计算机视觉
CASE：从给定证据到自主取证的纵向医疗推理
CASE 把纵向医疗推理改写成患者环境中的自主取证，用 RSFT 加 agentic RL 训练紧凑视觉语言策略，并在 UK Biobank 基准上超过若干前沿模型。
DeCoPrune：用去噪一致性做自回归视频扩散的高效 KV 缓存修剪
DeCoPrune 免训练，用中间干净预测与最终去噪结果的差异衡量 token 长期价值，在高修剪比下接近 FullKV 的上下文一致性并加速续写。
GRC-Pose：生成-重建对应的先验无关六维物体位姿跟踪
GRC-Pose 把无CAD先验的六维跟踪写成生成几何与场景重建的对应求解，用 GeoCorr-Matcher 与 FGH-Solver 在 HOT3D 上刷新 Average Recall 与运动保持。
LongTake：学习在长程视频生成中持续保持动态
LongTake 用真实长视频上的 Long-Horizon TF 直接初始化自 rollout DMD，并可选 Hybrid DMD 延长后期监督，以在长程生成中稳住动态与画质。
PixelUMM：无编码器的统一图像与视频理解生成
PixelUMM 用单层线性投影把图像 patch 与视频 tubelet 直接送入 Mixture-of-Transformers，在像素空间联合做理解与流匹配生成。
ThinkV2V：释放多模态大模型推理能力的指令引导视频编辑
ThinkV2V 先让 MLLM 对源视频与隐式指令做显式思考，再经可学习查询连接器注入 DiT，配合渐进课程训练与推理时思考扩展，完成复杂指令视频编辑。