提出混合记忆范式，让视频世界模型追踪离屏动态主体
Kaijin Chen, Dingkang Liang, Xin Zhou, Yikang Ding, Xiaoqiang Liu, Pengfei...
3D场景
世界模型
时空一致性
视频生成
记忆机制
因果多镜头架构实现16FPS实时交互式长叙事视频生成
Yawen Luo, Xiaoyu Shi, Junhao Zhuang, Yutian Chen, Quande Liu, Xintao Wang,...
交互式叙事
多镜头
知识蒸馏
自回归
视频生成
通过并行分析多条执行轨迹，将智能体经验归纳蒸馏为可跨模型、跨任务迁移的技能文件
Jingwei Ni, Yihao Liu, Xinpeng Liu, Yutao Sun, Mengyu Zhou, Pengyu Cheng,...
LLM Agent
归纳推理
技能迁移
智能体技能学习
经验蒸馏
三段式KV缓存压缩策略，5秒训练生成120秒长视频
Xiaofeng Mao, Shaohao Rui, Kaining Ying, Bo Zheng, Chuanhao Li, Mingmin Chi,...
KV缓存管理
注意力机制
自回归扩散模型
视频生成
长视频生成
首个针对全双工语音对话模型的开源数据处理流水线，通过重叠分离和集成ASR提升对话数据质量
Kyudan Jung, Jihwan Kim, Soyoon Kim, Jeongoon Kim, Jaegul Choo, Cheonbok Park
ASR集成
全双工对话
数据预处理
语音分离
语音语言模型
提出可审计运行时和全流程基准，评估医学AI在完整临床研究中的推理与证据提供能力。
Weixiang Shen, Yanzhu Hu, Che Liu, Junde Wu, Jiayuan Zhu, Chengzhi Shen, Min...
全流程推理
医学影像
可审计性
智能体评测
视觉语言模型
首个基于真实数据的大规模图表到代码基准，揭示VLMs在复杂可视化任务上的显著不足
Jiajun Zhang, Yuying Li, Zhixun Li, Xingyu Guo, Jingzhuo Wu, Leqi Zheng,...
VLM评估
代码生成
图表生成
多模态模型
数据可视化
提出NLAH将智能体框架策略外部化为可执行自然语言文档，配合IHR运行时实现与代码框架相当的任务性能
Linyue Pan, Lexiao Zou, Shuo Guo, Jingchen Ni, Hai-Tao Zheng
代码智能体
提示工程
智能体框架
框架工程
自然语言编程
提出包含多视角视频和多语言推理轨迹的自动驾驶长尾场景数据集与评估基准
Royden Wagner, Omer Sahin Tas, Jaime Villa, Felix Hauser, Yinzhe Shen,...
推理轨迹
数据集
端到端驾驶
自动驾驶
视觉语言模型
Cursor发布专用编码智能体模型Composer 2，经继续预训练+强化学习训练
Cursor Research, Aaron Chan, Ahmed Shalaby, Alexander Wettig, Aman Sanger,...
MoE模型
代码生成
大语言模型
强化学习
软件工程智能体
通过提取VLM扩散模型中间层特征注入3D生成，实现背面语义可控
Wenyue Chen, Wenjue Chen, Peng Li, Qinghe Wang, Xu Jia, Heliang Zheng,...
3D生成
单视图重建
多模态大模型
扩散模型
语义控制
用扩散 Transformer 直接生成分割 mask，一步推理，达到 SOTA
Yuhuan Yang, Xianwei Zhuang, Yuxuan Cai, Chaofan Ma, Shuai Bai, Jiangchao...
DiT
多模态
扩散模型
生成式分割
语义分割
通过对比反思历史提交积累仓库特定技能，生成符合项目风格的代码
Mo Li, L. H. Xu, Qitai Tan, Ting Cao, Yunxin Liu
LLM应用
代码生成
持续学习
智能体
软件工程
307M参数的土耳其语掩码扩散语言模型，媲美数倍大的自回归模型
Şuayp Talha Kocabay, Talha Rüzgar Akkuş
参数高效微调
土耳其语NLP
扩散语言模型
指令微调
非自回归生成
12个开源推理模型的CoT忠实度评估，发现模型内部知道但刻意隐瞒。
Richard J. Young
AI Safety
Chain-of-Thought
Faithfulness
Open-Weight LLMs
Reasoning Models