构建大规模语音检索基准，系统评估噪声对语音查询检索系统的影响
Yuejie Li, Ke Yang, Yueying Hua, Berlin Chen, Jianhao Nie, Yueping He, Caixin Kang
ASR
信息检索基准
噪声鲁棒性
多模态检索
语音检索
用稀疏自编码器识别缺失任务特征，覆盖式合成少量高效数据，达到150倍数据量基线的性能
Zhongzhi Li, Xuansheng Wu, Yijiang Li, Lijie Hu, Ninghao Liu
后训练
多样性度量
数据合成
特征覆盖
稀疏自编码器
字节跳动医疗AI团队提出的医疗视觉语言基础模型，在30+基准测试中达到SOTA性能。
Baorong Shi, Bo Cui, Boyuan Jiang, Deli Yu, Fang Qian, Haihua Yang, Huichao...
临床推理
医学影像
医疗AI
多模态大语言模型
视觉语言模型
通过训练时区域蒸馏取代推理时工具缩放，实现单次前向传播的细粒度视觉感知。
Lai Wei, Liangbo He, Jun Lan, Lingzhong Dong, Yutong Cai, Siyuan Li, Huijia...
合成数据
多模态大语言模型
强化学习
知识蒸馏
细粒度感知
提出结构化属性指令数据集ASID-1M和验证管道，显著提升视频描述的细粒度和可靠性
Yunheng Li, Hengrui Zhang, Meng-Hao Guo, Wenzhao Gao, Shaoyong Jia, Shaohui...
多模态大语言模型
指令微调
数据集
视听描述
视频理解
借鉴HEVC视频编解码器思想，只编码视频中3.1%-25%的运动关键区域实现高效视觉理解
Feilong Tang, Xiang An, Yunyao Yan, Yin Xie, Bin Qin, Kaicheng Yang, Yifei...
多模态大模型
稀疏编码
自监督学习
视觉编码器
视频理解
通过视频编解码原语（运动向量和残差）实现高效视频语言建模，将token使用量减少93%
Sayan Deb Sarkar, Rémi Pautrat, Ondrej Miksik, Marc Pollefeys, Iro Armeni,...
token压缩
多模态AI
视频理解
视频编解码
语言模型
利用预训练语义特征的高阶时间统计量（均值、方差、偏度）实现无需训练的运动感知视频检索
Saar Huberman, Kfir Goldberg, Or Patashnik, Sagie Benaim, Ron Mokady
无训练方法
视频检索
视频表示学习
语义特征
运动相似度
结合人类专家CoT数据与地理相似性奖励，实现细粒度图像地理定位
Modi Jin, Yiming Zhang, Boyuan Sun, Dingwen Zhang, MingMing Cheng, Qibin Hou
地理定位
强化学习
视觉语言模型
计算机视觉
链式思考
通过拆解-干预-重组的弗兰肯斯坦框架，揭示 RL 真正改进的是中后层的视觉-推理对齐
Xirui Li, Ming Li, Tianyi Zhou
VLM
强化学习
模型分析
模型合并
视觉推理
提出AI代理间安全可验证的自适应委托框架
Nenad Tomašev, Matija Franklin, Simon Osindero
AI安全
任务委托
协议设计
多智能体系统
智能体协调
整合600万+轨迹构建统一流形学习VLA模型，实现跨具身通用机器人操作
Yandan Yang, Shuang Zeng, Tong Lin, Xinyuan Chang, Dekang Qi, Junjin Xiao,...
VLA基础模型
具身智能
扩散模型
数据工程
机器人操作
RL+仿真交互+真实SFT锚定，提升VLA模型真实部署成功率
Liangzhi Shi, Shuaihang Chen, Feng Gao, Yinuo Chen, Kang Chen, Tonghe Zhang,...
Sim-to-Real
VLA模型
协同训练
强化学习
机器人操作
通过比特平面构造可变量化网格，突破固定网格在2-bit极限压缩下的精度瓶颈
Junyu Chen, Jungang Li, Jing Xiong, Wenjie Wang, Qingyao Yang, He Xiao, Zhen...
LLM推理优化
后训练量化
模型压缩
模型量化
首个专门为CUDA内核生成设计的扩散大语言模型
Haolei Bai, Lingcheng Kong, Xueyi Chen, Jianmian Wang, Zhiqiang Tao, Huan Wang
CUDA内核生成
代码生成
强化学习
扩散大语言模型
高性能计算
构建1780个科学工具环境与基准，揭示LLM在长序列科学推理中的瓶颈
Yujiong Shen, Yajie Yang, Zhiheng Xi, Binze Hu, Huayu Sha, Jiazheng Zhang,...
