新增行为推理基准，揭示智能体面对工具映射漂移时迷信穷举搜索而非演绎。

让多模态大模型学会按需调用视觉工具，既不过度也不漏用，真正提升能力。

三阶段框架让VLM先调用专业视觉工具，再把工具能力内化为无工具推理。

用协同进化的技能库协调出题与解题双方自博弈，破解LLM自进化的多样性与验证困境。

给冻结大模型挂两个轻量头，从隐状态读出能力判断与干预决策，大幅降低调用强模型的成本。

发现多教师蒸馏会把工具调用边界推向过度调用，提出 Soft Clamp 局部校准方案

研究发现工具调用与JSON Schema约束同时启用时，多个开源模型完全停止调用工具的现象

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。