通过上下文空间和参数空间双重蒸馏，将大模型的过程式记忆能力迁移到小模型，实现边缘设备部署

通过挖掘社区LoRA构建大规模数据集，实现高质量的风格-内容双重参考图像生成。

揭示 LoRA 缩放因子 α 的主导作用，提出 α*≈C√r 平方根律。

揭示参数化工具检索系统存在知识-检索解离现象，提供诊断框架和缓解方案

将文本技能转化为LoRA适配器，实现高效模块化的LLM代理技能系统

同时更新agent scaffold和权重的自改进系统

LoRA 联合训练实现按输入类型自适应跳过层

提出三轴框架，通过PEFT在万亿参数基础模型上构建百万个人模型实例

将50个视觉效果LoRA蒸馏到单一模块，解决部署成本和特征干扰问题

将外部记忆转化为参数化技能的具身智能体记忆框架

系统研究VLM表征如何影响VLA初始化，提出能力-更新-动作三轴设计原则

Retinex 插值连续伪配对 + 边缘加权 Flow Matching，实现可控低光增强。

用低秩截断与补偿，免训练保护基础模型与LoRA，授权端无损恢复。

在AdamW优化器之上加有界自治控制治理层，压力学习率下保稳定与提速。

商业检测器把base模型续写判为人类，HIP用迭代改写绕过检测

用学习的记忆控制器为冻结 GUI 基座插拔式注入多模态工作与情景记忆

把 LoRA 适配器当作可管理策略单元，让 1T 级别基座模型承载百万级策略目录。

用 Adafactor 对角 Kronecker 预条件子解决 LoRA 因子空间算子奇异性

首次系统分析 Adam 与 Muon 的优化器错配问题,证明 LoRA 可让 Muon 在微调阶段匹配甚至超越 Adam。

提出可查询低秩更新记忆库，用指令正则化路由替代静态LoRA