72.6分横扫VSI-Bench！GeoThinker开源：从被动融合到主动感知，打造空间推理新王者
中山大学与引望联合提出GeoThinker，通过主动几何集成框架突破传统被动融合瓶颈，在VSI-Bench上以72.6分登顶，并在具身与自动驾驶任务中展现强大性能。
排序
数据充足为何训练失败？中山大学团队提出MangoBench，揭示多智能体离线强化学习核心瓶颈
中山大学郭裕兰团队在CVPR 2026提出MangoBench基准，系统性分析多智能体离线强化学习在稀疏奖励与信用分配下的困境，揭示目标驱动与分层策略的有效性，为协作智能指明方向。
CVPR 2026 | 让视频生成遵循物理法则：ProPhy的分层物理对齐方法
中山大学梁小丹团队在CVPR 2026提出的ProPhy，通过分层物理对齐大幅减少视频生成中的物理违规现象，从视觉真实迈向物理正确。
几小时让机器人「跑起来」！中山大学开源 PhyAgentOS，终结具身智能真机部署噩梦
中山大学HCP实验室开源PhyAgentOS，通过六层协议化架构实现从仿真到真机的一键部署，支持多机器人协同和白盒调试，让机器人开发告别“论文看懂、真机跑废”的困境。