提出 MARS，一个面向推理时模态缺失的混合专家（MoE）框架。核心思路是用完整模态与缺失模态的表示残差作为特权信号，训练残差路由器将样本分配给擅长对应偏差模式的专家；推理时通过一个特征路由器模仿残差路由器的行为，无需完整模态即可部署。配合 discrepancy-aware 噪声正则化缩小训练-推理路由差距，以及 discrepancy-guided 采样动态关注路由分歧大的模态组合。在活体检测（CASIA-SURF）、材料分割（MCubeS）、情绪识别（CREMA-D）、食物分类（UPMC Food-101）四个跨模态任务上一致超越已有方法。适合任何推理时可能丢模态的多模态系统——人脸识别、自动驾驶感知、医疗影像——可作为分类/分割头前的即插即用层，训练需完整模态，部署时容缺失。

• CASIA-SURF 活体检测：7 种模态组合平均 ACER 2.43，比最强基线 DMRNet（3.58）降低 1.15 个百分点；IR 单模态下 ACER 3.96，DMRNet 为 8.98，错误率降幅过半。ResNet-18 骨干，统一设置（Table 1）。
• MCubeS 材料分割：8 种 RGB 组合平均 mIoU 0.4773，优于 DMRNet（0.4683）和 DeepLab v3+ 原版（0.4257）。DeepLab v3+ 骨干，20 类像素级标注（Table 2）。
• CREMA-D 情绪识别：三模态组合平均准确率 65.52，DMRNet 为 61.35；全模态下准确率 76.10 vs 70.10（Table 3）。
• UPMC Food-101 分类：三模态组合平均准确率 91.59，SimMLM 为 84.81；图像单模态准确率 91.86，SimMLM 为 72.20（Table 4）。
• Oracle 路由（测试时也提供完整模态给残差路由器）在 CASIA-SURF 上达到 ACER 0.94，验证了专家已充分学到模态缺失偏差模式（Table 5 消融）。

Cisco 提出的三层架构，把多 agent 系统的开发拆成声明式规约（Spec）、合约驱动的运行时（MAS-OS）和可复现实验环境（Labs）三层，让 agent 逻辑、治理策略、基础设施彼此解耦。核心机制是用有限 Mealy 机组合做 per-agent 内核，所有外部交互（工具调用、LLM 请求、agent 间委托）必须过 governance → record → execute → record 的合约边界，治理决策（预算控制、内容过滤、人工审批）先于执行生效且全程可追溯。同一份 YAML 规约只需改 overlay 就能比较不同推理模式、拓扑结构、上下文来源的效果——从原型到生产的生命周期保持一致。适用场景：需要把多 agent 系统从 demo 推进到生产级部署的团队，特别是治理合规、可观测性和实验复现性有硬性要求的场景，可替代现有 ad-hoc 脚本式的 MAS 开发流程。

• Lab 1（100 条推理数据集 + 行程规划任务）：Plan-and-Execute 模式文本质量 AR=0.999 但目标成功率 GSR=0.030，两者解耦——只靠单一指标会漏掉这种 dissociation。数据量和领域不同时数值不可直接外推。
• Lab 2：全套治理插件（可观测 + 预算上限 + 内容过滤 + 熔断器）合计仅占单次查询时间的 0.12%，单次检查耗时稳定在 ~1.4ms。6 条正常查询零干预，执行轨迹与基线完全一致；注入故障查询时内容过滤拦截目标工具调用，3/4 agent 轨迹不受影响。
• Lab 3（100 条个人事实 + 10 条查询的 smoke run，n=1）：多事实查询 k3_q06 上 RAG-decomposed 召回率 R=1.0，RAG-direct 和 RAG-wide 仅 R=0.67——单次联合查询会把第三条事实挤出 top-K；跨域双事实查询 k2_q06 上 RAG-direct 和 RAG-wide 召回率均为 0.0，RAG-decomposed 恢复到 0.5。Letta-core 全量注入作为上界 R=1.0（精度为代价）。

ANTAP 是一种评估驱动的多智能体路由架构，用几何投影替代文本描述来选 agent。离线阶段在每个候选 agent 上跑可信 benchmark，把成功/失败二值信号拟合成固定线性算子；在线路由仅做单次矩阵-向量乘 W*z，完全不接触 agent 的文本描述，从结构上切断 description-based prompt injection 的攻击面——恶意 agent 的描述里嵌入再巧妙的指令也影响不了路由决策。同时，离线 benchmark 中包含含 trigger 的查询，sleep agent 在 calibration 时触发后门会被标为失败，其算子自动学到安全子空间的负关联。适合接入 AutoGen/CrewAI 等现有多智能体框架，替换基于 LLM 读描述的 router，在需要对抗恶意 agent 注册或供应链投毒的安全敏感场景中消除整个攻击面。

