低维中间状态+并行rollout近似，刷新像素空间AR生成SOTA

通过训练时范数约束抑制RL post-training的感知质量退化

通过硬路由和单查询场匹配，实现多能力图像生成模型的统一蒸馏

通过统一智能体框架解决文本到图像生成中的上下文差距问题

提出统一训练框架NANOGEN和综合基准DIFFUSIONBENCH，揭示ImageNet和文本生成图片性能不相关

通过挖掘社区LoRA构建大规模数据集，实现高质量的风格-内容双重参考图像生成。

提出判别器引导的强化学习(DRL)，在不依赖人类偏好的情况下修正流匹配模型的分布偏差

用时变2D-DCT低通掩码为像素空间整流流扩散提供无参数输入先验，显式化移动的频率边界。

单一离散视觉 token 实现理解生成统一的自回归框架

首次提出RefGC-SR²任务，利用原始高分辨率参考图联合修复生成伪影并提升分辨率。

用 Noisy ViT 编码器统一视觉空间，解耦扩散解码器与文本解码，实现理解与生成的协同提升。

首个多智能体框架，通过规划-生成-批评流程赋予任意图像生成器交错生成能力

首个在单个ViT中统一图像视频tokenization的UMM框架

将8步扩散模型蒸馏为2步生成器，通过三种技术突破2步生成的质量和稳定性瓶颈

融合浅层与深层特征实现高质量离散视觉token

用统一离散视觉token实现图像理解、生成和编辑的自回归模型

通过预测理解表示来指导像素空间生成，消除VAE瓶颈

用代码作为画笔，将图像生成分解为概念化、草图和着色三阶段

提出DLA模块和多阶段去噪策略，整合MLLM与VAE实现高质量主题驱动图像生成

发现自然图像语义信息集中在方向分量，提出超球面流匹配 SFM。