42位物理学家基于自身研究构建56个端到端任务，测得最强智能体通过率仅27.4%。

去掉视觉编码器，让动作专家直接读取主干不同深度的视觉表征，实现更强更稳的操控。

为CPO光互连四层各配预测控制器并提前于失效行动，集群有效吞吐从65.2%升至76.5%

多轮智能体RL的收益依赖充分交互预算，优势源于纠错恢复与长程韧性而非单步决策质量

首个分钟级公开游戏数据集：1655小时、四级标注，微调即显著延长世界模型生成时长

首个以情景/答案依赖链度量视频对话记忆的基准，最佳模型仅得45.7%

TurnWise 以回合级信用分配与回合均值聚合改进流式视频 GRPO

编码智能体凭一段标定视频在仿真中重建任务，渲染出可直接训练真机策略的机器人数据。

用实例级反思门控与跨轮次奖励记忆，自适应校准多源情感奖励的信任权重

近完美的分布内蒸馏会掩盖能力整合缺口：(M)OPD 的 OOD 表现仍落后于基座模型

自蒸馏中EMA教师的位移可替代Muon动量缓冲，省27–42%显存且精度更高

单游戏训练的解说员搭配查Wiki研究智能体，未见游戏实体召回0.082升至0.116

统一代码、无障碍树与GUI三通道供模型自选，性能与效率双优

独立扩散起草器结合接受度引导剪枝与异步打包起草，最高7.48倍无损解码加速

把多视图重建改成可继续求解的平稳迭代过程，一个模型统一离线、增量、重定位与流式

让模型在潜空间思考、只在工具调用和答案处显式输出，智能体推理更快更准。

无需重训，把模型自身的历史推理改写成紧凑记录，即可显著缩短后续推理并降低智能体成本

以几何锚定与解耦解码器潜动作，让机器人 VLA 从人类演示学会新物体与新技能

用提案树并行化在线蒸馏的采样与打分，草稿验收长度最高提升41.45%。

双智能体通过真机探索把经验沉淀为可复用技能与冻结程序，8任务平均成功率91.1%

速度对抗蒸馏统一分数蒸馏与矩匹配，4步生成SOTA并扩展至33B视频模型

4系数闭式定律预测LLM推理每token能耗，误差较SOTA低3.1–3.5倍，无需逐模型校准

以点云为条件锚定生成先验，用固定物理尺寸窗口粗到细补全任意尺度场景网格

以 MMDiT 文本流为对抗表示、按方面线索引导判别器，把文生图蒸馏压到 1-2 步

跨循环步联合向量量化 KV 缓存并微调码本，0.5/0.25 bit 下接近 BF16 精度

替换感知监督解耦口型重建冲突，全上下文扩散教师蒸馏成两步模型实现高同步视频配音

用尾随滑窗与加宽去噪窗口，让流式视频转音频在对齐与音质上逼近离线模型

模板抽象分离有害框架与实体，规模化生成60语言文化本地化安全数据，暴露并修补非英语安全短板

VLM 只读带时间戳的转录并自主搜证，全模态基准反超直接听音频的 omni 模型

让每层直接复用上一层索引选择、扫描与注意力并行，DSA 解码提速最高 14.5%

单模型统一深伪检测、生成器溯源与同源验证，并给出可逐句核查的取证依据

用 Koopman 闭式传输替代迭代采样，实现单步概率预测，推理快 25 倍且精度领先

准确率无法判断重启是否有益，应以恢复机会、决策价值与统计证据评估失败监控器

在关键决策点向智能体提问而非堆工具，写出超越 FA3/FA4 的无依赖 CUDA 内核

首个无需光栅化器、用Transformer直接渲染3D高斯的神经渲染器可行性研究

构建层次化退化专属LoRA专家与双路由机制，把通用修复模型扩展至2.9B参数并保持可预测增益

两步粗分辨率加一步精修的渐进去噪与阶段级历史复用，实现每小时高分辨率流式音视频生成

用RAG伪标注汉韩语料并两阶段微调，缓解时间偏差，实现汉文史料大规模自动英译

免回放持续学习：以专家轨迹扰动放大风险加权张量重要性，逐张量缩放 AdamW 学习率抑制遗忘