提出仅含两层、700万参数的Tiny Recursive Model（TRM），通过对潜变量与答案的多步递归更新，在数独、迷宫与ARC-AGI上超越HRM与多款LLM（ARC-AGI-1达45%，ARC-AGI-2达8%），以极低参数与小数据实现强泛化。
提出ACE框架，将上下文视为可进化的“作战手册”，以生成—反思—策展的模块化流程进行结构化增量更新，避免简化偏置与“上下文坍塌”。在代理与金融等任务上，ACE可依赖执行反馈而非标注优化离线/在线上下文，平均提升约10.6%与8.6%，并显著降低适配延迟与成本。
为长上下文LM引入“思维模板”，把可复用的推理轨迹与事实证据结构化结合，并通过自然语言反馈迭代优化。相较传统RAG或简单拼接，方法在检索式与非检索式设置均稳定提效，模板可蒸馏为轻量可开源组件（ToTAL）。
提出“早期经验”范式：用智能体自行交互产生的未来状态作为监督信号，无需外部奖励。包含隐式世界建模与自我反思两种策略，在八类环境与多模型中显著提升成功率与域外泛化，并为后续RL提供更强的起点。
提出混合观点：思考模型主要学会“何时思考”，而非获得全新推理技能。通过无监督分析与因果干预，在GSM8K、MATH500等上复原至多91%的思考增益且仅需约12%思维token，表明关键在于正确触发与调度推理机制。
系统解析Mamba的长程记忆机理并提出纵横向记忆保真度指标；据此构建MemMamba：结合跨层/跨token注意力的状态摘要机制，减轻长程遗忘且保持线性复杂度，在PG19-PPL、Passkey等任务显著优于基线，推理效率提升约48%。
提出“马尔可夫式思考”与Delethink环境：将推理切成固定长度chunk，并在边界仅携带精炼文本状态以续写思考，从而把思考长度与上下文解耦；计算随长度线性增长、内存常数。在R1-Distill上以8K上下文实现至24K/96K思考，精度与成本优于LongCoT-RL。
提出“免疫化提示（IP）”：在SFT训练时显式要求模型做出不良行为，反而抑制其在测试时习得该行为，同时保持能力。于代码奖励破解、谄媚等四类设置均降低不良率，并给出选择免疫提示的启发式。
提出 h1：将大量短任务合成多步依赖链，配合仅基于结果的强化学习与自动难度课程，显著提升长程推理（在GSM-Symbolic、MATH-500、AIME等基准大幅提升），并给出样本复杂度优势的理论分析。
提出 ArcMemo：从解题轨迹抽象出可重用“概念级记忆”，用自然语言存储并在后续推理中检索与整合，实现终身式记忆而不改权重；在 ARC-AGI 上相对无记忆基线提升7.5%，并在多规模推理中保持稳定。
提出 MemAgent：以多轮对话式RL训练的记忆代理，分段读取与覆盖式更新记忆，端到端优化长文任务；在RULER等长上下文评测上几乎无损外推（至数百万词元）并显著优于仅靠长上下文预训练的模型。
针对LRM易被有缺陷的思维前置引导而偏航，提出RECAP：在对抗式“反对齐前置”下的强化学习配方，显式训练模型覆写错误推理并自我反思；无需额外数据或架构改动，提升安全与稳健性、减少过度拒答，同时保持核心推理能力。
提出无需参数更新的“训练自由GRPO”：以语义组优势在推断期迭代蒸馏经验库为token prior，达到类GRPO的对齐效果。与DeepSeek-V3.1-Terminus结合，在数学推理与网页检索上用少量样本超越32B微调基线，显著降低数据与算费。