提出针对长期记忆检索的嵌入模型评估框架，涵盖4类记忆、22个数据集、193个检索任务
Xinping Zhao, Xinshuo Hu, Jiaxin Xu, Danyu Tang, Xin Zhang, Mengjia Zhou,...
向量检索
基准测试
大语言模型
文本嵌入
记忆检索
将文档中的文字和图形统一解析为可渲染的结构化代码，而非像素裁剪
Handong Zheng, Yumeng Li, Kaile Zhang, Liang Xin, Guangwei Zhao, Hao Liu,...
OCR
SVG重建
多模态
文档解析
视觉语言模型
VLM在视觉实体追踪任务上接近随机猜测，SGCoT推理链突破90%准确率
Tiedong Liu, Wee Sun Lee
实体追踪
视觉语言模型
视频理解
计算复杂性
链式推理
通过解耦高频细节与语义特征，在单一模型中实现视觉理解与图像生成的统一优化
Yichen Zhang, Da Peng, Zonghao Guo, Zijian Zhang, Xuesong Yang, Tong Sun,...
Flow Matching
多模态模型
扩散模型
统一生成与理解
视觉Tokenizer
VST让视频大模型在流式观看时同步推理，兼顾实时响应与深度思考
Yiran Guan, Liang Yin, Dingkang Liang, Jianzhong Ju, Zhenbo Luo, Jian Luan,...
Chain-of-Thought
多模态大模型
强化学习
流式推理
测试时扩展
首次将双向音视频扩散模型蒸馏为实时流式自回归生成器
Yaofeng Su, Yuming Li, Zeyue Xue, Jie Huang, Siming Fu, Haoran Li, Ying Li,...
多模态
扩散蒸馏
流式生成
自回归模型
音视频生成
构建4.5万个可执行Docker环境，SWE-bench Verified达66%
Dayuan Fu, Shenyu Wu, Yunze Wu, Zerui Peng, Yaxing Huang, Jie Sun, Ji Zeng,...
Docker
分布式系统
数据飞轮
环境合成
软件工程Agent
提出生成式视觉奖励模型Visual-ERM，通过细粒度图像对比为图表/表格/SVG转代码任务提供可靠RL奖励信号
Ziyu Liu, Shengyuan Ding, Xinyu Fang, Xuanlang Dai, Penghui Yang, Jianze...
代码生成
多模态学习
奖励模型
强化学习
视觉理解
评估多模态大模型在多层条件分支推理中的视觉理解与决策能力
Haozhan Shen, Shilin Yan, Hongwei Xue, Shuaiqi Lu, Xiaojun Tang, Guannan...
基准测试
多模态推理
组合推理
视觉理解
预算感知树搜索框架BAVT，用更少资源实现更强推理
Yushu Li, Wenlong Deng, Jiajin Li, Xiaoxiao Li
LLM智能体
多跳问答
树搜索
测试时计算扩展
预算感知推理
通过持久记忆和自进化机制，让多智能体AI科学家从失败中学习并持续提升研究能力
Yougang Lyu, Xi Zhang, Xinhao Yi, Yuyue Zhao, Shuyu Guo, Wenxiang Hu, Jan...
多智能体系统
大语言模型
科学发现
自进化智能体
记忆增强
通过增强条件空间构建多视角奖励映射，提升流模型GRPO对齐效果
Jiazi Bu, Pengyang Ling, Yujie Zhou, Yibin Wang, Yuhang Zang, Tianyi Wei,...
GRPO
人类偏好对齐
强化学习
扩散模型
文生图
用预训练视频模型激活复原先验，仅需1K样本实现少样本图像复原
Shenghe Zheng, Junpeng Jiang, Wenbo Li
All-in-One Restoration
先验迁移
图像复原
少样本学习
视频生成
提出家庭安全基准和双脑架构，实时检测具身智能体危险行为
Jiayue Pu, Zhongxiang Sun, Zilu Zhang, Xiao Zhang, Jun Xu
具身智能
多模态推理
安全评估
实时检测
视觉语言模型
提出分段级记忆机制实现流式视频多轮问答，解耦感知与生成
Lu Wang, Zhuoran Jin, Yupu Hao, Yubo Chen, Kang Liu, Yulong Ao, Jun Zhao
在线学习
多模态大语言模型
流式推理
视频理解
记忆机制
通过像素级区域感知的模型切换策略加速文生图扩散模型推理
Desen Sun, Jason Hon, Jintao Zhang, Sihang Liu
扩散模型加速
推理优化
文生图
模型融合
混合模型
通过多智能体问答框架实现视频生成的评估与迭代优化
Yiwen Song, Tomas Pfister, Yale Song
多智能体系统
提示词优化
测试时扩展
视觉-语言模型
视频生成
构建基于认知框架的代码创造力基准，发现扩展收敛现象并提出EvoRePE增强方法
Zi-Han Wang, Lam Nguyen, Zhengyang Zhao, Mengyue Yang, Chengwei Qin, Yujiu...
