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。

构建 Claw 风格个人智能体训练数据合成、SFT/RL 训练与基准评测的端到端可扩展框架。

通过分析基线智能体失败轨迹动态选择专用子智能体子集，在 τ-bench/τ-trait/ACEBench 上为开源 LLM 带来最高 27% 的成功率提升。

用两阶段RL课程让多模态大模型自主掌握视觉工具调用以解决复杂视觉推理

1978个MCP环境+19822工具,GRPO自演化闭环训练,23个基准全面领先开源基线。

端到端语音模型集成推理与工具调用，任务完成率从34.88%提升至74.57%。

用LLM模拟100个职业场景，跨10大行业测评15个前沿智能体的鲁棒性与行业专长。

评估Computer-Use代理多步执行轨迹级安全性的2,653实例基准

大模型先做决定再找理由

金融场景下LLM调用MCP工具的评测基准，含613样本与65个工具

提出轨迹感知进化方法T-MAP，发现LLM智能体在多步工具执行中的真实攻击漏洞

通过工具调用按需检索高分辨率裁剪区域，实现VLM高效推理

通过筛选高方差轮次和功能等价奖励，将SFT轨迹转化为高效RL训练，实现4倍计算节省同时保持OOD泛化

通过四阶段交互协议和双轨GRPO训练，让LLM自主探索未知数据库并生成准确SQL