利用分块间静音空闲预解码下一块，音频到达时一次前向验证，提速2.6-2.8倍、工具调用最高23.4倍

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%。

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%

用波前流水线并行块级去噪与缓存刷新，每轮前向产出一块视频，动稳兼顾。

免训练的预测一致性证书决定每步是否读图：0.35×FLOPs保住99.6%分数

用 BPE 无损压缩语音 token 并后训练适配 SDM，解码器不变实现约 1.7 倍生成加速

0.62M小模型学习DLM提交顺序构建草稿树，共享噪声验证实现最高3.4倍无损加速

编码器离线压缩物品为单向量、排序器在线个性化打分，共享前缀推理使吞吐达全文教师60倍。

用10倍小的Mamba动作专家替换π0.5，去噪延迟降64.8%，LIBERO成功率反升1.08点

受控研究揭示去掩码策略设计规律，提出轨迹收缩监督，856K小策略显著加速dLLM解码

降低舍入频率并按通道对齐分组，免训练实现四比特线性注意力状态量化

以最终视频误差标定各层各步的稀疏敏感度，在延迟预算下联合求解密度分配表

深度研究智能体换扩散骨干后端到端提速约6倍，报告质量不降

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

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。

把大块双向预测缓存为可撤销的未来，兼顾大窗口质量与细粒度低延迟交互。

首个在完全离散空间用多码本视觉token统一图像/视频/3D理解与图像生成编辑的扩散语言模型

训练无关的联合查询-键子空间打分加免聚集逐头注意力，逼近全KV精度并最高提速6.43倍

用轻量潜空间自编码器对齐异构生成器的状态与去噪速度，实现冻结模型间无缝轨迹交接

以token级KV选择加锚点缓存残差补偿，免训练实现视频/3D扩散生成2.32倍提速且画质无损