视频扩散模型的推理沿去噪步骤展开，而非跨帧进行
Ruisi Wang, Zhongang Cai, Fanyi Pu, Junxiang Xu, Wanqi Yin, Maijunxian Wang,...
DiT
扩散模型
推理机制
无需训练
视频生成
首个统一芯片设计/GPU优化/嵌入式等工业代码智能的32B模型
Jian Yang, Wei Zhang, Jiajun Wu, Junhang Cheng, Shawn Guo, Haowen Wang,...
CAD建模
GPU优化
代码大模型
嵌入式系统
工业代码
首个评测全模态模型社交互动能力的 who-when-how 三维基准
Tianyu Xie, Jinfa Huang, Yuexiao Ma, Rongfang Luo, Yan Yang, Wang Chen,...
人机对话
全模态语言模型
基准评测
多模态
社交交互
通过agentic mid-training和验证推理提升长链推理，BrowseComp达88.2
MiroMind Team, S. Bai, L. Bing, L. Lei, R. Li, X. Li, X. Lin, E. Min, L. Su,...
大语言模型
工具使用
强化学习
智能体
深度研究
4B参数端到端文档智能模型，通过Layout-as-Thought实现布局分析与文本理解统一
Daxiang Dong, Mingming Zheng, Dong Xu, Chunhua Luo, Bairong Zhuang, Yuxuan...
OCR
布局分析
文档智能
端到端学习
视觉语言模型
通过熵感知的离散-潜在推理模式切换和视觉锚点注入，缓解多模态推理模型幻觉
Zhongxing Xu, Zhonghua Wang, Zhe Qian, Dachuan Shi, Feilong Tang, Ming Hu,...
多模态推理
幻觉缓解
熵感知
视觉语言模型
解码策略
通过运动学控制机器人+4D扩散模型生成环境反应，实现高保真具身仿真
Mutian Xu, Tianbao Zhang, Tianqi Liu, Zhaoxi Chen, Xiaoguang Han, Ziwei Liu
4D生成
世界模型
具身智能
扩散模型
机器人仿真
用相机位姿统一动作控制与3D一致性，构建交互式游戏世界模型
Jisu Nam, Yicong Hong, Chun-Hao Paul Huang, Feng Liu, JoungBin Lee, Jiyoung...
3D一致性
世界模型
相机控制
自回归模型
视频生成
提出OEL框架，让语言模型从部署经验中持续自我改进
Tianzhu Ye, Li Dong, Qingxiu Dong, Xun Wu, Shaohan Huang, Furu Wei
上下文蒸馏
在线学习
大语言模型
强化学习
持续学习
通过四阶段交互协议和双轨GRPO训练，让LLM自主探索未知数据库并生成准确SQL
Ai Jian, Xiaoyun Zhang, Wanrou Du, Jingqing Ruan, Jiangbo Pei, Weipeng...
信用分配
多轮交互
工具调用
强化学习
文本转SQL
首个可运行的金融工具使用基准，760工具+295题+合规评估
Jiaxuan Lu, Kong Wang, Yemin Wang, Qingmei Tang, Hongwei Zeng, Xiang Chen,...
LLM Agent
合规评估
工具学习
评测基准
金融AI
用测试时梯度下降优化记忆token，实现高效上下文压缩与复用
Yuri Kuratov, Matvey Kairov, Aydar Bulatov, Ivan Rodkin, Mikhail Burtsev
上下文压缩
元学习
测试时训练
记忆机制
长上下文建模
通过引入语义航点解耦噪声到像素的生成路径，解决像素空间 Flow Matching 的轨迹冲突问题
Hainuo Wang, Mingjia Li, Xiaojie Guo
Diffusion Transformer
Flow Matching
像素空间生成
图像生成
表示对齐
提出IOMM框架，通过纯图像预训练和混合数据微调，实现高效统一多模态模型训练
Peng Sun, Jun Xie, Tao Lin
图像生成
扩散模型
掩码图像建模
数据高效训练
统一多模态模型
通过持久记忆库和锦标赛式提示进化，无需微调即可大幅提升LLM多智能体博弈的胜率与稳定性。
Yunfei Xie, Kevin Wang, Bobby Cheng, Jianzhu Yao, Zhizhou Sha, Alexander...
LLM智能体
多智能体博弈
提示优化
自博弈
记忆机制
Meta发布首个支持1600+语言的MT系统，小模型性能超越70B大模型
Omnilingual MT Team, Belen Alastruey, Niyati Bafna, Andrea Caciolai, Kevin...
