首个百万级视频推理数据集VBVR，含200任务与可验证评测框架
Maijunxian Wang, Ruisi Wang, Juyi Lin, Ran Ji, Thaddäus Wiedemer, Qingying...
Scaling Law
大规模数据集
视频推理
视频生成
认知架构
用技能手册实现高效可解释的多智能体编排，替代昂贵的RL训练
Jiayu Wang, Yifei Ming, Zixuan Ke, Shafiq Joty, Aws Albarghouthi, Frederic Sala
LLM编排
多智能体系统
强化学习
技能学习
模型路由
通过500+消融实验系统探索VLA设计空间，提炼12条关键发现和一个实用配方，构建出SOTA级VLA模型
Xiao-Ming Wu, Bin Fan, Kang Liao, Jian-Jian Jiang, Runze Yang, Yihang Luo,...
机器人操作
模仿学习
消融研究
视觉-语言-动作模型
设计空间探索
在真实部署环境中对LLM智能体进行红队测试，揭示11类安全、隐私与治理漏洞
Natalie Shapira, Chris Wendler, Avery Yen, Gabriele Sarti, Koyena Pal,...
AI安全
多智能体系统
提示注入
智能体安全
红队测试
将潜空间推理约束在协作图流形上，通过变分正则化和自适应停止机制实现稳定高效推理
Kun Yang, Yuxuan Zhu, Yazhe Chen, Siyao Zheng, Bangyang Hong, Kangle Wu,...
变分推理
图神经网络
序列推荐
潜空间推理
自适应计算
从 VLM 的 token 概率中提取隐式任务进度信号，实现零样本机器人奖励估计
Shirui Chen, Cole Harrison, Ying-Chun Lee, Angela Jin Yang, Zhongzheng Ren,...
奖励建模
强化学习
机器人学
视觉语言模型
零样本学习
首个可在手机上实时运行的统一多模态理解与生成模型，仅1.6B参数
Abdelrahman Shaker, Ahmed Heakl, Jaseel Muhammad, Ritesh Thawkar, Omkar...
图像生成
多模态模型
模型压缩
视觉理解
边缘部署
在仿真中用程序化生成物体训练单一目标条件策略，实现零样本迁移到真实世界多样化工具操作
Kushal Kedia, Tyler Ga Wei Lum, Jeannette Bohg, C. Karen Liu
仿真到真实迁移
工具操作
强化学习
灵巧操作
零样本泛化
用循环一致性约束实现第一人称与第三人称视角间的物体分割对应
Shannan Yan, Leqi Zheng, Keyu Lv, Jingchen Ni, Hongyang Wei, Jiajun Zhang,...
循环一致性
测试时训练
自我中心视角
视频分割
跨视角物体对应
通过双尺度多样性正则化促进LLM推理中的深度探索
Zhongwei Wan, Yun Shen, Zhihao Dou, Donghao Zhou, Yu Zhang, Xin Wang, Hui...
RLVR
多样性探索
大语言模型推理
强化学习
数学推理
通过仿真回放一致性过滤合成机器人数据，大幅提升策略学习效果
Seungku Kim, Suhyeok Jang, Byungjun Yoon, Dongyoung Kim, John Won, Jinwoo Shin
合成数据生成
机器人学习
模仿学习
灵巧操作
视频生成模型
利用TTT层实现线性复杂度的长上下文自回归3D高斯重建
Chen Wang, Hao Tan, Wang Yifan, Zhiqin Chen, Yuheng Liu, Kalyan Sunkavalli,...
3D重建
测试时训练
自回归模型
长序列建模
高斯泼溅
首个利用块离散扩散实现并行解码的OCR视觉语言模型，推理速度提升5倍
Sean Man, Roy Ganz, Roi Ronen, Shahar Tsiper, Shai Mazor, Niv Nayman
OCR
并行解码
扩散模型
文档理解
视觉语言模型
系统分析智能体记忆系统的分类、评估方法和系统瓶颈的综述论文
Dongming Jiang, Yi Li, Songtao Wei, Jinxin Yang, Ayushi Kishore, Alysa Zhao,...
智能体记忆
系统分析
综述
评估方法
长期记忆
GEARS框架用三阶段智能体流水线优化大规模排序策略选择
Longfei Yun, Yihan Wu, Haoran Liu, Xiaoxuan Liu, Ziyun Xu, Yi Wang, Yang...
上下文工程
多目标优化
异质处理效应
排序优化
推荐系统
用协同演化世界模型替代进化启发式，引导LLM进行GPU内核优化搜索
Shiyi Cao, Ziming Mao, Joseph E. Gonzalez, Ion Stoica
CUDA
GPU内核优化
世界模型
代码生成
大语言模型
仅0.5B参数的VLA基线通过标准化训练细节实现SOTA，超越数十亿参数大模型。
Yuankai Luo, Woping Chen, Tong Liang, Baiqiao Wang, Zhenguo Li
Flow Matching
VLA
基线模型
机器人操作
视觉语言模型
Transformer在状态跟踪任务中数据效率低下，无法跨序列长度共享学习机制
M. Reza Ebrahimi, Michaël Defferrard, Sunny Panchal, Roland Memisevic
Transformer
归纳偏置
循环神经网络
数据效率
状态跟踪
135M参数语言模型+集成预测+高精度CDF编码实现最优无损压缩
Roberto Tacconelli
上下文混合
无损压缩
神经压缩
算术编码
语言模型
将运动学动画与视频扩散先验结合，通过自引导随机采样实现逼真的非刚性服装动态
Qi Sun, Can Wang, Jiaxiang Shang, Yingchun Liu, Jing Liao
3D人体动画
3D高斯泼溅
4D重建
视频扩散模型
非刚性运动
用自回归 Transformer 从文本生成模块化 3D 建筑资产
Lingting Zhu, Shengju Qian, Haidi Fan, Jiayu Dong, Zhenchao Jin, Siwei Zhou,...
3D 生成
Transformer
模块化设计
游戏资产
自回归模型
通过混合知识注入框架将时间序列专家知识注入通用推理模型，解决时间序列诊断推理中的知识鸿沟问题
Zelin He, Boran Han, Xiyuan Zhang, Shuai Zhang, Haotian Lin, Qi Zhu, Haoyang...
多模态大模型
强化学习
时间序列推理
知识注入
诊断推理
基于蛋白质语言模型和强化学习的AAV衣壳设计框架，优化多目标功能特性
Mohammadreza Ghaffarzadeh-Esfahani, Yousof Gheisari
基因治疗
强化学习
生成式AI
病毒载体设计
蛋白质工程
预训练Foundation模型实现零样本时序因果发现
Nikolaos Kougioulis, Nikolaos Gkorgkolis, MingXue Wang, Bora Caglayan, Dario...
Foundation Models
Transformer
因果发现
时序分析
零样本学习
仅用IMU和电机测量，通过接触锚定实现四足机器人低漂移里程估计
Minxing Sun, Yao Mao
卡尔曼滤波
四足机器人
接触锚定
本体感知里程计
状态估计