提出统一动作空间和混合流架构，实现单一模型跨5种机器人平台部署
Hao Luo, Ye Wang, Wanpeng Zhang, Sipeng Zheng, Ziheng Xi, Chaoyi Xu, Haiweng...
Flow Matching
Vision-Language-Action模型
人机融合学习
机器人基础模型
跨具身泛化
首篇系统综述LLM在SWE问题修复中的数据、方法与分析，涵盖175篇论文
Caihua Li, Lianghong Guo, Yanlin Wang, Daya Guo, Wei Tao, Zhenyu Shan,...
LLM Agent
SWE-bench
代码修复
综述
软件工程
系统综述LLM智能体在记忆、工具学习和规划三个核心组件上的效率优化方法
Xiaofang Yang, Lijun Li, Heng Zhou, Tong Zhu, Xiaoye Qu, Yuchen Fan,...
工具学习
效率优化
智能体
综述
规划
提出「定位-引导-改进」框架，将机制可解释性从观察科学转变为可行动的干预方法论
Hengyuan Zhang, Zhihao Zhang, Mingyang Wang, Zunhai Su, Yiwei Wang, Qianli...
大语言模型
机制可解释性
模型对齐
模型干预
综述
OmniTransfer：三模块统一框架实现多任务时空视频迁移
Pengze Zhang, Yanze Wu, Mengtian Li, Xu Bai, Songtao Zhao, Fulong Ye, Chong...
多任务学习
扩散模型
时空一致性
视觉特效
视频生成
让VLM通过主动探索3D点云空间进行推理，而非被动接受2D图像
Zaibin Zhang, Yuhan Wu, Lianjie Jia, Yifan Wang, Zhongbo Zhang, Yijiang Li,...
3D视觉
多模态推理
工具增强
强化学习
空间智能
首个全模态未来预测基准，揭示当前MLLM在视听协同推理上的显著不足
Qian Chen, Jinlan Fu, Changsong Li, See-Kiong Ng, Xipeng Qiu
基准评测
多模态学习
指令微调
未来预测
音视频理解
1B参数VLM在OCR基准上超越9B模型，支持图像定位与高效推理
Said Taghadouini, Adrien Cavaillès, Baptiste Aubertin
OCR
多模态
强化学习
文档理解
视觉语言模型
首个系统评估奖励模型判断LLM长期记忆管理能力的基准，揭示开源与闭源模型差距缩小
Zecheng Tang, Baibei Ji, Ruoxi Sun, Haitian Wang, WangJie You, Zhang Yijun,...
基准评估
大语言模型
奖励模型
记忆管理
长期记忆
通过隐式多模态思维链推理实现视觉语言导航，训练时用思维链、推理时无需显式生成，兼顾推理能力与实时性
Jing Zuo, Lingzhou Mu, Fan Jiang, Chengcheng Ma, Mu Xu, Yonggang Qi
具身智能
多模态学习
思维链推理
视觉自回归模型
视觉语言导航
提出ToolPRMBench基准，系统评估工具使用代理的过程奖励模型，覆盖多种工具环境和错误类型。
Dawei Li, Yuguang Yao, Zhen Tan, Huan Liu, Ruocheng Guo
LLM代理
基准评估
工具使用
强化学习
过程奖励模型
提出为代理搜索设计的检索器训练框架，通过迭代优化提升多跳问答性能
Wenhan Liu, Xinyu Ma, Yutao Zhu, Yuchen Li, Daiting Shi, Dawei Yin, Zhicheng Dou
代理搜索
检索增强生成
迭代训练
问答系统
双分支架构解耦理解与生成，跨模态自注意力实现协同胸部X光分析
Ruiheng Zhang, Jingfeng Yao, Huangxuan Zhao, Hao Yan, Xiao He, Lei Chen,...
医学影像
图像合成
扩散模型
报告生成
统一模型
提出因果框架LIBERTy，用结构反事实评估LLM概念解释方法的忠实性
Gilat Toker, Nitay Calderon, Ohad Amosy, Roi Reichart
LLM评估
反事实
可解释性
因果推理
概念解释
通过解耦训练和非对称自蒸馏稳定大语言模型自我进化，无需人工标注实现10.9点平均提升
Shengda Fan, Xuyan Ye, Yankai Lin
推理能力
无监督学习
自我进化
自蒸馏
课程学习
WorldMind框架通过过程经验和目标经验，在推理时自主对齐LLM智能体的内部世界模型
Baochang Ren, Yunzhi Yao, Rui Sun, Shuofei Qiao, Ningyu Zhang, Huajun Chen
世界模型
具身智能
智能体
物理幻觉
经验学习
提出 RSR 指标衡量推理轨迹与学生模型的适配度，在蒸馏中同时捕获信息量与对齐性
Yuming Yang, Mingyoung Lai, Wanxu Zhao, Xiaoran Fan, Zhiheng Xi, Mingqi Wu,...
