SPARED：让检测器与伪造者互相训练，能否打破AI图像检测的三大捷径？
SPARED的核心判断是：来源捷径、模板化解释和静态决策边界，这三个问题看似独立，其实都源于同一个根源——训练数据的构造方式。如果真实图和假图来自不同渠道，检测器就学会分辨渠道；如果解释语料是模板生成的，检测器就学会背模板；如果训练集固定不变，检测器的边界就静止不动。所以关键不是换更大的模型，而是换一种造数据的方式。
GRPO
空间思维链：把3D几何蒸馏进VLM的潜在token，不加重推理负担
提出 Space Tokens 框架，将场景级 3D 几何与物体中心空间属性蒸馏为连续潜在 token，在不增加推理模块的前提下提升 VLM 空间推理能力。
HierDoc：让长文档问答学会从页面到区域的连续证据路由
提出HierDoc框架，将长文档证据获取建模为从页面到区域的连续结构化集合预测，通过阶段式GRPO优化页面和区域策略，在多个长文档VQA基准上取得领先性能。