构建20万+技能库，多维评估提升Agent任务成功率40%
Yuan Liang, Ruobin Zhong, Haoming Xu, Chen Jiang, Yi Zhong, Runnan Fang,...
AI Agent
LLM应用
技能网络
知识工程
经验复用
通过理论分解和层次搜索，将科学发现的训练复杂度从指数级降低到对数级
Zonglin Yang, Lidong Bing
假设生成
复杂度理论
大语言模型
层次搜索
科学发现
分布感知检索模型DARE，23M参数在R包检索上超越SOTA 17%
Maojun Sun, Yue Wu, Yifei Xie, Ruijian Han, Binyan Jiang, Defeng Sun,...
LLM Agent
R语言
信息检索
对比学习
统计计算
评估多模态智能体长时序工具使用能力的现实视觉基准
Zhaochen Su, Jincheng Gao, Hangyu Guo, Zhenhua Liu, Lueyang Zhang, Xinyu...
基准评估
多模态智能体
工具使用
视觉推理
长时序任务
用智能手机AR可视化策略意图，实现无机器人即时策略迭代，数据效率提升2倍
Junjie Fang, Wendi Chen, Han Xue, Fangyuan Zhou, Tian Le, Yi Wang, Yuting...
人机交互
增强现实
数据收集
机器人学习
模仿学习
基于参考图的高保真修复框架，通过高频增强注意力和细节感知损失生成人-商品图像
Yichen Liu, Donghao Zhou, Jie Wang, Xin Gao, Guisheng Liu, Jiatong Li,...
人-商品图像生成
参考图编辑
图像修复
扩散模型
高频特征增强
LMM 通过上下文学习匹配 CLIP 分类能力，CIRCLE 迭代伪标签进一步提升
Marco Garosi, Matteo Farina, Alessandro Conti, Massimiliano Mancini, Elisa Ricci
上下文学习
图像分类
多模态学习
开放世界识别
视觉语言模型
通过为每种模态学习独立平滑因子并用低秩补偿统一量化权重，解决多模态LLM量化难题
Lulu Hu, Wenhu Xiao, Xin Chen, Xinhua Xu, Bowen Xu, Kun Li, Yongliang Tao
后训练量化
多模态大语言模型
模型量化
边缘部署
高效推理
8.3B参数MoE时间序列模型，序列Token预测SOTA
Yong Liu, Xingjian Su, Shiyu Wang, Haoran Zhang, Haixuan Liu, Yuxuan Wang,...
Mixture-of-Experts
基础模型
大规模预训练
时间序列
长期预测
通过预算多轮交互评估LLM推理能力的新范式
Baoqing Yue, Zihan Zhu, Yifan Zhang, Jichen Feng, Hufei Yang, Mengdi Wang
LLM评测
交互推理
博弈论
多轮对话
推理基准
通过QK-norm和降低每步token数，使INT8注意力训练匹配全精度效果
Jintao Zhang, Marco Chen, Haoxu Wang, Kai Jiang, Ion Stoica, Joseph E....
Transformer
低比特量化
效率优化
模型训练
注意力机制
通过联合建模多源世界知识（运动、语义、几何），实现物理一致的视频生成。
Boming Tan, Xiangdong Zhang, Ning Liao, Yuqing Zhang, Shaofeng Zhang, Xue...
世界模型
扩散模型
物理一致性
表征对齐
视频生成
通过物理仿真桥接3D动作与视频生成，实现实时交互
Wei Liu, Ziyu Chen, Zizhang Li, Yue Wang, Hong-Xing Yu, Jiajun Wu
3D重建
光流条件
动作条件生成
实时系统
物理仿真
用自身简洁行为蒸馏模型，无需标注即压缩推理token并提升准确率
Hejian Sang, Yuanda Xu, Zhengze Zhou, Ran He, Zhipeng Wang, Jiachen Sun
大语言模型
强化学习替代方案
推理优化
推理压缩
知识蒸馏
提出数据生成流水线与抓取策略，实现双臂灵巧抓取，真实场景成功率81%
Sizhe Yang, Yiman Xie, Zhixuan Liang, Yang Tian, Jia Zeng, Dahua Lin, Jiangmiao Pang
Sim-to-Real迁移
双臂操作
合成数据生成
机器人学
灵巧抓取
用多任务强化学习训练企业搜索智能体，在多类知识检索任务上超越闭源大模型
Jonathan D. Chang, Andrew Drozdov, Shubham Toshniwal, Owen Oertell,...
信息检索
多任务学习
强化学习
测试时计算
知识智能体
为ViT添加可学习高斯核偏置注意力，显著提升分割性能且不损害分类精度
Sina Hajimiri, Farzad Beizaee, Fereshteh Shakeri, Christian Desrosiers,...
基础模型适配
密集预测
注意力机制
视觉Transformer
语义分割
提出MM-Lifelong数据集和ReMA智能体，解决跨天月级多模态视频理解的工作记忆瓶颈
Guo Chen, Lidong Lu, Yicheng Liu, Liangrui Dong, Lidong Zou, Jixin Lv,...
多模态理解
智能体系统
终身学习
视频问答
长期记忆
提出双层架构Mozi，通过治理控制平面和状态化技能图将LLM代理转变为可靠的药物发现协同科学家
He Cao, Siyu Liu, Fan Zhang, Zijing Liu, Hao Li, Bin Feng, Shengyuan Bai,...
LLM Agent
多智能体系统
工作流自动化
药物发现
计算生物学
通过截断步级采样和分解式过程奖励，解决检索增强推理中的信用分配问题
Chris Samarinas, Haw-Shiuan Chang, Hamed Zamani
信用分配
大语言模型
强化学习
检索增强推理
过程奖励
将传输模型条件化在源/目标分布的嵌入上，实现跨分布泛化与半监督传输
Nic Fishman, Gokul Gowri, Paolo L. B. Fischer, Marinka Zitnik, Omar...
分布传输
单细胞基因组学
可泛化生成模型
流匹配
蛋白序列生成
首个端到端自监督物体中心世界模型，提出每粒子潜在动作实现可扩展多物体随机视频预测与决策。
Tal Daniel, Carl Qi, Dan Haramati, Amir Zadeh, Chuan Li, Aviv Tamar, Deepak...
世界模型
模仿学习
潜在动作
物体中心表示
自监督学习
用SAM分割掩码引导注意力调制，以超图建模跨模态高阶语义关系。
Xingguo Xu, Zhanyu Liu, Weixiang Zhou, Yuansheng Gao, Junjie Cao, Yuhao...
Token重分配
多模态重识别
注意力调制
超图学习
跨模态融合
用LLM隐藏态回灌视觉编码器，构建视觉-语言双向推理回路。
Alessio Galatolo, Ronald Cumbal, Alexandros Rouchitsas, Katie Winkle, Didem...
人机交互
多模态推理
意图识别
机器人感知
视觉-语言模型