跨五个域系统研究模型生成技能全生命周期，揭示评估器能力与执行能力无关，并提出元技能显著提升技能质量。

用蓝图+21视图+FEA 反馈，让 LLM 智能体生成满足工程约束的 STEP 装配体。

用全轨迹后视分析挑选失败步骤，仅在相关动作片段做反馈条件蒸馏。

提出生成式记忆策略，让LLM智能体学会何时需要记忆辅助以及如何生成任务相关指导

立场论文：把交互式评估从基准格式升级为设计科学，提出E:X→Y框架与两轴分类法。

首个端到端联合优化设计者与执行者的自动多智能体强化学习框架。

用LLM智能体自主设计混合LLM架构，在1B规模上以原创的AIRAformer和AIRAhybrid结构超越Llama 3.2与Nemotron。

提出可量化指标 ECC 与交错训练策略,系统性解决 LLM 智能体在新环境中的过早利用失败。

STALE基准诊断LLM智能体在隐式冲突下识别与更新过时记忆的能力。

把检索基础设施作为可演化的动作空间,LLM 诊断模块自主闭环改进。

LLM驱动的多智能体预测框架，分宏观与微观双视角合成预测

用结构化策略记忆让固定安全护栏在部署期持续学习稀疏用户反馈。

EAPO 教会 LLM 智能体在不确定时才探索，4B 模型在 GUI 任务上击败 GPT-4 级对手。

本地可逆假名化+类型化占位符，让云端记忆系统看不见明文却保留语义

LLM持续改写记忆库反而会损害性能，应把原始episodes当作一等证据并门控抽象过程。

首个智能体价值评测基准，发现价值潮汐受harness与技能深度调控。

面向长会话智能体的记忆评测基准，揭示所有系统依赖推理崩塌。

首个面向已构建RAG知识库的强化学习后精炼框架

用响应级熵代理实现无监督信用分配与自适应探索-利用切换

异源模型对审的ML研究harness，把长程研究拆成65+可审计技能。