提出Representation Autoencoders（RAEs）改进扩散模型在预训练视觉编码器特征空间中的表现，揭示微调会降低表征有效维度。

提出Flash-dLLM框架，通过IO感知KV缓存和并行解码提升扩散型LLM推理效率与内存利用率。

揭示扩散模型中过参数化导致恶性而非良性过拟合，挑战传统双下降假设，属基础模型理论重要发现。