用图像生成器作美学先验，以设计图解耦奖励训练代码模型生成美观可验证的页面

在无害的图像-文本对上做狭窄微调，就能让视觉语言模型在无关任务上广泛失对齐

用原子化结构单元加“规则+受限LLM”两段式评分，实现可靠的细粒度视听描述诊断

让冻结的LLM/VLM用技能、知识记忆与多模态知识库从部署经验中持续进化

冻结大模型读括号编号后缀即是校准决策模型；微调只补短板，KL 锚点防行为退化

用CTC单调对齐显式编码时序，让LLM在结构化证据上推理，免参考评判口型与文本是否匹配。

跨异构环境情节式预训练出的冻结路由器，仅凭行为上下文即可适应新领域、新模型与新模态

VoxPolyMem：交互感知多方口语记忆框架，配合证据增益EG-GRPO检索策略大幅超越基线

用模态锚定与冻结塔交替训练，把音视频联合生成RL解耦为两个条件单模态子问题

把早期解读存为待验证声明，音频证据到达后验证、纠错并择时作答

用NDR覆盖感知指标评测20个VLM把K线证据变成交易建议的全链路可靠性

多维刻画实体稀有性，推理+迭代检索的免训练框架超SOTA 6.9%，稀有实体最高提升23.3%

让VLM先生成因果推理图代码再作答，幽默理解提升1-20%

基于一年真实移动经验的设备端记忆基准与KEME数据合成框架，现有记忆系统远未达标

用GNN+ViT+GRU联合建模冻结VLM内部计算轨迹，实现词元级幻觉检测与解码期干预

397B 参数科学智能体基础模型：多模态科学理解、可验证强化学习与长程智能体训练的统一

单一模型同时支持自然语言设计声音与参考音频克隆声音的多模态语音音频生成系统

3B参数把内容审核统一成yes/no问答，策略自适应且刷新多模态SOTA

从人教版教材抽取课程知识图谱，统一支撑教育大模型的评测与微调。

Wan-Streamer v0.3 将视频分解为世界与事件流，实现通用预训练可迁移的实时音视频交互。