规模化预训练
围绕多模态数据配比、Scaling Law、MoE 负载均衡与稳定训练配方，持续提升单位算力的能力收益。
数据 → 配方 → 稳定扩展M MAMODA · RESEARCH ATLAS / 2026
Mamoda Team
团队长期聚焦多模态模型、推理能力、生成编辑、Agent 与自进化，推动研究探索到真实商业场景落地，打造具备商业安全特色的大模型训练推理框架，保障商业内容理解、生态提升、内容安全健康发展。
01 · Architecture
能力架构
基础设施支撑 Mamoda 模型基座与 Agentic 框架，并在真实场景中完成验证与持续演进。
04落地场景
内容理解与生态提升内容打标 · 解析 · 质量评估 · 定位
精细化客户体验拒绝理由 · 违规定位
一键修复违规违规定位 · 视频编辑 · 音频编辑
广告风险 Agent风险研判 · 热点事件感知 · 策略自动编排
Touch GUI AgentApp 广告校验 · 游戏广告试玩
03Agentic 框架
Hydra Agent策略自生产 · 动态工具
Hydra EvolveAutoPrompt · AutoWorkflow
Harness原子插件 · L0–L2 分层评测
02模型基座
Mamoda 多模态理解长上下文 · Thinking with Texts / Images / Videos
Mamoda 视频生成编辑理解–生成一体化 · 相互促进
Mamoda 全模态理解生成音视频全模态理解和生成
Embedding 模型Universal Multimodal Embedding
01基础设施
CPT & SFT 训练Kraken
RL & OPD 训练BI-veRL
模型推理EZReal
评估框架OneEval
数据闭环数据飞轮系统
在线持续学习Online RL
02 · Scaling Up
技术攻坚
如何将有效方法稳定扩展到更大规模、更长轨迹与真实生产系统。
长上下文与多模态 Scaling
探索高效注意力、渐进式上下文训练与视觉 Token 压缩，让文本、图像和视频在超长上下文中统一建模。
长序列 → 多模态 → 高效记忆可信 Agentic RL Scaling
构建可验证、可防奖励投机的长轨迹环境，通过 RL & OPD、多教师能力融合和可控推理预算提升复杂任务执行能力。
环境 → Rollout → 能力融合训推一体化 Scaling
围绕并行训练、持久化沙箱、KV Cache、推测解码与资源调度，打通训练、评估和线上推理的效率闭环。
训练 → 评估 → 部署03 · Research
探索方向
围绕推理、感知、行动与系统四个长期边界持续探索，让模型能力从方法研究走向真实环境中的验证与演进。
论文成果
近期小组在 ICCV 2025、NeurIPS 2025、ICLR 2026、ICML 2026、ECCV 2026、ACM MM 2026 等会议发表多模态理解、生成编辑、Agent 相关论文 11 篇。
FRONTIER 01
推理边界
模型如何在复杂规则和长上下文中持续提升判断能力，并通过自我奖励、主动学习与在线反馈不断进化。
复杂规则长上下文自我奖励主动学习
研究目标：持续提升判断能力
FRONTIER 02
感知和生成边界
探索连续与离散信号统一的表示与训练方法，建设交织生成与理解的模型。
连续与离散表征交织生成多模态理解生成编辑
感知边界：统一理解、生成与编辑
FRONTIER 03
行动边界
如何让 Agent 在真实交互环境中具备更强的规划、执行与反思能力。
任务规划工具调用环境交互轨迹反思
研究目标：完成复杂开放任务
FRONTIER 04
进化边界
如何让模型在动态业务环境中持续学习、评估、优化，形成长期可扩展的能力演进闭环。
Self-Evolving自动评估策略优化在线反馈
研究目标：持续适应动态环境