LLM训练
推理能力
数据选择
知识蒸馏
链式思维
复用LLM隐藏状态训练轻量探针，单次前向传播实现安全分类
Gonzalo Ariel Meyoyan, Luciano Del Corro
BERTology
LLM安全
探针分类
模型编排
隐藏状态
提出可控视觉轴解耦的2D平台环境，系统评估RL智能体的视觉泛化能力
Egor Cherepanov, Daniil Zelezetsky, Alexey K. Kovalev, Aleksandr I. Panov
JAX
分布偏移
基准测试
强化学习
视觉泛化
首个开源音素识别基准，揭示专用模型仍优于大型音频语言模型
Shikhar Bharadwaj, Chin-Jou Li, Yoonjae Kim, Kwanghee Choi, Eunjung Yeo,...
基准评测
多语言
语音模型
语音识别
音素识别
通过模型自我验证和提出单步纠正干预，解决强化学习在LLM推理中的信用分配问题
Matthew Y. R. Yang, Hao Bai, Ian Wu, Gene Yang, Amrith Setlur, Aviral Kumar
GRPO
LLM推理
信用分配
强化学习
数学推理
用GPT-2小型代理模型的LoRA集成计算梯度信噪比，筛选高价值训练数据
Zhihang Yuan, Chengyu Yue, Long Huang, Litu Ou, Lei Shi
LoRA
不确定性量化
指令微调
数据选择
梯度优化
混合聚类+LLM+词典构建84万条土耳其语语义对，成本仅$65
Ebubekir Tosun, Mehmet Emin Buldur, Özay Ezerceli, Mahmoud ElHussieni
LLM数据生成
低资源语言
土耳其语NLP
数据集构建
语义关系
构建千万级土耳其语同义图，解决反义词入侵与语义漂移
Ebubekir Tosun, Mehmet Emin Buldur, Özay Ezerceli, Mahmoud ElHussieni
低资源语言
同义词图谱
土耳其语
词义消歧
语义聚类
提出基于视觉自回归模型的遥感变化检测框架，通过交叉注意力机制和自回归训练策略实现粗到细的变化图生成。
Yilmaz Korkmaz, Vishal M. Patel
变化检测
深度学习
生成模型
自回归模型
遥感
成员推理攻击在语义保持的改写下会失效，不足以作为版权审计的可靠证据。
Murat Bilgehan Ertan, Emirhan Böge, Min Chen, Kaleel Mahmood, Marten van Dijk
大语言模型
成员推理
改写防御
版权审计
稀疏自编码器
首个检测论文-代码不一致的基准数据集，揭示LLM仅能捕获46.7%的真实差异
Tim Baumgärtner, Iryna Gurevych
LLM评估
代码验证
可复现性
科学自动化
跨模态推理
揭示 DP-SGD 在最坏情况对抗模型下隐私与效用不可兼得的根本局限
Murat Bilgehan Ertan, Marten van Dijk
DP-SGD
f-DP 框架
假设检验
差分隐私
隐私-效用权衡
提出包含 641 道真实数据科学题的多模态交互式评测基准 DSAEval
Maojun Sun, Yifei Xie, Yue Wu, Ruijian Han, Binyan Jiang, Defeng Sun,...
LLM 评测
基准数据集
多模态感知
数据科学
智能体评测
将提示优化建模为POMDP，用五角色多智能体协作提升心理健康情感诊断准确性与鲁棒性。
Jian Zhang, Zhangqi Wang, Zhiyuan Wang, Weiping Fu, Yu He, Haiping Zhu, Qika...
POMDP
多智能体系统
大语言模型
心理健康
情感计算
工具增强的阶段感知AI导师，指导本科生从想法到可发表论文
Abhinav Rajeev Kumar, Dhruv Trehan, Paras Chopra
AI导师
LLM评估
工具增强
研究写作
阶段感知
首个能稳定超越改进随机基线的3D生物医学分割主动学习方法
Carsten T. Lüth, Jeremias Traub, Kim-Celine Kahl, Till J. Bungert, Lukas...
3D医学影像分割
不确定性采样
主动学习
类分层采样