初始化残差适配器让冻结全模态模型按步聚焦关键证据，缓解 GUI 智能体的序列干扰

用冻结弱去噪器外推训练目标，把弱到强引导从推理期移入训练期，训练后丢弃引导且不增加推理开销。

首个同时评测跨源冲突、时序冲突与不可回答性的多模态企业QA基准，最强模型仅68.0%

首个为任意骨架联合生成视频、3D动作并自动配准相机的模型JCA

在DCT频域用逐系数Kalman滤波预测跳步输出，配合不确定性调度实现最高6×免训练加速

把三维零件装配当作序列建模任务，用因果LLM加摘要令牌一次前向预测全部零件位姿

用可控对比组与独立验证的答案，暴露聚合分数掩盖的决策模型可靠性差距

要求模型同时给出答案与音视频证据区间，揭示强模型证据定位短板

用量化目标模型自身做草稿，借推测解码多步前瞻预取专家，单卡 MoE 推理平均提速 1.50×

单网络从静态几何自监督学习连续神经蒙皮场，实现跨形状实时物理动画与骨骼补全。

跨会话持久研究的智能体Épi，产出120项数学纪录并以64%成本胜过Codex

用种群进化从无标签任务经验中自动设计智能体接口，27B 模型超越 GPT-5.5

单个去噪器同时提议并评估完整草稿的并行修订，空腔能量筛选候选，6M 小模型超越扩散与自回归基线

首个参考引导流匹配实时流式视频换脸框架：单张4090上21 FPS稳定生成10分钟长视频

将时空视频定位从描述式定位重构为长视频事件级推理，最强模型10分钟下仅5.4% m-vIoU

提出时空绘画变化图，从成品画反推可控的绘画过程视频

Lafa用块级异步连续流适配预训练AR模型，自投机解码带来2.54倍吞吐

元智能体在RL训练中在线诊断并修改环境、用户模拟器与训练配置，实现三者协同演化

用RL训练学生初始化的出题器，生成能最大化教师监督信号的蒸馏问题

在强化学习的同时自适应 harness：生成机制级技能、演化工具与钩子，最终部署模型–框架对。

训练外壳与策略共同演化：归因并修复rubric奖励失效，开放式RL涨3分且训练减半。

对19个VLM逐题配对分析发现：不少子任务上小模型反而比大模型更准

Meta 开源的 30B 端侧智能体模型：蒸馏自前沿教师，4-bit 量化后单卡 32GB 可跑

统一IR基准+分层智能体LEKA，将边缘内核Fast@1.0从13.0%提升至43.5%

把执行状态升级为可跨请求复用的记忆，兼顾长程任务成功率与Token效率

固定模型权重，用成功-失败对比与外部设计检索迭代进化智能体框架，提升重复运行可靠性

ASAP让预训练基座模型不改权重直接跑端到端智能体任务，并给出行为级诊断

复用被丢弃的动作尾部，自适应分配去噪预算，让VLA更快更准

组合任务触发隐式思考预算缩水，长推理任务率先失效，按脆弱性分批可省43%token

TEAL无需标签即可为编码代理演化可复用工具与技能，紧步数预算下大幅提升数据湖问答准确率

用单源种子合成跨源桥接数据,把混合推理能力教给4B小模型,超越397B旗舰

自摘要引用提供轮次信用，组内成败对照校准，稀疏奖励变密集

给模型答案的首Token即可修复两成到一半闭卷错误——许多事实错误是回忆失败而非知识缺失

只存轨迹、按需合成指导并用后即弃，阻断错误在抽象中复现

决策模型控制器使智能体成本升19%而通过率不变，好排名坏校准

时空VAE把体积网格轨迹压缩78倍，扩散模型一次生成64帧物理合理的可变形模拟

固定机位辅助视角加 δ-VAE 残差压缩，让多智能体视频世界模型在分离重逢后保持一致。

以专用视觉模型提取物体级物理量并对照物理定律校验，系统量化视频生成的物理合理性

编译通过≠语义忠实：双LLM评审加人工审计量化八大系统的编译-忠实差距

在共享 GPU 上实时学习采样能耗，让测试时扩展既守预算又不拒答

500小时自我中心人类全身数据加人-机对齐管线，三阶段训练λ₀使移动操作随数据规模单调提升