CRESiST把大模型同声传译从“前缀追加”改成语音块与译文词交错的读写序列，使KV缓存可以整段复用，不再依赖语音活动检测切句。它用RNN-T作为Actor采样读写轨迹，由带Router与Refiner的Qwen2.5-omni-7B作为Critic给出语义一致性与时延奖励，再反向蒸馏回Actor。在MuST-C与ACL 60/60上，无分段流式结果比有oracle分段仅低1–2个COMET点。
视觉验证器长期只输出真或假的二值判断，难以区分不同程度的部分正确。OmniVerifier-C1把复杂提示或环境规则拆成细粒度子问题，逐项做二值判断后按满足比例给出连续分数，并用解耦强化学习同时优化子问题判断与全局对齐打分。在ViVerBench上，以Qwen3-VL-8B为基座、经分级监督微调再加分级强化学习的版本总体得分为0.684，高于仅用二值强化学习的0.671。
掩码扩散语言模型在小响应窗口下会在推理尚未完成时先固定答案片段，这一提前承诺随后成为后续预测的上下文。HiLo-RD 让同一模型的大窗口轨迹充当冻结教师，把其隐藏表示对齐到裁剪后的小窗口视图，在已提交位置上做表示蒸馏。在相同小推理预算下，GSM8K 准确率从 68.84% 升到 78.24%，平均可读长度从 362.8 降到 271.3 个 token，增益还延伸到未做代码域训练的代码生成。
实时视频转音频长期受制于两处瓶颈：视觉前端为压低预看延迟而缩小感受野，因果扩散后端又逐块独立去噪，导致音画对齐和音质都落后于离线模型。LiveFoley 用尾随滑动窗口把现成的非因果片段级编码器改造成流式模块，无需重训练即可把前端预看降到 0.08 秒，并在后端把去噪窗口向历史扩展。在 VGGSound 测试集上，LiveFoley-48k 的 DeSync 为 0.48，与离线 MMAudio-L 的 0.47 相当，单张 A800 上端到端延迟 156 毫秒。
肝脏CT诊断模型通常直接从图像预测疾病标签，因此只能识别训练中出现过的病种。DbC把诊断拆成两步：先学习一组放射学征象在扫描上的分布图，再按指南把疾病定义为若干必需征象的组合，用无参数的软最小值算子合成诊断图。在多期肝脏CT上，对训练中完全未见过的六种疾病，DbC的病灶定位显著优于包括图像—疾病名对齐模型在内的全部对照，并在另一机构的罕见病和公开外部队列上保持优势。
视频扩散模型在镜头移动或物体运动时容易丢失场景几何，原因是跨帧注意力常把响应分散到多个区域，无法稳定指向同一景物。GAD把冻结的几何基础模型VGGT-在干净视频上的注意力提取为对应关系目标，并按噪声时间步把监督路由到场景结构正在形成的层，用成对与跨轨两种监督训练视频注意力。在RealEstate10K与DL3DV-10K的15秒长程生成上，Wan2.2 5B加入GAD后跨帧匹配命中率在两个数据集上均至少相对提升30%，且推理时不增加额外模块或计算。
淘宝“猜你喜欢”的排序不再只对单一业务的截断候选集生成列表、再交给跨业务混排拼接。UGR把每次请求约一千个自然内容、广告和其他业务候选放进同一次自回归生成，并在训练中单独建模历史广告曝光、服务时再叠加当前广告价值。在淘宝猜你喜欢的线上A/B测试中，UGR相对生产基线把核心IPV提升1.76%、成交笔数提升3.29%、GMV提升2.10%。
大模型补知识正从预设流程转向由评测引导的定向更新，但定位到薄弱点并不等于知道该用哪种干预。递归知识改进（RKI）把知识组织成图结构单元，在每一轮定位薄弱点、依据诊断证据与干预历史估计模型当前的知识状态，再选择对应干预并在更新后重新评测。在HotpotEval与SafeInternalEval上，RKI相对已有知识注入方法平均高出18.41分；分析还显示知识状态能为干预选择提供薄弱点定位之外的额外指引，且模型更新后状态可能改变而观察到的薄弱点仍然存在。
智能体用实验反馈迭代数据工程策略，在数学与代码数据筛选、数学奖励设计和数学课程学习四类任务上，选出的策略在固定训练条件下于AIME25 Pass@32最高比通用基线绝对提升13.34%。
多轮智能体蒸馏把教师监督改挂在交互状态上，只保留已执行动作与环境观测，Qwen3-4B 学生在 ALFWorld Seen 上以 43.39% 反超其 32B 教师。