学术突破、AI+科学与具身智能
研究LLM在上下文学习中的概率自洽性，发现广泛违反一致性原则。
提出架构感知的执行栈，在固定GPU预算下实现百万token级RL后训练。
首个由盲人第一视角视频构建的MLLM评估基准。
提出弱监督框架SUFLECA，实现零样本CAD到图像对齐，性能超越全监督方法。
提出HDR框架，通过分层潜变量实现因果视频生成中的多步推理。
探讨如何用视频生成模型构建交互式游戏世界。
提出融合语言与视觉想象的具身认知基础模型。
提出迭代RAG框架，从法规描述自动生成可执行场景脚本。
首个从纯视觉演示中学习复杂推理、物理动态和长期规划的框架。
研究质疑现有智能体框架演进评估方法的有效性。