一款小型多模态模型实现了图像理解、视频生成与编辑功能的全流程打通，其核心突破在于将各类视觉任务原生集成于同一统一框架中，无需模块拼接或任务适配。该模型在保持轻量化的同时，展现出跨模态语义对齐能力，显著提升理解与生成的一致性。
大晓机器人与南洋理工大学联合研发的PhysX-Omni统一物理3D生成框架，标志着3D生成技术迈入多物理体协同建模新阶段。该框架深度融合PhysX引擎与Omni架构，首次实现对刚体、软体及关节体等多类物理对象的统一建模与高保真仿真，有效缓解当前3D生成领域中物理真实性与生成效率之间的核心矛盾。
本文提出一种面向多变量神经网络的统一缩放框架，系统刻画模型参数量、训练数据量与计算量三者协同增长时对性能的影响规律。该框架突破传统单维缩放局限，为理解大规模神经网络在不同资源配置下的行为演化提供理论支撑，同时为高效模型设计、训练策略优化及资源分配决策提供可量化指导。
ICML 2026以Position Paper形式正式接收《Theory of Agent (ToA)》——一项由爱丁堡大学、普林斯顿大学、UIUC、西北大学与香港中文大学联合提出的智能体统一理论。该理论标志着智能体研究进入“下半场”：在基础能力日趋成熟的背景下，“答对”已不再是终点，而需转向目标一致性、环境适应性与价值可塑性的系统性建模。ToA首次构建了覆盖感知、推理、行动与演化层级的统一框架，为智能体的可解释性、可控性与跨任务泛化提供理论基石。
近日，研究团队提出一个面向大模型注意力机制分析的统一框架，创新性地引入时序视角，系统刻画注意力权重在推理过程中的动态演化规律。该框架兼容多种主流大语言模型，支持跨层、跨头、跨步长的细粒度追踪，显著提升了AI可解释性研究的结构性与可复现性，为理解模型“思考路径”提供了新范式。
发表于TMLR的论文《Large Language Model Reasoning Failures》摒弃抽象哲学争论，聚焦实证分析，系统梳理文献中大量LLM推理失败案例，构建首个面向结构性推理缺陷的统一框架。研究发现，大型语言模型在需多步逻辑嵌套、符号约束或因果链推演的任务中表现显著退化，尤其在数学证明、程序语义解析与规则一致性检验等场景下失败率高企。该框架不预设“理解”定义，而以可复现、可归因的方式揭示LLM推理能力的边界与模式性弱点。
近期，开创性研究成果DreamID-Omni正式发布，为可控人类中心音频视频生成提供了全新解决方案。该成果构建了一个统一框架，首次实现对人物身份、动作、语音及视觉属性的精细化协同控制，显著提升生成内容的真实性与一致性。DreamID-Omni突破了传统音视频生成中模态割裂与控制粒度粗放的瓶颈，标志着可控人类中心音视频生成迈入新纪元。
RLinf-USER系统正式发布，这是一个专为真实世界在线策略学习设计的统一且可扩展的系统。它不仅提供高效、鲁棒的训练框架，更关键的是充当连接“数字大脑”与“物理躯体”的“神经系统”，支撑机器人在动态物理环境中的实时决策与持续策略进化。该系统强调在线性、适应性与跨平台兼容性，显著提升智能体在复杂现实场景中的部署效率与泛化能力。
VINO模型在视觉生成领域实现了突破性进展，提出了一种不依赖特定任务模型或独立模态模块的创新架构。该模型采用共享的扩散骨干网络，能够在统一框架下以文本、图像和视频作为条件输入，支持广泛的视觉内容创建与编辑任务。通过整合多模态信息，VINO展现了强大的生成能力与灵活性，为复杂视觉生成提供了高效且一致的解决方案。
One4D是由研究团队提出的一种统一的4D生成与4D重建框架，旨在实现对四维世界的高效建模与还原。该框架融合生成与重建能力于一体，突破了传统方法在时空一致性与细节保留方面的局限，显著提升了四维内容处理的精度与灵活性。通过统一架构设计，One4D能够在不同应用场景中实现端到端的四维数据生成与重构，为虚拟现实、数字孪生等领域提供了强有力的技术支持。
