五阶段课程学习的VLA框架，统一多具身动作空间，配合RL对齐实现人形机器人通用操控
I. Apanasevich, M. Artemyev, R. Babakyan, P. Fedotova, D. Grankin, E....
人形机器人
多具身迁移
强化学习对齐
行为克隆
视觉-语言-动作模型
多模态联合训练+Agent Swarm并行编排，实现通用智能体
Kimi Team, Tongtong Bai, Yifan Bai, Yiping Bao, S. H. Cai, Yuan Cao, Y....
多模态大模型
并行推理
强化学习
智能体
视觉语言
多尺度视觉裁剪+长程轨迹RL，突破多模态深度研究瓶颈
Wenxuan Huang, Yu Zeng, Qiuchen Wang, Zhen Fang, Shaosheng Cao, Zheng Chu,...
信息检索
多模态学习
大语言模型
强化学习
视觉问答
提出 VDR-Bench，揭示现有基准两大缺陷并设计多轮裁剪搜索策略
Yu Zeng, Wenxuan Huang, Zhen Fang, Shuang Chen, Yufan Shen, Yishuo Cai,...
图像检索
基准评测
多模态搜索
深度研究
视觉问答
将仓库规划图从静态生成蓝图扩展为双向统一表示，实现代码仓库的高效理解与重建
Jane Luo, Chengyu Yin, Xin Zhang, Qingtao Li, Steven Liu, Yiming Huang, Jie...
代码仓库
代码理解
代码生成
知识图谱
软件工程
统一推理框架，通过世界知识增强与视觉精修实现高质量图像生成与编辑
Dianyi Wang, Chaofan Ma, Feng Han, Size Wu, Wei Song, Yibin Wang, Zhixiong...
世界知识
图像编辑
多模态生成
推理增强
统一模型
自动构建80万+多语言SWE可验证环境，用于训练编程智能体
Mouxiang Chen, Lei Zhang, Yunlong Feng, Xuwu Wang, Wenting Zhao, Ruisheng...
代码智能体
多语言
强化学习
数据构建
软件工程
双智能体文件系统框架突破上下文限制实现深度研究
Chiwei Zhu, Benfeng Xu, Mingxuan Du, Shaohan Wang, Xiaorui Wang, Zhendong...
文件系统
智能体
测试时扩展
深度研究
知识库
通过RMS一致性保留与非对称梯度解耦实现中期宽度扩展，节省35%训练成本
Qifan Yu, Xinyu Ma, Zhijian Zhuo, Minrui Wang, Deyi Liu, Shiyi Zhan, Yiyuan...
MoE
优化器状态管理
大语言模型
学习率调度
宽度扩展
在x-prediction上叠加LPIPS+P-DINO感知损失，像素扩散首次超越潜在扩散
Zehong Ma, Ruihan Xu, Shiliang Zhang
像素空间生成
图像生成
感知损失
扩散模型
文生图
用重要性采样重加权SFT损失，弥合离线SFT与在线RL间的分布失配
Dylan Zhang, Yufeng Xu, Haojin Wang, Qingzhi Chen, Hao Peng
大语言模型后训练
强化学习RL
推理能力
监督微调SFT
重要性采样
从信息论视角重新设计推荐系统的语义ID构建，提出FAMAE+GAOQ框架，无需LLM即可超越强基线
Yu Liang, Zhongjin Zhang, Yuxuan Zhu, Kerui Zhang, Zhiluohan Guo, Wenhang...
信息论
向量量化
推荐系统
生成式推荐
语义ID
通过生成可渲染Web代码而非直接像素来建模移动GUI状态转换
Woosung Koh, Sungjun Han, Segyu Lee, Se-Young Yun, Jamin Shin
GUI代理
世界模型
代码生成
移动计算
视觉语言模型
用Wikipedia引用构建1197题GraphRAG基准，多源聚合是优势
Pengyu Wang, Benfeng Xu, Licheng Zhang, Shaohan Wang, Mingxuan Du, Chiwei...
GraphRAG
基准测试
多文档聚合
异构语料
检索增强生成
通过闭环优化同时优化环境、策略和奖励模型，实现LLM代理任务的显著提升
Yinjie Wang, Tianbao Xie, Ke Shen, Mengdi Wang, Ling Yang
大语言模型
奖励建模
强化学习
智能体
环境自适应
用多格漫画作为图像和视频之间的中间推理媒介，兼顾时序结构与计算效率
Andong Chen, Wenxin Zhu, Qiuyu Ding, Yuchen Song, Muyun Yang, Tiejun Zhao
Chain-of-Thought
多模态推理
思维链扩展
漫画生成
视觉推理
基于维基百科优质文章构建实时基准，评估深度研究智能体的写作与事实准确性能力
Shaohan Wang, Benfeng Xu, Licheng Zhang, Mingxuan Du, Chiwei Zhu, Xiaorui...
