智谱旗舰模型GLM-5，通过DSA、异步RL和大规模智能体训练实现前沿性能。
GLM-5 Team, Aohan Zeng, Xin Lv, Zhenyu Hou, Zhengxiao Du, Qinkai Zheng, Bin...
大语言模型
强化学习
智能体
稀疏注意力
软件工程
首个配对评估Agent Skill效果的基准，覆盖87任务18配置
Xiangyi Li, Wenbo Chen, Yimin Liu, Shenghan Zheng, Xiaokun Chen, Yifeng He,...
Agent Skills
LLM Agent
基准评测
程序性知识增强
配对评估
SAE未能学到有意义的特征分解，随机基线与其表现相当
Anton Korznikov, Andrey Galichin, Alexey Dontsov, Oleg Rogov, Ivan...
大语言模型
机械可解释性
特征学习
神经网络解释
稀疏自编码器
通过结合模型蒸馏和任务特定对比损失训练紧凑高性能嵌入模型
Mohammad Kalim Akram, Saba Sturua, Nastia Havriushenko, Quentin Herreros,...
信息检索
多语言
对比学习
嵌入模型
知识蒸馏
大规模 AI 社交平台 Moltbook 虽有密集互动，但未出现人类式的社会化收敛。
Ming Li, Xirui Li, Tianyi Zhou
LLM Agent
多智能体系统
社会化
计算社会科学
集体行为
首个针对工具型AI代理Clawdbot的六维度轨迹级安全评估
Tianyu Chen, Dongrui Liu, Xia Hu, Jingyi Yu, Wenjie Wang
AI安全
安全评估
工具使用
提示注入
智能体安全
提出ResearchGym基准，评估AI智能体端到端闭环研究能力
Aniketh Garikaparthi, Manasi Patwardhan, Arman Cohan
AI智能体
基准评估
研究自动化
长时间序列任务
闭环研究
通过思维链推理实现统一多模态模型的测试时迭代优化
Leon Liangyu Chen, Haoyu Ma, Zhipeng Fan, Ziqi Huang, Animesh Sinha,...
图像生成
图像编辑
多模态
思维链
测试时缩放
揭示表征相似性度量的宽度和深度混淆因素，提出亚里士多德表征假说
Fabian Gröger, Shuo Wen, Maria Brbić
统计校准
表征学习
表征相似性
跨模态对齐
对HLE基准进行两阶段验证修订，消除标注噪声后模型准确率平均提升7-10个百分点
Weiqi Zhai, Zhihai Wang, Jinghang Wang, Boyu Yang, Xiaogang Li, Xiang Xu,...
LLM评测
基准测试
数据质量
标注噪声
模型评估
随机掩码参数更新可显著提升LLM预训练性能
Taejong Joo, Wenhan Xia, Cheolmin Kim, Ming Zhang, Eugene Ie
优化器
几何正则化
大语言模型
随机掩码
预训练
将JEPA从图像块扩展到对象级表示，通过遮蔽诱导因果归纳偏置，实现高效交互感知的世界建模
Heejeong Nam, Quentin Le Lidec, Lucas Maes, Yann LeCun, Randall Balestriero
世界模型
因果推理
对象表示
模型预测控制
自监督学习
提出ViewRope几何感知位置编码，解决视频世界模型在相机循环闭合时的空间不一致问题
Chendong Xiang, Jiajun Liu, Jintao Zhang, Xiao Yang, Zhengwei Fang, Shizun...
3D一致性
世界模型
位置编码
注意力机制
视频生成
利用正交字典学习和闭式Procrustes更新实现训练后Transformer压缩
Denis Makhov, Dmitriy Shopkhoev, Magauiya Zhussip, Ammar Ali, Baher...
低秩分解
后训练压缩
大语言模型
字典学习
模型压缩
提出基于GSW的非参数持续学习框架，通过写入时结构化构建实现读取时高效多跳推理
Shreyas Rajesh, Pavan Holur, Mehmet Yigit Turali, Chenda Duan, Vwani Roychowdhury
多跳问答
持续学习
推理
检索增强生成
知识图谱
通过Reason-Reflect-Refine框架将理解嵌入生成过程，解决多模态模型中生成与理解的权衡问题
Sen Ye, Mengde Xu, Shuyang Gu, Di He, Liwei Wang, Han Hu
图像生成
多模态模型
强化学习
视觉理解
迭代优化
通过四层测试套件和能力自适应课程策略，优化LLM代码生成的强化微调
Chansung Park, Juyong Jiang, Fan Wang, Sayak Paul, Jiasi Shen, Jing Tang, Jianguo Li
代码生成
大语言模型
强化微调
测试驱动开发
课程学习
利用VLM视觉接口实现异构多智能体间无文本潜空间通信
Xiaoze Liu, Ruowang Zhang, Weichen Yu, Siheng Xiong, Liu He, Feijie Wu, Hoin...
多智能体系统
异构模型
潜空间通信
知识蒸馏
视觉语言模型
屏蔽0.01%伪标记token，稳定RL训练并提升LLM推理准确率
Shiqi Liu, Zeyu He, Guojian Zhan, Letian Tao, Zhilong Zheng, Jiang Wu, Yinuo...
token级别优化
大语言模型
强化学习
推理能力
训练稳定性
用sigmoid边界建模计算预算到下游性能的可靠映射
Hanlin Zhang, Jikai Jin, Vasilis Syrgkanis, Sham Kakade
Benchmark Analysis
Model Evaluation
Post-training
Quantile Regression
Scaling Laws
研究发现VLMs对视觉特征高度敏感，通过自然图像编辑可显著改变其选择概率
Manuel Cherep, Pranav M R, Pattie Maes, Nikhil Singh
AI安全
图像优化
行为评估
视觉-语言模型
视觉敏感性
通过训练时重塑流动力学，实现动作分块VLA模型的原生连续执行
Yufeng Liu, Hang Yu, Juntu Zhao, Bocheng Li, Di Zhang, Mingzhu Li, Wenxuan...
VLA模型
动作分块
机器人控制
流匹配
轨迹平滑
通过医生验证的rubric和可复用临床原则实现医疗LLM精细对齐
Shiwei Lyu, Xidong Wang, Lei Liu, Hao Zhu, Chaohe Zhang, Jian Wang, Jinjie...
RLHF
临床对齐
医疗AI
原则蒸馏
强化学习
提出检测RAG软压缩中token何时丢失任务相关信息（溢出）的方法，实现预LLM推理的高效检测
Julia Belikova, Danila Rozhevskii, Dennis Svirin, Konstantin Polev,...
token溢出
上下文压缩
信息瓶颈
检索增强生成
软压缩
提出HybridRAG-Bench框架，分离RAG推理与参数记忆。
Junhong Lin, Bing Zhang, Song Wang, Ziyan Liu, Dan Gutfreund, Julian Shun, Yada Zhu
多跳推理
数据污染
检索增强生成
知识图谱推理
评测基准