美团开源560B MoE推理模型，在智能体搜索与工具使用任务上达到开源SOTA
Meituan LongCat Team, Anchun Gui, Bei Li, Bingyang Tao, Bole Zhou, Borun...
MoE
工具使用
开源模型
强化学习
智能体推理
基于目标感知的行级轻量剪枝框架，为编程Agent压缩代码上下文
Yuhang Wang, Yuling Shi, Mo Yang, Rongrui Zhang, Shilin He, Heng Lian,...
上下文压缩
代码智能
提示优化
编程Agent
软件工程
双脑架构冻结左脑保通用、训练右脑做控制，用 AsyMoT 机制融合语义与动作
Bin Yu, Shijie Lian, Xiaopeng Lin, Yuliang Wei, Zhaolong Shen, Changti Wu,...
具身智能
机器人操控
流匹配
混合Transformer
灾难性遗忘
17个多模态交互环境系统评测VLM在多步视觉决策中的失败模式
Zirui Wang, Junyi Zhang, Jiaxin Ge, Long Lian, Letian Fu, Lisa Dunlap, Ken...
多模态智能体
强化学习环境
监督微调
视觉语言模型
评估基准
记忆增强框架解决多轮视频编辑的跨轮一致性问题
Dohun Lee, Chun-Hao Paul Huang, Xuelin Chen, Jong Chul Ye, Duygu Ceylan,...
多轮交互
扩散模型
新视角合成
视频编辑
记忆机制
统一训练和推理的 FP8 精度流，解决 RL 滚动加速中的训练不稳定问题
Haocheng Xi, Charlie Ruan, Peiyuan Liao, Yujun Lin, Han Cai, Yilong Zhao,...
FP8
LLM推理加速
大模型训练
强化学习
量化训练
通过分解式准则验证实现Deep Research Agent的推理时自进化
Yuxuan Wan, Tianqing Fang, Zaitang Li, Yintong Huo, Wenxuan Wang, Haitao Mi,...
失败分类学
推理时扩展
智能体验证
深度研究智能体
自进化
通过程序化生成终端任务环境，用简单PPO显著提升LLM终端能力
Kanishk Gandhi, Shivam Garg, Noah D. Goodman, Dimitris Papailiopoulos
PPO
强化学习
智能体
程序化生成
终端任务
SALAD在视频扩散变换器中引入并行线性注意力分支，实现90%稀疏度和1.52-2.03倍推理加速，同时保持生成质量。
Tongcheng Fang, Hanling Zhang, Ruiqi Xie, Zhuo Han, Xin Tao, Tianchen Zhao,...
扩散模型
模型压缩
注意力机制
稀疏注意力
线性注意力
首次提出基于强化学习训练LLM通过多轮对话进行策略决策的框架
Victor Conchello Vendrell, Max Ruiz Luyten, Mihaela van der Schaar
LLM微调
博弈论
多轮对话
强化学习
策略推理
首个将心智理论(ToM)引入学术反驳的框架，通过建模审稿人心态生成策略性回复
Zhitao He, Zongwei Lyu, Yi R Fung
大语言模型
学术反驳
强化学习
心智理论
策略性说服
揭示基准漏洞+统一评估框架，4B模型训练后超越GPT-4o
Fan Nie, Junlin Wang, Harper Hua, Federico Bianchi, Yongchan Kwon, Zhenting...
SFT训练
代码生成
基准测试
数据科学
智能体评估
提出RPE复杂度度量和逆向QA合成框架，生成大规模高难度图表推理训练数据
Zheng Liu, Honglin Lin, Chonghan Qin, Xiaoyang Wang, Xin Gao, Yu Li,...
图表理解
强化学习
推理增强
数据合成
视觉语言模型
用MDA推理链和玩家角色画像微调LLM，使其成为能模拟真实玩家多样化反馈的虚拟桌游测试员
Zizhen Li, Chuanhao Li, Yibin Wang, Yukang Feng, Jianwen Sun, Jiaxin Ai,...
LLM微调
人机协作
体验评估
桌游AI
用户模拟
提出PaST框架，通过正交的参数更新将RL技能注入SFT模型，解决知识与推理的脱节问题
Pingzhi Tang, Yiding Wang, Muhan Zhang
参数技能转移
大语言模型
强化学习
持续适应
知识更新
针对土耳其法律领域，从头训练编码器+持续预训练解码器，实现高效法律检索
Özgür Uğur, Mahmut Göksu, Mahmut Çimen, Musa Yılmaz, Esra Şavirdi, Alp Talha...
土耳其语
嵌入模型
持续预训练
法律NLP
领域适应
交互式病理分割基础模型，联合语义-空间条件实现人机协同的全切片级组织分析
Peixian Liang, Songhao Li, Shunsuke Koga, Yutong Li, Zahra Alipour, Yucheng...
交互式学习
医学图像分割
多模态融合
病理学基础模型
空间转录组学
通过迭代优化实验提炼10条代码生成prompt改进指南，并验证其实际应用价值
Alessandro Midolo, Alessandro Giagnorio, Fiorella Zampetti, Rosalia Tufano,...
LLM应用
代码生成
实证研究
提示工程