把模态平衡本身作为在线自蒸馏的特权信息，用正负双教师提升多模态推理

用信息匹配的锚点修复在线自蒸馏中师生信息不对称导致的特权幻觉。

揭示 LLM 系统性回避删除代码的偏差，构建 CanItDelete 基准并证明训练可缓解。

三阶段后训练流水线把企业问答可接受率从52.76%提升到91.51%。

把 LLM 裁判升级为教练，用可迁移经验知识替代标量奖励训练模型。

将VLA后训练重构为多租户服务，解耦训练/推理/环境并组批调度，GPU时间降28%

把后训练重构为token级正确性二元分类，提升分布外事实忠实度

用教师与基础模型的概率差作为蒸馏奖励，大幅提升推理蒸馏效果。

Direct-OPD：用小模型RL的策略位移当隐式奖励，低成本提升更强的学生模型

PUST用轻量代理模型探索更新信号再迁移到更强主模型，实现弱到强、可复用的后训练。

通过训练专用ACI实现语言模型的自主端到端后训练

研究后训练阶段对生物推理模型泛化的不同影响

单代理模型梯度联合优化数据混合比例与模型参数，搜索成本降低550倍

通过对比性上下文选择任务增强LLM的上下文 grounding 能力

3B小模型经Spectrum-to-Signal后训练在可验证任务上达到千亿级旗舰性能

首个面向知识与推理密集型视频理解的大规模训练语料库，通过技能导向的QA生成框架和严格质量控制，显著提升模型在知识密集型视频推理任务上的表现

以欠优化区域挖掘与CPT-SFT-RL渐进训练把0.9B文档解析模型推至新SOTA。

通过协同进化策略与解码器解决离散AR T2I模型中的潜在协变量偏移问题

把视觉感知、文本推理、视觉推理拆成三个独立阶段做后训练，VLM 的视觉推理准确率涨、推理链还变短了。

双重潜在对齐框架，解决统一多模态模型理解与生成不一致问题。