Linum团队发布了JiT-DDT架构，一种改进的文本到图像模型训练方法。相比Linum v2基线，该方法将训练速度提升3.6倍（以GPU小时数计），同时生成的图像像素数增加为4倍。
研究人员提出了Transformer Transformer模型，这是一个统一的AI系统，能够根据目标运动演示自动生成优化的机器人设计，包括每个连接、关节、马达和惯性属性。该模型在cloth flinging任务中实现了显著性能提升，相比ALOHA2原始设计，追踪误差降低73%，最大关节速度降低30%。