LLM评估
事实验证
深度研究智能体
维基百科
评估基准
通过锚定、稳定化和双边际机制解决偏好优化中的遗忘问题
Maksim Afanasyev, Illarion Iov
DPO
RLHF替代方案
SimPO
偏好优化
大语言模型对齐
通过时序KV压缩和ANN稀疏注意力实现5-10倍加速的自回归视频生成
Dvir Samuel, Issar Tzachor, Matan Levy, Micahel Green, Gal Chechik, Rami Ben-Ari
KV缓存压缩
世界模型
扩散模型
注意力机制
稀疏注意力
用自回归教师做ODE初始化，解决双向→自回归蒸馏中的帧级非单射性问题，显著提升视频质量。
Hongzhou Zhu, Min Zhao, Guande He, Hang Su, Chongxuan Li, Jun Zhu
ODE蒸馏
实时交互
扩散模型蒸馏
自回归模型
视频生成
通过最优传输对齐文本-视频嵌入空间，实现无需人工标注的视频生成后训练
Minh-Quan Le, Gaurav Mittal, Cheng Zhao, David Gu, Dimitris Samaras, Mei Chen
后训练
奖励模型
文本到视频
最优传输
视频生成
用“思考-检索-创造”智能体工作流补齐图像生成的外部知识与复杂推理短板
Jun He, Junyan Ye, Zilong Huang, Dongzhi Jiang, Chenjue Zhang, Leqi Zhu,...
多模态检索
推理增强生成
智能体生成
统一理解与生成
评测基准
提出学生熵引导的多轴选择性知识蒸馏方法SE-KD3X，在保持性能的同时大幅降低计算开销
Almog Tavor, Itay Ebenspanger, Neil Cnaan, Mor Geva
大语言模型
效率优化
模型压缩
知识蒸馏
选择性学习
通过递归压缩轨迹为结构化状态表示，实现跨轮次经验复用，突破ReAct线性框架的探索瓶颈
Jialiang Zhu, Gongrui Zhang, Xiaolong Ma, Lin Xu, Miaosen Zhang, Ruiqi Yang,...
ReAct框架
大语言模型
测试时扩展
深度搜索智能体
轨迹压缩
64×64×4高压缩VAE+层记忆DIT，实现42倍加速的图像转视频
FSVideo Team, Qingyu Chen, Zhiyuan Fang, Haibin Huang, Xinwei Huang, Tong...
图像转视频
扩散模型
模型加速
潜空间压缩
视频生成
首个针对日语金融语言理解的基准，揭示主流LLM在隐式意图识别和术语抽取上的系统性短板
Xueqing Peng, Ruoyu Xiang, Fan Zhang, Mingzi Song, Mingyang Jiang, Yan Wang,...
基准测试
大语言模型评估
日语处理
语用学
金融NLP
首个评估视觉指令（草图/箭头）驱动图像编辑能力的分层基准，揭示现有模型在因果推理上的瓶颈
Huanyu Zhang, Xuehai Bai, Chengzu Li, Chen Liang, Haochen Tian, Haodong Li,...
图像编辑
基准测试
多模态交互
视觉指令
评估框架
用视觉想象链增强MLLM的认知推理能力
Boyi Li, Yifan Shen, Yuanzhe Liu, Yifan Xu, Jiateng Liu, Xinzhuo Li,...
多模态大语言模型
强化学习
潜在空间推理
视觉推理
认知科学
用多智能体框架将参考图像的抽象隐喻逻辑迁移至新主题，实现真正的创意转译而非像素复制
Yu Xu, Yuxin Zhang, Juan Cao, Lin Gao, Chunyu Wang, Oliver Deussen, Tong-Yee...
创意计算
图像生成
多智能体系统
概念整合理论
视觉隐喻
双流DiT框架解耦感知规划与视频合成，实现文本驱动的人-物交互
Youliang Zhang, Zhengguang Zhou, Zhentao Yu, Ziyao Huang, Teng Hu, Sen...
DiT
人-物交互
扩散模型
虚拟形象
视频生成
Rubric-ARM通过交替强化学习联合优化评分标准生成器和判断器，提升LLM后训练效果
Ran Xu, Tianci Liu, Zihan Dong, Tony You, Ilgee Hong, Carl Yang, Linjun...
GRPO
LLM对齐
奖励建模
强化学习
评分标准
提出结构化技能库+检索增强智能体，在Windows桌面任务上达到57.5%成功率
Tianyi Chen, Yinheng Li, Michael Solodko, Sen Wang, Nan Jiang, Tingyuan Cui,...
GUI自动化
技能库
桌面Agent
检索增强规划
计算机使用智能体
发现LLM隐藏状态中存在稀疏的奖励相关神经元子系统
Guowei Xu, Mert Yuksekgonul, James Zou
可解释性
奖励建模
强化学习
推理机制
神经元分析
将权重微调、LoRA 和激活引导统一为动态权重更新，揭示偏好-效用权衡规律
Ziwen Xu, Chenyan Wu, Hengyu Sun, Haiwen Hong, Mengru Wang, Yunzhi Yao,...
