可学习路由+QAT优化稀疏线性注意力，97%稀疏下18.6倍加速
Jintao Zhang, Haoxu Wang, Kai Jiang, Kaiwen Zheng, Youhe Jiang, Ion Stoica,...
扩散模型
模型加速
注意力机制
稀疏注意力
视频生成
用FSM建模网页状态转移，自动生成可验证的合成网页环境和训练轨迹
Yifan Wu, Yiran Peng, Yiyu Chen, Jianhao Ruan, Zijie Zhuang, Cheng Yang,...
GUI交互
Web Agent
合成数据
强化学习
有限状态机
阿里达摩院开源具身智能基础模型，统一感知/推理/规划，四个核心能力全面超越SOTA
Ronghao Dang, Jiayan Guo, Bohan Hou, Sicong Leng, Kehan Li, Xin Li, Jiangpin...
具身智能
基础模型
多模态大模型
机器人
空间推理
基于VLM引导的进化流程生成复杂CAD程序数据集，在Image2CAD任务上达到SOTA。
Maksim Elistratov, Marina Barannikov, Gregory Ivanov, Valentin Khrulkov,...
CAD生成
VLM微调
数据集
程序合成
进化算法
模块化人形机器人开放词汇物体抓取系统，末端跟踪误差降低5.5倍
Runpei Dong, Ziyan Li, Xialin He, Saurabh Gupta
人形机器人
具身智能
开放词汇
机器人操作
模拟到真实迁移
首个涵盖30个任务、100+语言、50+模型的音频嵌入模型综合基准测试
Adnan El Assadi, Isaac Chung, Chenghao Xiao, Roman Solomatin, Animesh Jha,...
基准测试
多模态
语音处理
音频嵌入
音频检索
序列模型经混合池训练自然涌现上下文推理与合作行为
Marissa A. Weis, Maciej Wołczyk, Rajai Nasser, Rif A. Saurous, Blaise Agüera...
上下文学习
合作博弈
囚徒困境
多智能体强化学习
序列模型
前沿LLM编码了95-98%的事实，但回忆失败仍是主要瓶颈。
Nitay Calderon, Eyal Ben-David, Zorik Gekhman, Eran Ofek, Gal Yona
LLM事实性
参数化知识
基准测试
思维链
知识回忆
14B视频扩散模型联合预测视频与动作，实现机器人零样本泛化与跨具身迁移
Seonghyeon Ye, Yunhao Ge, Kaiyuan Zheng, Shenyuan Gao, Sihyun Yu, George...
世界模型
机器人基础模型
视频扩散模型
跨具身迁移
零样本泛化
提出四维可靠性度量体系，揭示前沿模型能力提升远快于可靠性改善
Stephan Rabanser, Sayash Kapoor, Peter Kirgis, Kangheng Liu, Saiteja Utpala,...
AI Agent
可靠性评估
基准测试
安全关键系统
模型评估
REFINE：用RL序列级反馈优化快速权重模型的长上下文能力
Hee Seung Hwang, Xindi Wu, Sanghyuk Chun, Olga Russakovsky
序列预测
强化学习
快速权重
语言模型
长上下文建模
提出可提示的全身人体网格恢复模型，支持关键点/遮罩引导
Xitong Yang, Devansh Kukreja, Don Pinkus, Anushka Sagar, Taosha Fan,...
3D人体网格恢复
人体姿态估计
可提示模型
数据引擎
视觉Transformer
提出PAHF框架，通过显式记忆和双反馈通道实现智能体的持续个性化学习
Kaiqu Liang, Julia Kruk, Shengyi Qian, Xianjun Yang, Shengjie Bi, Yuanshun...
LLM
个性化AI
人机交互
偏好对齐
持续学习
为记忆智能体引入动态可靠性评分，解决检索噪声导致的过度自信错误。
Yihao Lu, Wanru Cheng, Zeyu Zhang, Hao Tang
不确定性估计
事实验证
多模态推理
置信度校准
记忆增强智能体
通过奖励感知的自适应梯度调制，解决分布匹配蒸馏中的「禁区」塌陷问题
Lichen Bai, Zikai Zhou, Shitong Shao, Wenliang Zhong, Shuo Yang, Shuo Chen,...
分布匹配
奖励引导
少步生成
扩散模型蒸馏
视频生成
提出Nexus适配器，通过跨注意力融合文本与结构，实现高效条件生成
Aryan Das, Koushik Biswas, Swalpa Kumar Roy, Badri Narayana Patro, Vinay Kumar Verma
图像生成
扩散模型
条件生成
跨注意力
适配器
提出结合不确定性建模和跨模态融合的医学图像分割框架，在多个数据集上达到最先进精度
Aryan Das, Tanishq Rachamalla, Koushik Biswas, Swalpa Kumar Roy, Vinay Kumar Verma
不确定性建模
医学图像分割
状态空间模型
视觉-语言模型
跨模态融合
提出SAW-BENCH基准测试，评估多模态模型在第一人称视角下的空间情境感知能力
Chuhan Li, Ruilin Han, Joy Hsu, Yongyuan Liang, Rajiv Dhawan, Jiajun Wu,...
具身智能
基准测试
多模态基础模型
情境感知
空间推理
通过微小图像扰动，在多轮对话中隐蔽地注入针对特定话题的恶意输出
Christian Schlarmann, Matthias Hein
多模态安全
对抗攻击
对抗鲁棒性
视觉语言模型
提出多层次评估框架，揭示MLLMs在双手协调中「高级推理强、精细执行弱」的协调悖论
Xin Wu, Zhixuan Liang, Yue Ma, Mengkang Hu, Zhiyuan Qin, Xiu Li
具身智能
双臂操作
基准评测
多模态大语言模型
空间推理
首个阿片类药物危机图学习基准，涵盖5个数据集，系统评估图学习方法在真实场景中的表现。
Tianyi Ma, Yiyang Li, Yiyue Qian, Zheyuan Zhang, Zehong Wang, Chuxu Zhang, Yanfang Ye
图学习
基准测试
异构图
超图
阿片类药物危机