任务专属草稿模型+推理时组合显著提升推测解码接受长度
Mohamad Zbib, Mohamad Bazzi, Ammar Mohanna, Hasan Abed Al Kader Hammoud,...
大语言模型推理加速
推测解码
模型组合
草稿模型训练
高效推理
首个医学专用AI自主研究系统，从假设生成到论文撰写全程自动化，质量逼近MICCAI水平
Hongtao Wu, Boyun Zheng, Dingjie Song, Yu Jiang, Jianfeng Gao, Lei Xing,...
临床研究
医学AI
多智能体
科学发现
自主研究系统
首个用强化学习训练多跳搜索智能体，为知识密集型图像生成收集外部知识与视觉参考
Kaituo Feng, Manyuan Zhang, Shuang Chen, Yunlong Lin, Kaixuan Fan, Yilei...
GRPO
图像生成
多模态搜索
智能体强化学习
检索增强生成
首个系统性研究LLM多智能体系统中15种涌现社交风险的实证工作
Yue Huang, Yu Jiang, Wenjie Wang, Haomin Zhuang, Xiaonan Luo, Yuchen Ma,...
AI安全
LLM智能体
博弈论
多智能体系统
涌现行为
提出信用原生的人-智能体协作市场，实现任务、资产与激励的闭环
Huacan Wang, Chaofa Yuan, Xialie Zhuang, Tu Hu, Shuo Zhang, Jun Han, Shi...
AI基础设施
任务市场
多智能体系统
技能复用
智能体经济
通过分层索引加速稀疏注意力的token选择，实现3.75倍内核加速
Yufei Xu, Fanxu Meng, Fan Jiang, Yuxuan Wang, Ruijie Zhou, Jiexi Wu, Zhixin...
LLM系统优化
推理加速
注意力机制
稀疏注意力
长上下文
通过token级路由漂移分析与漂移感知的动态MoE扩展，解决VLM持续学习中的灾难性遗忘
Chongyang Zhao, Mingsong Li, Haodong Lu, Dong Gong
LoRA
参数高效微调
大视觉语言模型
持续学习
混合专家模型
提出统一的图像生成/编辑评估基准，覆盖6任务6主题，用可解释标注揭示模型失败模式
Samin Mahdizadeh Sani, Max Ku, Nima Jamali, Matina Mahdizadeh Sani, Paria...
VLM评估
人类评估
图像生成
图像编辑
评估基准
通过掩码与门控融合，强制VLM利用几何token进行空间推理
Shihua Zhang, Qiuhong Shen, Shizun Wang, Tianbo Pan, Xinchao Wang
3D几何
多模态学习
空间推理
视觉语言模型
视频理解
提出综合评估基准GEditBench v2和成对评估模型PVC-Judge，解决图像编辑评估难题
Zhangqi Jiang, Zheng Sun, Xianfang Zeng, Yufeng Yang, Xuanyang Zhang,...
图像编辑
奖励模型
成对比较
视觉一致性
评估基准
系统综述视频生成模型作为世界模拟器时的效率优化技术，涵盖建模范式、架构设计和推理算法三个维度。
Muyang He, Hanzhong Guo, Junxiong Lin, Yizhou Yu
世界模型
扩散模型
效率优化
注意力机制
自回归模型
构建30个物理论文复现任务，评估AI智能体端到端科研复现能力，发现最佳系统仅34%正确率
Shi Qiu, Junyi Deng, Yiwei Deng, Haoran Dong, Jieyu Fu, Mao Li, Zeyu Li,...
代码智能体
基准测试
物理研究
科学AI
论文复现
首个百万级多模态图表理解数据集，通过代码引导合成生成150万高质量图表样本
Jovana Kondic, Pengyuan Li, Dhiraj Joshi, Isaac Sanchez, Ben Wiesel, Shafiq...