低资源语言
多语言
大语言模型
机器翻译
评估基准
首个针对工具使用智能体的步骤级人类标注基准，揭示当前模型在中性步骤区分上的核心瓶颈
Shengda Fan, Xuyan Ye, Yupeng Huo, Zhi-Yuan Chen, Yiju Guo, Shenzhi Yang,...
Benchmark
LLM Agent
Process Reward Model
Step-level Evaluation
Tool Use
通过LoRA适配器、动态路由和预算强化学习，在移动设备上实现高效LLM推理。
Yelysei Bondarenko, Thomas Hehn, Rob Hesselink, Romain Lepert, Fabio Valerio...
LoRA适配器
强化学习
移动端AI
边缘推理
量化
首个评估LLM Agent技能在软件工程中边际效用的基准，发现49个技能中39个无提升
Tingxu Han, Yi Zhang, Wei Song, Chunrong Fang, Zhenyu Chen, Youcheng Sun, Lijie Hu
Agent技能
LLM评估
代码生成
技能注入
软件工程基准
利用预训练3D生成模型的先验知识，通过部件着色实现高效3D部件分割
Lin Li, Haoran Feng, Zehuan Huang, Haohua Chen, Wenbo Nie, Shaohua Hou,...
3D分割
体素表示
点云
生成模型
部件分割
通过稀疏关键帧引导，将视频超分辨率从黑盒转变为用户可控的交互式过程
Jiongze Yu, Xiangbo Gao, Pooja Verlani, Akshay Gadde, Yilin Wang, Balu...
交互式图像处理
关键帧传播
扩散模型
时空一致性
视频超分辨率
首个完整的 AI 辅助数学研究闭环演示，从猜想到 Lean 4 形式化验证仅需 10 天
Vasily Ilin
AI 辅助数学
Lean 4
形式化验证
数学物理
自动定理证明
通过不确定性感知的自反思机制选择最优程序轨迹，无需显式递归即可超越RLM
Keivan Alizadeh, Parshin Shojaee, Minsik Cho, Mehrdad Farajtabar
不确定性估计
程序化交互
自反思
递归语言模型
长上下文推理
通过增强多视图基础模型的密集匹配能力，实现高精度单目SLAM与3D重建
Kerui Ren, Guanghao Li, Changjian Jiang, Yingxiang Xu, Tao Lu, Linning Xu,...
3D重建
SLAM
多视图几何
深度学习
高斯溅射
引入链式思维推理与多任务多奖励RL优化SVG生成
Haomin Wang, Qi Wei, Qianli Ma, Shengyuan Ding, Jinhui Yin, Kai Chen, Hongjie Zhang
SVG生成
多任务学习
强化学习
视觉语言模型
链式思维推理
通过自然语言请求自动生成可执行、可追踪的 LLM 评估工作流
Chengyu Shen, Yanheng Hou, Minghui Pan, Runming He, Zhen Hao Wong, Meiyi...
基准测试
智能体系统
模型评估
自动化工作流
通过170万条仿真轨迹实现零样本sim2real迁移，在真实机器人上达到79.2%成功率
Abhay Deshpande, Maya Guru, Rose Hendrix, Snehal Jauhri, Ainaz Eftekhar,...
仿真到现实迁移
操作策略
机器人学习
视觉-语言-动作模型
将采样融合到LM-head矩阵乘法中，避免logits物化，实现精确且高效的分类采样
Tomas Ruiz, Zhen Qin, Yifan Zhang, Xuyang Shen, Yiran Zhong, Mengdi Wang
GPU内核融合
Gumbel-Max技巧
LLM推理优化
分布式采样
系统性能优化
用强化学习将视频MLLM转变为主动评论者，实现机器人任务进度精确估计和零样本故障检测
Yibin Liu, Yaxing Lyu, Daqi Gao, Zhixuan Liang, Weiliang Tang, Shilong Mu,...
多模态学习
奖励建模
强化学习
机器人操作
视觉语言模型
首次在原生3D空间实现骨架精确控制的轻量级生成框架
Anbang Wang, Yuzhuo Ao, Shangzhe Wu, Chi-Keung Tang
3D生成
Diffusion Transformer
参数高效微调
流匹配
骨架控制
揭示多模态大模型在心电图解释中缺乏真正的临床推理能力
Jungwoo Oh, Hyunseung Chung, Junhee Lee, Min-Gyu Kim, Hangyul Yoon, Ki Seong...