• 描述注入攻击：ANTAP 在 MMLU 上 ASR 0.2%（95% CI ±0.2），AutoGen 为 75.3%（±2.2）；BBH 上 ASR 0.4%（±0.3），AutoGen 为 67.3%（±2.5）。Table 1，Description 行。
• Sleeper agent 后门攻击（数据投毒）：Sleeper 变体在 MMLU 上 ANTAP ASR 0.9%（±0.6），AutoGen 为 73.5%（±3.3）；BadNet 变体 ANTAP ASR 2.4%（±1.1），AutoGen 为 73.2%（±3.3）。Table 1，Sleeper/BadNet 行。ASR 仅统计含 trigger 的查询。
• 自适应 embedding 攻击：ANTAP 的 ASR 比 EmbedLLM 基线低约 20%（绝对值），且不受描述操纵影响。摘要与 Section 4.4。
• 路由延迟：ANTAP 在线路由约 27ms（含 embedding），AutoGen 约 428ms，在 5-agent 异构配置下。Table 2，Default Config. 行。

从单张图片或一句话生成完整可交互铰接 3D 物体的 zero-shot 管线，输出包含零件网格、关节参数、运动学树和被遮挡内部几何的 URDF。核心是用三个分层 agent（Decomposer/Grounder/Articulator）进行两轮结构化辩论——第一轮利用全局-局部视角分歧修正关节参数，第二轮用冻结的 WAN-VACE 视频先验作为外部运动证据——全程不需要任何铰接标注数据。确定关节后，再用关节条件化的视频驱动零件运动，通过 3D 隐空间 inpainting 暴露并重建被遮挡的内部结构。适合 embodied AI、机器人仿真、VR 场景中需要从单张照片快速产出可交互资产的场景，替代逐物体多视角采集或模板库检索。

• Objaverse-OOD（10 类：直升机、机械臂、人形等）：轴误差 25.5°，对比 FreeArt3D 85.0°、Articulate-Anything 67.0°；关节类型准确率 64.2%。FreeArt3D 获得了来自本方法视频合成步骤的多状态输入，属有利条件而非降级回退。
• PartNet-Mobility（7 类、77 物体）：关节类型准确率 77.5%，为所有方法中最高——包括有监督的 Singapo（50.6%）和 PhysX-Anything（34.7%），这两个基线在 PartNet-Mobility 上训练，属其域内设定。轴误差 8.0°。
• Objaverse-Household（12 类、53 物体）：轴误差 17.3°，对比 FreeArt3D 25.0°；轴心误差 0.17，对比 FreeArt3D 0.34。
• 消融（PartNet-Mobility）：用关节条件化视频 + 3D 隐空间 inpainting 重建内部几何，rest-state Chamfer 距离 0.03，对比 probe video + SegViGen 表面分割的 0.06。

扩展 Horizon 而非参数量：35B Agent 达到万亿参数级性能

上海 AI 实验室基于 Qwen3.5-35B-A3B 基座，通过三阶段训练（全领域 SFT → 各领域教师模型专项 RL → 多教师 on-policy 蒸馏）做出 35B MoE agent 模型，在长 horizon agent 任务上匹敌甚至超过 Kimi-K2.6、DeepSeek-V4-Pro 等 1T 级模型。核心思路不是堆参数而是堆「agent horizon」：构建 Knowledge-Action Graph 基础设施产出平均 45K token 的 agentic 轨迹，再通过领域路由 + 显著词汇对齐的 on-policy 蒸馏把六个异构领域（搜索、ML 工程、科研推理、指令遵循、工具调用、通用 agent）能力统一到一个可部署模型里。适用场景：需要工具调用、长上下文推理、多步科学/工程问题求解的 agent 系统，可作为 1T 级模型在长 horizon agent 任务上的轻量替代。

• SEAL-0 56.4，超过 Kimi-K2.6 (50.5) 和 DeepSeek-V4-Pro (55.0)；GAIA 96.0，接近 DeepSeek-V4-Pro (98.1)
• IFBench 80.6，超过 GPT-5.5 (75.9) 和 DeepSeek-V4-Pro (73.5)；IFEval 94.8
• HiPhO 46.4，超过全部 >1T 基线（GPT-5.5 43.3 / Kimi-K2.6 41.1）；FrontierScience-Olympiad 79.0 vs GPT-5.5 78.0；FrontierScience-Research 40.0，超过 GPT-5.5 (26.7) 一倍以上
• BrowseComp 75.5，XBench-DS-2510 86.0，均领先所有同量级 35B 模型
• SciCode 44.3 领先同量级模型，但显著低于 GPT-5.5 (56.1)；MLE-Bench-Lite 43.9% 奖牌率，低于 GPT-5.5 (72.7%)

