通过学习最小充分域表示，从少量参考样本生成高质量领域特定数据

在冻结MERT上训练旋律/节奏/音色三解耦头，实现可控可解释的音乐相似度。

仅用轨迹级监督就能发现失败动作，VLA失败检测SOTA

用 Gemini 多模态底座统一文本/图像/视频/音频的稠密嵌入表示。

将英语对比偏好调优扩展到多语言场景，无需为每种语言单独标注偏好数据

SMART框架让单向量嵌入模型直接获得多向量检索能力，无需重训练。

机制可解释性研究：相同编码器下评分机制决定作者信号的固化深度，造成四倍性能差距。

反转CoT顺序：先给草稿答案，再用连续嵌入作对比验证器触发反思

PUMA用推理级语义冗余检测替代单一答案信号，平均减26.2%token不损准确率

用外部 AuralFuser 模块给 SAM2 注入音频，金字塔提示避免稀释。

用层次化记忆树+对比投影器为大模型Agent精准划出安全/恶意决策边界，零训练、低延迟。

首个统一表格分类与检索的通用嵌入模型 TabEmbed，及配套的 TabBench 基准。

首个将SPICE网表、原理图、功能描述三模态对齐到统一语义空间的模拟电路检索框架，平均R@1达75.2%。

用双编码器VAE+可解释判别器,显式分离作者风格与内容主题。

极性反转合成对偶指令，305M 模型在 FollowIR 提升 45%。

用词义具象度指导硬负样本生成并修正InfoNCE梯度失衡。

首次将场景图嵌入洛伦兹双曲流形并引入蕴含损失，PP/Graph IoU 提升超8点。

提出Seeing Through Touch框架，用局部视觉-触觉对齐实现触觉引导的材料分割。

用语音驱动情绪，跨模态学习语义向量差生成未见过的情绪表情

利用T2I一致风格映射，构建170K风格/400K内容的1.4M风格配对数据集。