临床推理
医疗AI
多模态大模型
心电图解释
评估基准
揭示Transformer两轴对偶性：用DDL改捷径、ShortSWA做混合
Yifan Zhang
Transformer架构
模型优化
残差连接
注意力机制
深度聚合
元认知驱动框架，提升跨学科创意新颖性
Priyanka Kargupta, Shuhaib Mehri, Dilek Hakkani-Tur, Jiawei Han
元认知
创意生成
大语言模型
科学发现
跨学科研究
系统性研究像素空间扩散模型中视觉协同去噪的四个关键设计，提出有效recipe提升生成质量
Han Lin, Xichen Pan, Zun Wang, Yue Zhang, Chu Wang, Jaemin Cho, Mohit Bansal
像素空间生成
分类器自由引导
协同去噪
扩散模型
视觉表示对齐
两阶段RL框架训练多模态Agent前瞻性规划能力，在7个基准上显著提升长视界任务性能
Yongyuan Liang, Shijie Zhou, Yu Gu, Hao Tan, Gang Wu, Franck Dernoncourt,...
GUI控制
前瞻性规划
多模态智能体
工具使用
强化学习
提出基于MoE的语义感知风格迁移框架，支持从颜色到深层次的多样化风格
Shihao Zhu, Ziheng Ouyang, Yijia Kang, Qilong Wang, Mi Zhou, Bo Li,...
Diffusion Models
Mixture of Experts
图像生成
计算机视觉
风格迁移
通过策略驱动的技能选择与分层奖励实现数学推理能力的持续进化
Yu Li, Rui Miao, Zhengling Qi, Tian Lan
分层强化学习
大语言模型
强化学习
技能学习
数学推理
用信息几何、层论和随机动力学为AI智能体记忆建立数学基础
Varun Pratap Bhardwaj
AI记忆系统
信息几何
层论
本地优先架构
检索增强生成
在3D基础模型表示空间直接进行扩散，实现高质量跨视角一致的3D场景生成
Sensen Gao, Zhaoqing Wang, Qihang Cao, Dongdong Yu, Changhu Wang, Tongliang...
3DGS重建
3D场景生成
扩散模型
表示学习
跨视角一致性
三阶段对齐框架高效地将预训练ViT转换为线性注意力模型
Yifan Li, Seunghyun Yoon, Viet Dac Lai, Franck Dernoncourt, Jason Kuen, Yu...
模型蒸馏
线性注意力
视觉Transformer
高效推理
首个系统评估LLM在复杂约束下工具使用能力的基准测试
Junjie Ye, Guoqiang Zhang, Wenjie Fu, Tao Gui, Qi Zhang, Xuanjing Huang
基准测试
工具使用
指令遵循
约束验证
自我修正
提出反向标注流水线构建多模态文档提取基准，评估20个模型在小规模参数下的结构化输出能力
Udi Barzelay, Ophir Azulai, Inbar Shapira, Idan Friedman, Foad Abo Dahood,...
基准测试
多模态学习
小模型评估
文档理解
结构化数据提取
提出LPF框架，为多证据聚合提供七项形式化理论保证，包括校准保持、鲁棒性和不确定性分解
Aliyu Agboola Alege
SPN
VAE
不确定性量化
多证据聚合
形式化保证
提出LPF框架，将VAE潜在后验转换为软似然因子，实现可追踪的多证据概率推理
Aliyu Agboola Alege
不确定性量化
多证据推理
概率推理
神经符号AI
证据聚合
通过对比学习和自适应池化解决LiDAR姿态估计中的空间模糊和类别不平衡问题
Daniel Sungho Jung, Dohee Cho, Kyoung Mu Lee
3D人体姿态估计
人-物交互
对比学习
激光雷达感知
自动驾驶
用平衡微调策略在单GPU上训练出媲美10B模型的多语言ASR系统
Quy-Anh Dang, Chris Ngo
ASR
Qwen3-ASR
多语言语音识别
平衡采样
新加坡语言
通过二进制编码和索引洗牌优化扩散语言模型，提升零样本推理性能
Chen-Hao Chao, Wei-Fang Sun, Junwei Qua, Chun-Yi Lee, Rahul G. Krishnan
子词编码
扩散模型
计算最优
语言模型
零样本学习
引入Diffusion DNA和图论规划，将扩散模型从固定调度升级为动态System 2式规划
Ping Chen, Xiang Liu, Xingpeng Zhang, Fei Shen, Xun Gong, Zhaoxiang Liu,...
System 2推理
图论规划
扩散模型
自适应调度
采样优化
通过上下文化和去重模块改进Search-R1，EM提升5.6%，检索轮次减少10.5%
Brian Zhang, Deepti Guntur, Zhiyang Zuo, Abhinav Sharma, Shreyas Chaudhari,...
Agentic RAG
RAG
信息检索
强化学习
检索增强生成
系统探究化学语言模型缩放规律与标准化噪声影响
Mohammad Mostafanejad, Paul Saxe, T. Daniel Crawford
BERT
分子性质预测
化学语言模型
标准化
缩放定律