临床脑电图判读长期依赖专家逐页查看，近年出现的EEG基础模型则要先在大规模无标注脑电上预训练。研究把脑电片段画成临床医生熟悉的双极导联波形图或频谱图，连同固定文本提示一起交给通用视觉语言模型Qwen3-VL，不做任何EEG预训练。在4秒发作间期癫痫样放电检测的vEpiSet上，Qwen3-VL-4B经LoRA适配取得0.835平衡准确率，高于全量微调的BIOT的0.763；在TUEV的EEG-Bench划分上，Qwen3-VL-8B以0.750略高于0.739的次优单任务模型。
低剂量、稀疏视角和金属伪影的物理成因不同，此前通用CT修复模型却用同一套共享架构处理全部退化。AgentCT让一个经LoRA微调的Qwen3-VL-4B控制器识别退化类型与严重程度，把图像分派给图像域扩散去噪器或双域专家，并在修复后复查输出。在患者不重叠的Mayo 2020腹部CT九个退化—严重度设置上，按真实退化标签路由时整体PSNR/SSIM为46.18 dB/0.984，高于AMIR的44.93 dB/0.976和TAMP的44.29 dB/0.979。
零数据多模态自训练此前主要关心生成什么任务，较少处理何时该换掉已经学不出信号的题池。A-RSI把换池时机交给训练日志：当组内奖励差异消失的提示数量相对两轮前下降至少15%，或记录准确率上升至少10个百分点，就整池换成400道未用过的程序生成题，答案由程序算出而非模型投票。Qwen3-VL-8B-Instruct在11项基准的等权平均从57.77升到61.05，共引入800道新题；每窗口都换的对照用3200道新题得到60.64。
自动驾驶视觉语言模型的知识蒸馏此前对所有答案词元一视同仁，既稀释了与规划相关的语义，也会把教师自信但错误的说法传给学生。RSKD 先从标准答案中定位交通参与者、状态、空间关系等关键短语，再用冻结的句子编码器比较教师在这些短语上的预测与标准答案的语义一致性，据此让一致性高的位置更多接受教师分布监督、一致性低的位置更多接受标准答案监督。在 DrivingVQA、LingoQA 和 MapLMv2 上，RSKD 分别取得 16.60、0.672 和 81.82，在两个问答基准上优于所比较的 SFT、GKD 与 ToDi 学生基线，在 MapLMv2 上与 SFT 的 81.85 基本持平。
从一张文档图像直接写出可执行的SQLite数据库，而不只是保留版式的表格标记。PIX2DB用Qwen3-VL-2B加LoRA在36,589个带精确金标准数据库的样本上训练，再经确定性校验修复层，在来自未见数据库的渲染表上取得0.86表级完全匹配和0.99外键召回，同族8B模型提示生成SQL为0.75/0.75，8B的HTML转SQLite流程为0.47/0.00。在未参与训练的TabRecSet上它写出数据库的直接系统里最好（0.52），但仍落后8B HTML流程（0.58），差距主要在照片文字识读。
视觉语言模型里用来定位“看图”注意力头的发现分数，其内部选择会明显改变选出的头。研究在Qwen3-VL-8B-Instruct上完整交叉查询类型、发现语料与读取注意力的token位置，并用可操控性与必要性两种干预检验全部12组头集。结果只有必要性随注意力来源变化：查询跨度头集比末token头集更必要，两个指代加查询跨度头集高出250组同层随机头集17–19个标准差；而在默认强度下，没有任何发现头集的可操控性超过同层随机头集。
视觉语言模型的空间推理弱在输入：RGB图像不直接给出几何证据，而现有做法要么在推理时接入3D、付出架构与延迟代价，要么只用最终答案做奖励，无法纠正推理链中判错的深度或方向。GPD把深度、语义分割和鸟瞰布局渲染成紧凑文本，按问题路由后只交给教师模型，配合参考答案对错误轨迹施加特权KL，与GRPO联合训练，部署模型仍只吃RGB。在4B骨干上，VSI-Bench达到57.1，MindCube、SPAR-Bench、MMSI-Bench与ViewSpatial四榜均值37.6，高于GRPO与仅用答案作特权的OPSD。
作者提出自回归检索器 ARR：它在多模态检索中交替执行“检索一个条目”和“更新查询嵌入”，把选中条目的多模态内容追加到查询历史后再编码，用最终嵌入对语料排序；训练分两阶段，先用逐步对比监督的监督微调教会编码器解读反馈，再用强化学习把反馈条目当作动作、以相关条目最终倒数排名为奖励优化选择，并通过查询侧适配器在固定条目索引上完成优化。
该工作面向XPlainVerse可解释深度伪造检测挑战，提出模块化检测与解释系统：检测端融合多个DINOv3骨干与Mesorch取证特征，并用Grounding-DINO将解释中的局部伪影描述转为弱块级伪掩码监督Artifact Evidence Map，再以局部块级对比目标分离伪影与真实证据；解释端用按类别条件选择的Qwen3-VL生成复杂解释并经GRPO优化简化模型，在完整测试集上取得0.9349检测准确率、0.5571解释分与0.7456最终挑战分。
SpatialCORE 是一个基于 GRPO 的后训练框架，它用模型自身生成 grounding（边界框）时的坐标 token 不确定性来加权几何匹配质量，并用答案门控把 grounding 优化与最终答案正确性绑定，使模型学会从「既准确又自信」定位到的任务相关物体出发进行空间推理；在 OmniSpatial 留出测试集上 SpatialCORE-8B 取得开源与专用空间推理模型中最高的加权平均准确率，并在未参与训练的 SpatiaLab 上零样本领先，消融显示去掉置信度加权后准确率从 56.33% 降到 52.33%。