仅用15k合成积木题训练，LVLM域外空间推理全面超越空间专精模型

开源Nemotron流水线纯自然语言证明获IMO 2026金牌（30/42分）

把多镜头叙事从时间轴搬进空间网格，联合生成长视频

纯后训练专用模型家族，单次调用生成幻灯片与可交互课件，用可执行探针把交互性变成可测量的奖励信号

把执行轨迹建成状态图，定位首个偏离断点，仅对恢复段做局部监督的自蒸馏框架

用统一数据对象 (E,q,τ,v) 与 ACE 框架把智能体数据生成重构为受限分布设计

进化策略比GRPO推理覆盖更广：升Pass@1同时保住Pass@K，大参数漂移不等于灾难性遗忘

把参考答案拆成原子量规条目，为VLM后训练提供细粒度、前缀定位的RL奖励

将标注作为oracle加入RL组，解耦优势估计防反转，免CoT高效训练统一视频感知。

将真实CVE转化为可执行数据训练OpenAegis，CyberGym通过率达58.1%

用独立估计的推理进展排序检测并屏蔽误导性蒸馏监督，显著提升 OPD 推理能力

重构技能场景并以真实容器状态对齐工件，合成高密度可验证终端任务

三阶段后训练把文档语料内化为参数知识，免检索答题同时保住通用能力。

把黑盒智能体框架当作不透明环境，用沙箱、服务代理与前缀树实现稳定的智能体RL

固定免记忆近窗推理，用思考模式蒸馏与线索门控让4B学生追平9B教师

训练时预测未来视觉嵌入、推理时直接作答，精度持平或超越Visual CoT且延迟降5倍以上

反转师生不对称方向：教师看原图、学生看增强退化视图，用视图落差当免费蒸馏信号

397B 参数科学智能体基础模型：多模态科学理解、可验证强化学习与长程智能体训练的统一

用对抗学习的动态表征补足静态Fréchet目标盲区，抑制Fréchet hacking

让统一多模态模型自主推理、调用工具并原生生成图像。