参数高效微调
可解释性
模型控制
激活引导
表示流形
LoopViT通过权重共享循环和动态退出机制提升视觉推理效率
Wen-Jie Shu, Xuerui Qiu, Rui-Jie Zhu, Harold Haodong Chen, Yexin Liu, Harry Yang
ARC-AGI
动态计算
循环Transformer
权重共享
视觉推理
用强化学习训练LLM进行分治推理，在竞赛级数学任务上超越链式思维推理
Xiao Liang, Zhong-Zhi Li, Zhenghao Lin, Eric Hancheng Jiang, Hengyuan Zhang,...
分治策略
大语言模型
强化学习
推理能力
测试时扩展
通过隐式潜在推理无缝集成到自回归图像生成中，实现高效自精炼。
Harold Haodong Chen, Xinxiang Yin, Wen-Jie Shu, Hongfei Zhang, Zixin Zhang,...
多模态理解与生成
强化学习
文本到图像生成
潜在推理
自回归模型
基于旅行规划场景构建长程多轮交互基准，揭示现有LLM在复杂约束下的严重不足
Yuanzhe Shen, Zisu Huang, Zhengyuan Wang, Muzhao Tian, Zhengkang Guo,...
多轮对话
工具调用
强化学习
旅行规划
智能体基准
将语言模型作为可训练的提示词优化器，与流匹配模型联合强化学习，解决探索坍塌与提示词过拟合
Fu-Yun Wang, Han Zhang, Michael Gharbi, Hongsheng Li, Taesung Park
对齐
强化学习
提示词优化
文本到图像生成
流匹配模型
评估AI智能体在日常工作/生活/学习场景中完成多样化任务的能力
Kaiyuan Chen, Qimin Wu, Taiyu Hou, Tianhao Tang, Xueyu Hu, Yuchen Hou, Bikun...
AI Agent
Benchmark
LLM评估
多模态
指令跟随
通过测试时缩放和强化学习训练生成器，实现可控难度的高质量推理问题合成
Zhongyuan Peng, Caijun Xu, Changyi Xiao, Shibo Hong, Eli Zhang, Stephen...
强化学习
推理能力
数据合成
测试时缩放
课程学习
通过多项式解码扩展稀疏自编码器，建模特征间的非线性交互以捕捉组合语义。
Panagiotis Koromilas, Andreas D. Demou, James Oldfield, Yannis Panagakis,...
可解释AI
机械可解释性
特征交互
稀疏自编码器
语言模型
统一框架优化SpeechLM流式推理，吞吐量提升10-20倍
Keisuke Kamahori, Wei-Tzu Lee, Atindra Jha, Rohan Kadekodi, Stephanie Wang,...
推理系统
模型服务
流式生成
语音语言模型
音频生成
提出Hive数据集：从野生音频中挖掘高纯度单事件片段，仅用0.2%数据量达到百万小时级模型的分离效果
Kai Li, Jintao Cheng, Chang Zeng, Zijun Yan, Helin Wang, Zixiong Su, Bo...
声音事件检测
多模态大模型
数据效率
数据集构建
音频源分离
提出语义容量不对称假设，用小模型内部表示代替大模型生成进行评估
Zhuochun Li, Yong Zhang, Ming Li, Yuelyu Ji, Yiming Zeng, Ning Cheng, Yun...
小语言模型
探针技术
推理评估
数据过滤
模型评估
用离散语言分数替代token级概率匹配，实现内存高效的推理能力蒸馏
Jing Xiong, Hui Shen, Shansan Gong, Yuxin Cheng, Jianghan Shen, Chaofan Tao,...
Web问答
强化学习
推理
数学推理
知识蒸馏
系统评估 PTQ 对视觉规划世界模型的影响，揭示五条关键量化洞察
Zhongqian Fu, Tianyi Zhao, Kai Han, Hang Zhou, Xinghao Chen, Yunhe Wang
世界模型
后训练量化
模型量化
视觉规划
边缘部署
提出DDR-Bench基准，评估LLM在无预设问题下自主探索数据库并挖掘洞见的能力
Wei Liu, Peijie Yu, Michele Orini, Yali Du, Yulan He
Agentic AI
LLM Agent
基准评测
数据科学
自主探索
缩放图像分隔符令牌隐藏状态，无需训练即可抑制跨图像信息泄漏
Minyoung Lee, Yeji Park, Dongjun Hwang, Yejin Kim, Seong Joon Oh, Junsuk Choe
多图像理解
多模态大模型
推理优化
注意力机制
训练无关方法
轻量级生成式提示预测模型实现跨提示难度泛化，加速RL后训练
Yun Qu, Qi Wang, Yixiu Mao, Heming Zou, Yuhang Jiang, Weijie Liu, Clive Bai,...
后训练优化
大语言模型
强化学习
提示选择
计算效率