多变量时间序列异常检测长期依赖重建残差，但残差只说明一段观测能被还原，不说明各通道之间是否仍像正常时那样互相解释。CLOSURE 把可重建性与跨通道一致性拆成两个各自用正常数据训练的预测任务：一路用离散正常基记忆条件化的扩散重建器打分，另一路让每个通道只由其余通道预测，再用正常数据校准把两路分数合成。在 SMD、MSL、SMAP、SWaT、PSM 五个公开基准上，其 Aff-F1 均高于所列方法，其中 SMD 为 88.13。
在线策略蒸馏让学生自己生成推理轨迹来训练，但学生的前缀可能带着错误或教师不熟悉的写法，前缀越长，教师逐词给出的监督越不可靠。SPTA在蒸馏开始前先用随机长度的学生前缀训练教师，以最终答案是否正确为奖励，让教师学会从学生造成的状态里把推理拉回正轨，而不是模仿学生的推理；随后照常做在线策略蒸馏，蒸馏目标不变。在数学推理基准上，采用SPTA的学生平均表现优于标准在线策略蒸馏，也优于使用任务级强化学习适配教师的在线策略蒸馏。
胸片解读智能体X-Ragent把“要不要找证据”和“测量能不能用”拆成两条路径：策略只在需要时调用局部放大、解剖定位和知识检索工具，而心胸比等定量测量由独立的有效性门控决定是否进入推理。训练分两步，先用7,715条结构化诊断轨迹做智能体监督微调，再用带准确率门控的GRPO优化，过程奖励只作用于答对的轨迹。在完全未参与训练的ChestAgentBench上，准确率从最强基线的63.1%升到71.7%，七个解读能力全部提升。
PAG-Agent把用户喜爱的歌曲与背景信息蒸馏成一份显式的个人审美画像，再交给规划模型转成生成指令，在Personal-100上比直接条件化把目标用户一致性提高约9%到19%。
自动驾驶的视觉-语言-动作模型过去靠一个标量轨迹分数学习，分数低却说不清是场景理解、行为选择还是轨迹执行出错。Reflect-VLA把带评估诊断与纠正建议的反思指导当作只在训练时可见的特权信息，用双路径在线策略自蒸馏把纠正偏好写进直接生成轨迹的策略：风险轨迹对齐教师的词元级纠正分布，可靠轨迹做自模仿保留。在NAVSIM v1/v2与Bench2Drive上取得有竞争力的规划表现，训练时间比强化学习减少九成以上，推理时单次生成、不需要指导或迭代修正。
该工作提出 Multimodal Flow，把文本块与图像编码为有序连续超块，用共享的 chunk-causal Flow Matching 骨干在各自嵌入空间建模语言与视觉，并实例化为 MF-1：在 0.6B、1.2B、1.6B 规模上持续预训练稳定提升多模态建模，1.6B 模型仅用 150B 预训练 token 即在 GenEval 得 0.821、DPG-Bench 得 83.44，在 VQAv2、MMBench、POPE 上平均 75.3，并在匹配数据、优化与参数预算下优于代表性混合式与离散式模型。
已读完全部报道