在RL训练中嵌入经验-反思-整合循环，使语言模型通过显式自我反思将环境反馈转化为持久行为改进
Taiwei Shi, Sihao Chen, Bowen Jiang, Linxin Song, Longqi Yang, Jieyu Zhao
大语言模型
强化学习
智能体推理
经验学习
自我反思
提出新范式将图像检索从独立匹配转变为语料级上下文推理，构建首个基准DISBench
Chenlong Deng, Mengjie Deng, Junjie Wu, Dun Zeng, Teng Wang, Qingsong Xie,...
上下文感知
基准测试
多模态检索
智能体
视觉推理
用二值扩散头替换 softmax，大幅扩展词表并行生成
Yuang Ai, Jiaming Han, Shaobin Zhuang, Weijia Mao, Xuefeng Hu, Ziyan Yang,...
二值量化
并行生成
扩散模型
文本生图
自回归生成
3B参数模型同时实现推理、编程和长程智能体能力
Chen Yang, Guangyue Peng, Jiaying Zhu, Ran Le, Ruixiang Feng, Tao Zhang,...
代码生成
奖励建模
小语言模型
强化学习
智能体
通过双约束任务合成、中训练与强化学习，打造高效长时程深度搜索智能体
Zheng Chu, Xiao Wang, Jack Hong, Huiming Fan, Yuqi Huang, Yue Yang, Guohai...
任务合成
多模态
强化学习
智能体
深度搜索
用离散动作模板替代温度采样，提升思维树的多样性和可控性
Zachary Bamberger, Till R. Saenger, Gilad Morad, Ofra Amir, Brandon M....
可解释性
思维链
推理优化
文本生成
基于1M+真实轨迹训练的开放网页世界模型，显著提升智能体性能
Zikai Xiao, Jianhong Tu, Chuhang Zou, Yuxin Zuo, Zhi Li, Peng Wang, Bowen...
世界模型
大语言模型
强化学习
数据合成
网页智能体
提出Q-Anchor框架，利用LLM和查询锚点机制实现工业级场景自适应用户表征。
Jiahao Yuan, Yike Xu, Jinyong Wen, Baokun Wang, Ziyi Gao, Xiaotong Lin, Yun...
Prompt Tuning
场景自适应
大语言模型
工业级推荐系统
用户表征学习
提出10级数据处理层次框架Data Darwinism，构建900B token科学语料库，揭示原始科学数据的可学习性差距
Yiwei Qin, Zhen Huang, Tiantian Mi, Weiye Si, Chenyang Zhou, Qipeng Guo,...
LLM训练
数据工程
数据质量
科学数据
预训练
通过异构知识检索+多视角评审委员会+多维度解耦评估，实现自动化研究创意深度评估
Shuofei Qiao, Yunxiang Wei, Xuehai Wang, Bin Wu, Boyang Xue, Ningyu Zhang,...
LLM评估
创意评估
多智能体系统
知识检索
科学研究自动化
提出2^128码本的统一离散tokenizer，在理解、生成、编辑任务上均达到SOTA
Shaobin Zhuang, Yuang Ai, Jiaming Han, Weijia Mao, Xiaohui Li, Fangyikang...
图像生成
多模态大模型
离散量化
统一模型
视觉tokenizer
用分层强化学习动态选择LLM智能体的工作流、工具和预算配置
Aditya Taparia, Som Sagar, Ransalu Senanayake
LLM配置优化
SMDP
层次强化学习
提示工程
智能体系统
提出首个量子原生数据库 Qute，通过编译 SQL 到量子电路实现大规模数据查询加速
Muzhi Chen, Xuanhe Zhou, Wei Zhou, Bangrui Xu, Surui Tang, Guoliang Li,...
Grover 算法
数据库系统
查询优化
量子硬件
量子计算
提出300题多模态深度搜索基准，揭示SOTA模型仅36%准确率
Huanyao Zhang, Jiepeng Zhou, Bo Li, Bowen Zhou, Yanzhe Dan, Haishan Lu,...
多模态基准测试
工具增强推理
深度搜索
网页浏览智能体
过程评估
提出基于可执行代码的框架评估MLLMs物理推理能力，发现模型依赖视觉模式匹配而非真正物理理解
Jiarong Liang, Max Ku, Ka-Hei Hui, Ping Nie, Wenhu Chen
代码生成
基准测试
多模态大语言模型
物理推理
视频重建
通过嵌入器引导的强化学习优化思维链，提升多模态检索嵌入质量
Haonan Jiang, Yuji Wang, Yongjie Zhu, Xin Lu, Wenyu Qin, Meng Wang, Pengfei...
多模态嵌入
强化学习
推理优化
检索
视觉语言模型
小红书团队通过系统优化数据工程与训练方法，实现开源SOTA指令图像编辑
Super Intelligence Team, Changhao Qiao, Chao Hui, Chen Li, Cunzheng Wang,...
