通过显式账本和策略门解决工具调用智能体的状态跟踪和策略遵从问题

用 rollout 级冲突过滤 + query 级重加权，解决多奖励聚合中正负优势互相抵消的难题。

让MLLM学会何时调用、验证、信任世界模型的视频推演来预测未来。

首个面向真实个性化MCP工具的智能体评测基准，揭示SOTA模型仍难及格

12B参数MoE模型，仅激活2.5B参数，实现代码生成和工具调用的IDE部署级效率

首个评估LLM异步多任务工具调用能力的基准，揭示延迟反馈对代理性能的显著影响。

为多奖励GRPO引入方差自适应权重，兼顾训练稳定与目标协同

首个支持单轮并行多工具调用的视频智能体RL框架PARA-GRPO，破解工具先验悖论。

提出基于验证器失败诊断的智能体-环境协同共演化框架 SEAL，用同一诊断信号同时驱动训练接口进化与策略梯度更新。

训练4B RL编排器动态组合专家模型与层次技能，平均70.1%超越GPT-5

提出工具编排视觉经验蒸馏，让图像生成智能体自我进化。

工具增强VLM智能体+统一视频DiT，解决视频编辑请求欠指定难题

提出 HarnessAudit 框架，把整个执行轨迹而非最终输出当作安全审计对象，并通过 210 个真实任务揭示主流 LLM Agent 系统在合规、执行、保稳三方面普遍存在的偏离。

用检查表引导的自训练规划器+VLM奖励驱动的工具编排器，解决抽象长程图像编辑难题

SLIM：把外部技能集当成可训练变量，动态增删扩展

首个把视觉证据当作搜索中枢而非终点来评测的多模态搜索基准。

用轮次分组归一化与自适应裁剪改进智能体强化学习的过程信用分配

NCBI/Ensembl/UniProt生物医学工具调用数据集，4B模型反超GPT-5.1

首个开源多模态深度搜索智能体训练配方，含数据管线、七工具环境与致命感知GRPO

Z.ai发布原生多模态智能体基座,集成CogViT与多任务RL。