从40,000小时游戏视频训练的跨游戏通用AI代理

提出MindWatcher，一个能自主规划、调用多模态工具的智能体，通过持续RL训练和改进的GRPO算法实现SOTA工具推理性能。

提出认知启发的三阶段框架，通过知识内化解决视觉数学推理中的推理漂移问题

大规模视觉Web智能体训练环境，简单RL训练超越GPT-5

通过解耦的Thinker-Generator架构和两阶段强化学习，显著提升图像生成的推理能力

LG AI Research推出的236B参数MoE多语言模型，支持256K上下文与六种语言

提出三组件框架解决VAR模型RL训练中的异步策略冲突问题

通过门控自适应正则化和多样性感知优化，解决扩散模型RL微调中的奖励作弊问题

7B参数混合架构模型实现SOTA推理性能

首个RL框架实现文本指导物体平移、旋转、缩放

通过对比感知损失增强VLM视觉推理能力的RL微调方法

解决LLM智能体高配置成本和静态能力问题，实现自动生成和持续优化的模块化框架

提出DualityForge框架和DNA-Train训练方法，通过生成反事实视频对抗MLLM的语言先验依赖，显著降低视觉幻觉

首个通过RL训练的端到端多模态智能体VLM，整合图像搜索、文本搜索和图像裁剪工具

提出分布创造性推理DCR框架理论性解决大语言模型推理训练中的多样性崩塌问题，保证收敛到多样化平衡点。

重新审视交叉熵损失，通过奖励重塑策略发现精确导向的预训练分布更利于强化学习的探索空间，提升推理性能。

构建ALE生态系统训练ROME智能体模型，提出IPA算法实现长horizon任务优化

从新闻自动生成开放端预测问题数据集OpenForesight，用GRPO训练的OpenForecaster8B在预测准确率和校准度上媲美更大规模的专有模型

提出FIGR方法，将可执行的图表构建集成到多轮推理中，通过强化学习学习何时以及如何外化中间结构作为视觉状态。