用诊断条件化的 Neural ODE 对每个历史观测事件独立建模连续轨迹，再用目标时间与模态条件化的注意力加权聚合，绕开了传统序列模型把多模态历史压进单一隐状态的瓶颈。在 ADNI 数据集上预测三种 PET 生物标志物（FDG/TAU/AMY）的演化，多模态设定下全面优于 RNN、Transformer、Neural ODE、Mamba 等 7 个基线。通过将多条 ODE 轨迹并行求解，训练每 epoch 耗时从 25.66s 降到 10.47s。适合不规则采样的多模态时序预测场景——比如电子病历、工业传感器、金融风控——可直接替代现有序列模型，同时保留事件级的可解释性。

• 多模态设定下 FDG 预测 RMSE 0.0760，比最强基线 Mamba（0.0959）低 19.2%；R² 0.8802（Mamba 0.8091）。5 次独立运行均值，ADNI 数据集。
• TAU 预测 RMSE 0.1397，Mamba 为 0.2016，降幅 30.7%；R² 从 0.6752 提升到 0.8442。TAU 观测仅占全部记录的 8.9%，注意力机制在稀疏模态上收益最大。
• AMY 预测 RMSE 0.1781，最强基线 Transformer 为 0.1995，降幅 10.7%；R² 0.7964 vs 0.7444。
• 并行 ODE 求解（Eq.4）将每 epoch 训练时间从 25.66s 压缩到 10.47s，降幅 59.2%。

提出 Reference Sliding Window Attention (R-SWA)，一种面向长序列解析任务的注意力机制：每个 token 关注全部视觉/参考 token + 最近 128 个输出 token，使 KV cache 在解码全程保持恒定，不再随输出长度线性增长。以 DeepSeek OCR 为基线，将其 decoder 中所有 attention 层替换为 R-SWA 后，单次前向即可解析数十页文档（32K 上下文内），且推理速度不随输出长度衰减。R-SWA 是通用解析注意力，除 OCR 外同样适用于 ASR、翻译等需要长程参考建模的任务。代码与模型权重已开源（GitHub 10.7k stars，HF 21 万下载）。

• OmniDocBench v1.5 综合得分 93.23%，比 DeepSeek OCR 基线（87.01%）高 6.22 个百分点；v1.6 综合得分 93.92%，与同期 SOTA 持平。
• OmniDocBench v1.5 上文本编辑距离 0.038（基线 0.073），表格 TEDS 90.93%（基线 84.97%），阅读顺序编辑距离 0.045（基线 0.086）。
• 512 并发下 TPS 5580，比 DeepSeek OCR（4951）高 12.7%；输出 6000 token 时领先 35%，且 TPS 不随输出长度衰减。
• 长程 OCR 测试：一次输入 40+ 页，编辑距离 0.1069，Distinct-35 仍保持 96.90%。

用表征自编码器替代 VAE 的扩散 Transformer

用冻结的预训练表征编码器（DINOv2、SigLIP、MAE）替代传统 VAE 编码器，配一个可训练的 ViT 解码器，构成 Representation Autoencoder（RAE）。RAE 的潜在空间语义更丰富、维度更高，但标准 DiT 无法直接在上面训练——作者提出三个修复：让 DiT 宽度匹配 token 维度、按有效数据维度调整噪声调度、在解码器训练时加噪声增强以容忍扩散输出的分布偏移。此外引入 DiTDH（一个浅而宽的扩散头），在不增加二次计算开销的前提下扩展模型宽度。工程上可以直接把 RAE 当作 SD-VAE 的替代品接入现有 DiT 训练管线，预训练编码器（DINOv2 等）是现成的，只需额外训练一个轻量解码器。

• ImageNet 256×256 无条件生成 FID 1.51（DiTDH-XL + DINOv2-B，800 epochs）
• ImageNet 256×256 带 AutoGuidance FID 1.13（DiTDH-XL + DINOv2-B，800 epochs）
• ImageNet 512×512 带 AutoGuidance FID 1.13（DiTDH-XL + DINOv2-B，400 epochs）
• 相比 SiT-XL（VAE 潜在空间）训练收敛加速约 47×，相比 REPA-XL 加速约 16×（以同等 FID 所需计算量计）
• RAE 重建质量 rFID：DINOv2-B 0.49、MAE-B 0.16，均优于 SD-VAE 的 0.62（ImageNet 验证集）
• 作者指出 FID 评估中 class-balanced sampling 比 uniform random sampling 低约 0.1，已对 REPA、SiT 等基线重新评估并更新数字