专题：generalization

北京大学彭宇新团队提出TARA方法，通过分类感知表征对齐技术，将类别树结构知识注入多模态大模型，解决了分层视觉识别中从粗到细的精准识别难题。该方法不仅提升了最终细粒度类别的识别准确率，还增强了模型对新类别的泛化能力。论文被CVPR 2026接收并开源，为生物分类和通用视觉理解提供了重要进展。

LongCat-Flash-Thinking-2601模型通过‘重思考模式’结合并行推理与深度总结技术，提升智能体在复杂任务中的表现。适用于多步骤规划和交互场景，具备技术深度和应用潜力。

UniRG 是一种基于多模态强化学习的医学影像报告生成框架，通过结合监督微调与强化学习，提升了模型在临床环境中的泛化能力和可靠性。UniRG-CXR 在多个数据集和指标上表现领先，尤其在跨机构和纵向报告生成方面具有显著优势，为医疗AI的实用化提供了新方向。