代码生成
基准测试
机器创造力
演化算法
表示工程
用可学习前瞻 token 和轻量 LoRA 预测未来注意力重要性，实现零开销高效 KV 缓存驱逐
Jinwoo Ahn, Ingyu Seong, Akhil Kedia, Junhan Kim, Hyemi Jang, Kangwook Lee,...
KV Cache 压缩
LLM 推理加速
参数高效微调
注意力优化
长上下文推理
发现VLM中单个神经元可作为强分类器，实现5倍推理加速
Pierre Musacchio, Jaeyi Jeong, Dahun Kim, Jaesik Park
VQA
可解释性
模型加速
视觉语言模型
训练免费方法
通过将执行反馈转化为结构化行为知识，实现Minecraft智能体的持续自我进化
Zhengwei Xie, Zhisheng Chen, Ziyan Weng, Tingyu Wu, Chenglong Li, Vireo...
Minecraft
具身智能
知识积累
自我进化
长视野规划
通过知识蒸馏将2B VLM压缩到69M文本编码器，实现高效视觉文档检索
Zhuchenyang Liu, Yao Zhang, Yu Xiao
多模态检索
模型压缩
知识蒸馏
视觉文档检索
跨模态对齐
提出感知-生成-仿真流水线，将杂乱视频转换为可物理模拟的组合3D场景
Chong Xia, Kai Zhu, Zizhuo Wang, Fangfu Liu, Zhizheng Zhang, Yueqi Duan
3D场景重建
主动视角优化
仿真场景
场景图
组合式重建
研究LLM推荐系统中的隐式偏见，提出三种基于prompt的去偏见策略，在新闻和求职推荐中验证效果
Mihaela Rotar, Theresia Veronika Rampisela, Maria Maistro
LLM偏见
偏见缓解
公平性
推荐系统
提示工程
利用多头注意力查询向量的时序可预测性检测多变量时间序列的结构性异常
Kadir-Kaan Özer, René Ebeling, Markus Enzweiler
多变量数据分析
时间序列异常检测
注意力机制
自监督学习
研究表明语言模型在训练中偏好可压缩的一致模式而非真理本身
Konstantin Krestnikov
压缩学习
最小描述长度
真理偏好
语言模型
错误结构
利用刚性几何结构实现跨模态船舶识别
Furui Chen, Han Wang, Yuhan Sun, Jianing You, Yixuan Lv, Zhuang Zhou, Hong...
SAR图像
结构感知
船舶重识别
解耦特征学习
跨模态学习
用量子玻尔兹曼机纠缠熵区分AI自我保存行为是内在目标还是工具性策略
Christopher Altman
AI安全
智能体检测
纠缠熵
自我保存
量子玻尔兹曼机
提出ECoLAD协议，通过计算缩减阶梯和吞吐量约束评估TSAD方法的实际部署可行性
Kadir-Kaan Özer, René Ebeling, Markus Enzweiler
异常检测
时间序列
模型评估
自动驾驶
边缘计算
提出手势意图tokens和EGOPOINTVQA数据集，解决手势指示性视频问答难题
Yura Choi, Roy Miles, Rolandos Alexandros Potamias, Ismail Elezi, Jiankang...
以自我为中心视频
多模态大语言模型
手势识别
指示性推理
视频问答
通过关节角度表示和Token-Patch后期交互实现可解释的细粒度文本-运动检索
Yao Zhang, Zhuchenyang Liu, Yanlan He, Thomas Ploetz, Yu Xiao
后期交互
文本-运动检索
细粒度对齐
跨模态检索
运动理解