Diffusion Transformer
图像编辑
强化学习
扩散模型
指令跟随
用局部点云记忆替代全局3D重建，实现长时域相机可控视频生成的世界一致性
Zun Wang, Han Lin, Jaehong Yoon, Jaemin Cho, Yue Zhang, Mohit Bansal
3D重建
世界模型
相机控制
视频生成
记忆增强
提出统一后训练框架，通过SFT与多任务RL结合，大幅提升多模态扩散语言模型的推理能力
Shufan Li, Yuchen Zhu, Jiuxiang Gu, Kangning Liu, Zhe Lin, Yongxin Chen,...
图像编辑
多模态理解
强化学习
扩散语言模型
推理增强
提出对话式图像分割任务与基准，用自动数据引擎生成106K训练对，轻量模型超越大模型基线
Aadarsh Sahoo, Georgia Gkioxari
SAM
图像分割
指代表达
数据合成
视觉语言模型
通过强化学习和任务特定奖励，统一人体运动理解与生成的多模态模型
Hongpeng Wang, Zeyu Zhang, Wenhao Li, Hao Tang
多模态学习
强化学习
运动理解
运动生成
链式思维
大规模 GitHub AI 编程智能体 PR 数据集，涵盖 93 万条记录
Hao Li, Haoxiang Zhang, Ahmed E. Hassan
AI 编程智能体
人机协作
代码生成
数据集
软件工程
通过分离局部编码器与全局嵌入器，实现计算量与编辑区域成正比的高效视频编辑框架
Yehonathan Litman, Shikun Liu, Dario Seyb, Nicholas Milef, Yang Zhou, Carl...
交互式编辑
扩散模型
视频修复
视频编辑
计算效率
利用聚类、语义专家训练和MoE融合框架显著提升多领域定义生成质量
Yang Liu, Jiaye Yang, Weikang Li, Jiahui Liang, Yang Li, Lingyong Yan
定义建模
模型融合
混合专家模型
自然语言处理
词汇语义
用MCTS优化掩码扩散语言模型的槽填充顺序，在推理任务上平均提升3.2%
Joshua Ong Jun Leang, Yu Zhao, Mihaela Cătălina Stoian, Wenda Li, Shay B....
代码生成
扩散语言模型
推理优化
槽填充
蒙特卡洛树搜索
基于LLM的多智能体系统，通过迭代推理实现零样本单细胞类型注释
Zhen Wang, Yiming Gao, Jieyuan Liu, Enze Ma, Jefferson Chen, Mark Antkowiak,...
人机协作
单细胞RNA测序
多智能体系统
大语言模型
细胞类型注释
开源LLM对预填充攻击全线失守，50个模型无一幸免
Lukas Struppek, Adam Gleave, Kellin Pelrine
LLM安全
开源模型
红队测试
越狱攻击
预填充攻击
用爪哇甘美兰音阶将ENSO气候数据转化为音频，并用非线性动力学方法分析声学相空间轨迹
Sandy H. S. Herho, Rusmawan Suwarman, Nurjanna J. Trilaksono, Iwan P. Anwar,...
ENSO
声音化
复杂系统
气候科学
甘美兰
41种语言的多语言历时语料库与预计算词表示资源
Mariia Fedorova, Andrey Kutuzov, Khonzoda Umarova
历时语言学
多语言语料库
词嵌入
词汇语义变化检测
资源论文
开源Web平台实现12种声学参数分析与交互式3D可视化
Mandip Goswami
Web应用
声学
开源软件
房间声学
脉冲响应分析
首个针对RAG系统知识提取攻击的系统性基准测试，涵盖6种攻击策略和4种防御机制
Zhisheng Qi, Utkarsh Sahu, Li Ma, Haoyu Han, Ryan Rossi, Franck Dernoncourt,...
RAG安全
基准测试
大语言模型
知识提取攻击
隐私保护
研究发现LLM评估者在摘要任务中存在系统偏见，更偏好LLM生成而非人类撰写的摘要
Jiangnan Fang, Cheng-Tse Liu, Hanieh Deilamsalehy, Nesreen K. Ahmed, Puneet...
BLEU
LLM-as-a-judge
ROUGE
位置偏见
偏见分析
提出认知-行为耦合框架，解决生成式AI智能体过度承诺问题
Kirandeep Kaur, Xingda Lyu, Chirag Shah
AI主动性
AI安全性
人机协作
可解释AI
认知建模
系统解构指令选择的数据表示与算法，揭示梯度表示最可靠但收益随预算衰减
Nihal V. Nayak, Paula Rodriguez-Diaz, Neha Hulkund, Sara Beery, David Alvarez-Melis
大语言模型
指令微调
数据选择
最优传输
梯度特征
揭示Web智能体在任务执行中通过行为模式过度泄露用户隐私的系统性问题
Jaechul Roh, Eugene Bagdasarian, Hamed Haddadi, Ali Shahin Shamsabadi
LLM安全
Web智能体
信息泄露
行为分析
隐私保护
通过异步批量推理框架将VLM语义知识蒸馏到轻量RL策略，实现实时自动驾驶
Yansong Qu, Zihao Sheng, Zilin Huang, Jiancong Chen, Yuhao Luo, Tianyi Wang,...
动作指导
奖励塑形
强化学习
自动驾驶
视觉语言模型