揭示GRPO等群组相对RL算法中优势估计的固有偏差，并提出HA-DW自适应修正方案
Fengkai Yang, Zherui Chen, Xiaohan Wang, Xiaodong Lu, Jiajun Chai, Guojun...
GRPO
LLM推理
优势估计
后训练
强化学习
自动化粗到细生成评分标准，驱动LLM开放域任务超越GPT-5
Sunzhu Li, Jiale Zhao, Miteto Wei, Huimin Ren, Yang Zhou, Jingwen Yang,...
LLM评估
对齐训练
强化学习
数据集构建
评分标准
AI代理技术扩展可被策略性利用操控监管者市场设计
Eilam Shapira, Roi Reichart, Moshe Tennenholtz
AI代理
LLM
博弈论
市场监管
机制设计
提出从文本语料库直接提取多轮工具使用轨迹的新范式，绕过对预定义工具的依赖
Zhihao Xu, Rumei Li, Jiahuan Li, Rongxiang Weng, Jingang Wang, Xunliang Cai,...
多轮对话
大语言模型
工具调用
数据合成
自主智能体
AgencyBench评估代理在百万token真实场景中的长时间跨度能力。
Keyu Li, Junhao Shi, Yang Xiao, Mohan Jiang, Jie Sun, Yunze Wu, Shijie Xia,...
代理基准测试
工具使用
自主代理
长时间跨度任务
揭示个性化LLM中因表征纠缠导致的事实幻觉，提出FPPS推理时干预框架
Zhongxiang Sun, Yi Zhan, Chenglei Shen, Weijie Yu, Xiao Zhang, Ming He, Jun Xu
个性化
大语言模型
幻觉检测与缓解
推理时干预
表征工程
提出在动作空间直接推理的ACoT范式，通过显式和隐式动作推理器提升机器人策略学习效果
Linqing Zhong, Yi Liu, Yifei Wei, Ziyu Xiong, Maoqing Yao, Si Liu, Guanghui Ren
操作策略
机器人学习
视觉-语言-动作模型
链式思维推理
多模态整流流模型从随意拍摄序列生成鲁棒的度量3D物体形状
Yawar Siddiqui, Duncan Frost, Samir Aroudj, Armen Avetisyan, Henry...
3D重建
场景理解
多模态学习
形状生成
流匹配
利用LLM构建部件级动作数据集，实现细粒度时空控制的扩散模型动作生成
Chuqiao Li, Xianghui Xie, Yong Cao, Andreas Geiger, Gerard Pons-Moll
LLM数据标注
人体动作生成
扩散模型
文本驱动生成
部件级控制
统一VLM-Diffusion架构从网络视频学习语言驱动的未来光流预测，赋能机器人操控和视频生成
Kanchana Ranasinghe, Honglu Zhou, Yu Fang, Luyu Yang, Le Xue, Ran Xu,...
光流预测
扩散模型
机器人操控
视觉语言模型
视频生成
利用解码熵轨迹训练轻量分类器，实现跨域 LLM 准确率的低成本持续监控
Pedro Memoli Buffa, Luciano Del Corro
LLM监控
不确定性量化
模型评估
领域泛化
通过边界感知奖励训练LLM在信息不足时主动承认"不知道"，提升智能体搜索的可靠性
Shiyu Liu, Yongjing Yin, Jianhao Yan, Yunbo Tang, Qinggang Zhang, Bei Li,...
GRPO
多跳问答
强化学习
智能体搜索
模型可靠性
利用token预测概率识别核心语义，选择性训练高概率token提升SFT效果
Tao Liu, Taiqiang Wu, Runming Yang, Shaoning Sun, Junjie Wang, Yujiu Yang
LoRA
token级优化
大语言模型
数据高效学习
监督微调
推理模型通过模拟多视角对话实现深度思考，本质是'思维社会'的涌现
Junsol Kim, Shiyang Lai, Nino Scherrer, Blaise Agüera y Arcas, James Evans
LLM推理
可解释性
多智能体
强化学习
认知科学
首个将物理碰撞规则直接编码到高维空间的强化学习视频生成框架。
Qiyuan Zhang, Biao Gong, Shuai Tan, Zheng Zhang, Yujun Shen, Xing Zhu,...
Flow Matching
刚体动力学
强化学习
物理感知
视频生成
通过切换思维语言，可系统性地提升LLM输出多样性，且语言距英语越远增益越大
Shaoyang Xu, Wenxuan Zhang
多元对齐
多语言
思维链
语言几何
输出多样性
开发鲁棒的激活探针架构，以检测语言模型在长上下文等生产分布偏移下的滥用行为。
János Kramár, Joshua Engels, Zheng Wang, Bilal Chughtai, Rohin Shah, Neel...
AlphaEvolve
分布偏移
滥用检测
激活探针
级联分类器
提出分层隐式意图对齐任务，通过长期用户记录让GUI代理理解省略的偏好和潜在例程
Yibo Lyu, Gongwei Chen, Rui Shao, Weili Guan, Liqiang Nie
GUI代理
个性化
意图理解
用户建模
长期记忆
系统分析多图像视觉语言模型的失败模式，提出 MIMIC 基准和针对性改进方案
Anurag Das, Adrian Bulat, Alberto Baldrati, Ioannis Maniadis Metaxas, Bernt...
基准测试
多图像理解
多模态学习
注意力机制
视觉语言模型
首个评估LLM智能体在物理约束空间规划问题上能力的统一基准测试套件
Weiyi Wang, Xinchi Chen, Jingjing Gong, Xuanjing Huang, Xipeng Qiu
LLM agent
agentic AI
benchmark
combinatorial optimization
satellite scheduling
难度过滤是多模态推理数据策划的核心，多样性启发式无额外收益
Yosub Shin, Michael Buriek, Boris Sobolev, Pavel Bushuyeu, Vikas Kumar,...
多模态推理
微调
数据策划
数据筛选
视觉语言模型
三阶段解耦物理推理与视觉合成的免训练视频生成框架
Yibo Zhao, Hengjia Li, Xiaofei He, Boxi Wu
多模态大模型
扩散模型
物理约束
视频生成
运动规划