SimVTA：用仿真对齐驾驶世界模型的视频与轨迹
SimVTA 用 World Engine 沿当前策略候选轨迹渲染匹配未来视频，把轨迹 GRPO 与高误差视频监督接到共享表征上，弥补驾驶日志只覆盖已记录动作的缺口。
GRPO
从奖励信号到视觉效用：医学VLM后训练的受控审计
在 Qwen2.5-VL-3B 与 PMC-VQA 上，用正确/无图/打乱图干预与配对转移，审计 SFT 与 GRPO 后训练如何改写个体图像收益，而非只看平均准确率；本文是研究审计，不是临床产品。
Skip the Talk：用潜空间推理重聚焦视觉的推理分割
LIRSeg 用少量可学习潜空间令牌完全替代显式 CoT，经空间对齐与 GRPO，并配合 EAS/DES/LDA，在推理分割上提点同时把推理令牌压到约十六分之一。
VideoGen-Agent：用多任务强化学习训练会调用工具的视频生成智能体
VideoGen-Agent 用教师轨迹监督微调和多任务 GRPO，训练一个共享策略去调度检索、仿真、生成与校验工具，并可用更强生成器替换后端。
展开世界：在强化空间推理中分解4D属性
FactoSR提出了一种基于分解式强化学习（Factorized RL）的框架，通过解耦XY平面、Z深度和T时间维度的可验证奖励，显著提升了VLM在4D空间推理任务中的表现。
潜在视觉推理的增益到底来自哪里？
该论文将潜在token分解为槽内容、边界标记和格式三个组件，通过构建内容有利的MVH探针，证明潜在槽内容并非可恢复的视觉记忆，潜在token的增益主要来自标记与格式控制及视觉注意力路由。
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。
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。