DINO
SemanTok：面向高效自回归视频生成的可预测语义token
SemanTok 在灵活视频分词器上加入冻结 DINO 的编码器输入与前缀级语义头，让短 token 前缀先锁定片段语义，从而用更小的自回归模型达到更高生成保真与对齐。
PixRestore：无VAE像素扩散如何让统一图像复原既快又真
PixRestore提出一种无VAE的像素空间DiT统一图像复原模型，结合DINO自适应分层视觉引导与单步对抗微调，以约50M参数和44ms延迟在八类退化任务上取得最佳综合质量与效率。
EgoMonth：月级第一视角视频如何暴露多模态模型的长期记忆断层
EgoMonth 提出首个跨 20–120 天、301 小时第一视角日常视频的月级基准，用 1,443 个人工 QA 和 14 任务三层认知框架评估 MLLM 的长期时空记忆，发现最强模型 Gemini 2.5 Pro 仅 71.8%，比人类低 22.4 个百分点。
测试时原型自适应：一个与模型架构无关的开放词汇分割即插即用模块
提出一种无需训练的即插即用模块TPA，在测试时利用少量无标签部署域图像构建DINO特征原型库，通过余弦相似度查找与主机logits线性融合，以输出级操作一致提升多种OVSS模型的精度。