发现智能 · 递归自我改进
DiscoveryRSI
从科研假设迭代、关键科研贡献与可执行研究中学习，递归改进研究模型与智能体执行框架。
发现智能
Discovery Foundation Models
提出开放式发现智能的七项核心能力及 Zetema 参考架构。
科学智能体 · 递归自我改进
ScienceBuddy
通过科研交互，递归改进智能体执行框架（harness）与模型。
科学学习环境
ScienceIDE
将科学代码转化为可执行、可验证的智能体训练与评测环境。
世界模型 · OPF
JEPA-Anything
以正交预测因子分解（OPF）学习跨领域的预测模型。
世界模型 · 递归自我改进
RSI-Anything
基于 JEPA-Anything，结合世界模型预测与交互反馈，实现跨领域递归自我改进。
长程智能体 · 记忆进化
Recuris
耦合经验记忆与工作记忆，利用环境反馈改进长程任务中的技能和执行过程。
推理与过程奖励
ReasonFlux
围绕思维模板、过程奖励模型及代码生成开展推理与后训练研究。
智能体强化学习
RLAnything
研究环境、策略与奖励模型的动态协同优化。
交互式智能体强化学习
OpenClaw-RL
利用交互反馈训练智能体，支持对话、终端、GUI、软件工程与工具调用。
环境构建与进化
GenEnv
研究智能体学习中的环境构建、课程调整与环境—策略协同进化。
多模态扩散语言模型
MMaDA
研究统一的多模态扩散语言模型。
扩散语言模型强化学习
dLLM-RL
面向扩散语言模型的轨迹感知强化学习与后训练。
多智能体协作
LatentMAS
研究多智能体在隐空间中的推理与协作。