提出受生物神经启发的BDH架构：以局部图动力学与可解释的ReLU-lowrank模块实现注意力与记忆，兼具可解释性与Transformer级性能。理论上连接大模型与脑模型，实证在10M–1B参数规模与翻译等任务上逼近GPT-2同规模表现。
基于梯度动力学提出Li²框架，将grokking训练划分为惰性学习、独立特征学习与交互阶段；证明隐藏层特征是能量函数E的局部极大，给出样本规模与权重衰减等超参如何决定特征涌现与记忆/泛化边界的规模律，并解释部分优化器效果。
理论解析连续CoT训练动力学：提出思维生成与预测两阶段，证明指数匹配logit保持有界，从而在局部搜索与多路径探索间取得平衡并产生“叠加”推理；在图可达性任务与实证跟踪中验证该机制与优势。
提出多模态推理的“双刃剑”现象：更长思维链常削弱图像感知，导致识别错误。作者定义“视觉遗忘”，并提出VAPO，以视觉锚点与感知奖励在推理过程中强制关注图像，在多项VLM基准上提高准确率并减缓推理塌缩。
提出RLAD：先生成“抽象”以总结中间步骤，再用强化学习在抽象指导下求解；该解耦减少冗长且退化的链式探索。实验表明在相同测试算力下，优先生成高质量抽象比生成更多样本更有效，并提升对更难问题的泛化。
将“思维轨迹”视为潜变量，构建变分推理框架：ELBO到多轨迹IWAE上界，并用前向KL稳定训练；同时解释RFT与二元奖励RL（如GRPO）为隐式加权的前向KL。该方法在Qwen系列多项推理任务上稳定提升，统一概率视角与RL实践。
指出RLVR训练既有熵塌缩也有熵爆炸风险。提出分组K分位数基线的QAE，替代均值基线以自适应控制探索—利用，实现“两侧熵安全”理论保证。实验证明在Qwen3-8B/14B等上稳定提升pass@1，并减少无效更新。
将MCTS直接融入RLVR训练，提出全局前沿选择、基于熵的监督与自适应重放缓存，系统扩展搜索覆盖与精细回溯。在数学推理上以1.5B模型达新SOTA，较延长训练节省5.7×GPU时，表明“训练期探索”优于蛮力扩步。
提出从真实用户对话中进行强化学习（RLHI）以替代静态标注后训练，包含“用户引导重写”和“基于用户长期画像的奖励”两法。在WildChat等数据上显著提升个性化、指令跟随与推理基准，表明有机交互可成为可扩展监督。
直接蒸馏大模型推理链到小模型会因分布失配而降性能。提出反向投机解码（RSD）：教师提议、学生按自身概率接受，过滤低概率token，生成“学生友好”推理轨迹；在Qwen小模型上对AIME等基准显著增益。
将推理链纳入提示合成并用EM联合优化，支持自博弈与SFT两种训练。相较PromptCoT 1.0与开源语料，PromptCoT 2.0在数学与编程基准大幅提升；仅用合成题也能把7B模型准确率从个位数推至60%+。
提出Dreamer 4：在可扩展世界模型内进行“想象训练”，结合捷径forcing与高效变换器，单GPU可实时交互。仅用离线数据即在Minecraft达成挖钻石，显著超越先前世界模型，展示从海量非标注视频学得通用知识的潜力。
介绍Aristotle：结合Lean形式证明、非形式推理与几何求解器，实现IMO级自动定理证明；在2025年IMO题上达到金牌等效（六题中五题给出正式解）。通过生成与形式化引理并用Lean验证，展现可扩展的数学推理能力。
提出以损失次优度线性上界曲率的(H0,H1)-平滑性，证明在该条件下梯度下降配合warm-up步长可获得更快收敛的上下界；并在语言与视觉模型上验证，给出warm-up有效性与适用范围的理论解释。
为Minecraft交互生成提出Memory Forcing：以混合训练与链式前向训练在探索/重访间自适应取舍2，并引入几何索引空间内存、点到帧检索与增量3D重建高效召回历史；在保持计算可控下显著提升长期空间一致性与生成质量。