标签
本文提出了EvidenceConnect数据合成框架，通过RLVR训练视觉语言模型更好地关联视觉证据，由此得到ZwZ2模型，在空间感知、长上下文理解以及多种下游任务中的通用视觉推理能力均有提升。
论文提出了ProMemAgent，这是首个在感官知觉（第一人称视角视频与音频）之上融入情境感知前瞻性记忆的主动式LLM智能体，用于长时程辅助；同时发布了CPMBench，一个包含1000个实例的基准测试，涵盖八个日常场景类别，用于评估延迟意图辅助能力。
一份项目报告指出，对于 RadarScenes 上的多帧雷达目标分类，宏 F1 的大部分提升（0.7370 → 0.8613）来自跨帧累积雷达点云，而非序列模型的选择：GRU、Transformer 和 SSM 变体的结果都落在 0.86–0.89 的窄区间内，说明单帧表征的质量比序列架构更重要。