基准测试
工具使用
数据合成
智能体
科学推理
小米开源4.7B参数VLA模型，Λ-掩码异步推理实现80ms实时机器人控制
Rui Cai, Jun Guo, Xinze He, Piaopiao Jin, Jie Li, Bingxuan Lin, Futeng Liu,...
双臂操作
实时控制
扩散变换器
机器人学
视觉语言动作模型
提出UniDFlow统一框架，用离散流匹配同时实现图像理解、生成和编辑
Onkar Susladkar, Tushar Prakash, Gayatri Deshmukh, Kiet A. Nguyen, Jiaxun...
偏好对齐
图像生成
图像编辑
多模态
扩散模型
通过分层合成数据框架为推荐LLM建立首个幂律缩放定律
Benyu Zhang, Qiang Zhang, Jianpeng Cheng, Hong-You Chen, Qifei Wang, Wei...
合成数据
大语言模型
持续预训练
推荐系统
缩放定律
通过动能正则化将最大熵RL重构为薛定谔桥问题，无需显式密度估计
Lei Lv, Yunfei Li, Yu Luo, Fuchun Sun, Xiao Ma
Flow Matching
强化学习
扩散策略
最优传输
最大熵RL
提出基于LLM定向反馈的自进化推荐系统框架，通过用户模拟器和诊断工具协同进化提升推荐性能
Sein Kim, Sangwu Park, Hongseok Kang, Wonjoong Kim, Jimin Seo, Yeonjun In,...
LLM
代码进化
推荐系统
自动化机器学习
自进化代理
通过双流架构和物理感知闭环机制，将文本指令转化为物理一致的4D动态场景
Yi Zhang, Yunshuang Wang, Zeyu Zhang, Hao Tang
4D生成
多智能体系统
大语言模型
物理模拟
程序化建模
揭示RL微调VLMs在文本扰动下的脆弱性及准确性-忠实性权衡现象
Rosie Zhao, Anshul Shah, Xiaoyu Zhu, Xinke Deng, Zhongyu Jiang, Yang Yang,...
多模态推理
强化学习微调
思维链
视觉语言模型
鲁棒性评估
基于大语言模型的代理式框架，通过迭代语义推理精准识别软件漏洞修复提交
André Storhaug, Jiamou Sun, Jingyue Li
CVE补丁检测
代码分析
大语言模型代理
漏洞修复识别
软件安全
发现音频扩散模型存在语义瓶颈层，局部激活转向实现最优音乐概念控制
Łukasz Staniszewski, Katarzyna Zaleska, Mateusz Modrzejewski, Kamil Deja
可解释性
扩散模型
激活转向
音乐控制
音频生成
无需训练框架，在极端视角变化下实现4D视频重光照
Zhenghuang Wu, Kang Chen, Zeyu Zhang, Hao Tang
4D视频生成
扩散模型
流匹配
计算机视觉
重光照
首个系统性LLM原生推理框架，自动化单细胞组学分析
Yiming Gao, Zhen Wang, Jefferson Chen, Mark Antkowiak, Mengzhou Hu, JungHo...
NeurIPS
单细胞分析
基因调控网络
大语言模型
推理
利用SAM 2增强的激光雷达伪标签训练图像树冠分割模型，无需人工标注
Julius Pesonen, Stefan Rua, Josef Taher, Niko Koivumäki, Xiaowei Yu, Eija Honkavaara
伪标签学习
多模态融合
实例分割
森林监测
遥感
将推理时转向向量转化为组件级 rank-1 权重编辑，实现更优的属性-效用权衡
Chung-En Sun, Ge Yan, Zimo Wang, Tsui-Wei Weng
可解释性
大语言模型
模型编辑
行为控制
表示工程
层次化VLA架构实现零样本机器人操作，无需真实数据即可生成高质量训练数据
Guoqing Ma, Siheng Wang, Zeyu Zhang, Shan Yu, Hao Tang
层次化架构
数据生成
机器人操作
视觉-语言-动作模型
零样本学习
通过累积误差反馈和无状态种子重放，直接在量化空间对大模型进行全参数微调
Yinggan Xu, Risto Miikkulainen, Xin Qiu
低精度训练
大语言模型
进化策略
量化微调
零阶优化
改进开源语言识别系统，重点解决相近语言混淆和噪音文档污染问题
Mariia Fedorova, Nikolay Arefyev, Maja Buljan, Jindřich Helcl, Stephan...
低资源语言
多语言NLP
数据集
文本分类
语言识别