合成数据
图表理解
多模态学习
数据集构建
视觉语言模型
进化搜索+逐步训练框架实现GPU内核自动优化，超越Gemini-3.0-pro
He Du, Qiming Ge, Jiakai Hu, Aijun Yang, Zheng Cai, Zixian Huang, Sheng...
GPU内核优化
Triton
代码生成
强化学习
进化算法
通过在DiT的上下文空间中应用排斥力，在保持质量的同时显著提升文本到图像生成的多样性。
Omer Dahary, Benaya Koren, Daniel Garibi, Daniel Cohen-Or
变换器
多样性
扩散模型
文本到图像
生成式AI
以验证为中心的三阶段设计，让 8B 深度研究智能体逼近 30B 级别性能
Bin Zhu, Qianghuai Jia, Tian Lan, Junyang Ren, Feng Gu, Feihu Jiang, Longyue...
ReAct
信息检索
强化学习
数据合成
测试时扩展
0.39B参数统一扩散模型，在手机端实现<1秒图文生成与编辑
Kailai Feng, Yuxiang Wei, Bo Chen, Yang Pan, Hu Ye, Songwei Liu, Chenqian...
图像生成
图像编辑
扩散模型
模型压缩
移动端部署
将多模态智能体的交互轨迹解耦为原子级状态-动作经验，通过深度-广度搜索实现精准决策指导
Shijian Wang, Jiarui Jin, Runhao Fu, Zexuan Yan, Xingjian Wang, Mengkang Hu,...
多模态智能体
工具使用
检索增强推理
经验学习
视觉推理
通过持久共享视觉契约协调多智能体，将研究故事转化为结构化学术手稿
Zhuoyang Qian, Wei Shi, Xu Lin, Li Ling, Meng Luo, Ziming Wang, Zhiwei...
多智能体系统
契约治理
结构化生成
论文生成
长文本生成
通过输入侧自适应分辨率分配，在消除90%视觉token的同时保持或超越基线性能
Huanxuan Liao, Zhongtao Jiang, Yupu Hao, Yuqiao Tan, Shizhu He, Jun Zhao,...
多模态大语言模型
强化学习
自适应推理
视频理解
计算效率
快手agentic coding模型，多基准接近最先进水平
Fengxiang Li, Han Zhang, Haoyang Huang, Jinghui Wang, Jinhua Hao, Kun Yuan,...
AI agent
agentic coding
代码生成
强化学习
软件工程
大规模双手机动数据集与生成框架，支持精细手指协同与接触交互
Zimu Zhang, Yucheng Zhang, Xiyan Xu, Ziyin Wang, Sirui Xu, Kai Zhou, Bing...
LLM标注
人体动画
动作捕捉
双手机动生成
扩散模型
通过掩码扩散建模窗口级激活序列，实现流式视频中稳定的主动响应触发
Junho Kim, Hosu Lee, James M. Rehg, Minsu Kim, Yong Man Ro
主动响应
序列建模
掩码扩散模型
流式视频理解
视频LLM
通过关系型schema统一LLM质量评估与路由决策，实现可解释、低成本的多模型智能调度
Zecheng Zhang, Han Zheng, Yue Xu
LLM-as-Judge
LLM评估
模型路由
结构化输出
网关系统
通过锚定令牌机制实现粗到精的视觉指向，提升VLM在图像、GUI和视频中的定位精度
Christopher Clark, Yue Yang, Jae Sung Park, Zixian Ma, Jieyu Zhang, Rohun...
坐标表示
多模态推理
指向任务
视觉语言模型
锚定令牌
将轨迹重建重新定义为地图视觉视频生成任务，用视频模型直接在地图上绘制连续GPS路径
Ruixing Zhang, Hanzhang Jiang, Leilei Sun, Liangzhe Han, Jibin Wang, Weifeng Lv
Flow Matching
强化学习
蜂窝信号定位
视频生成
轨迹数据挖掘
文本与结构化数据集成的挑战与前沿方法综述
Md Ataur Rahman, Dimitris Sacharidis, Oscar Romero, Sergi Nadal
信息抽取
大语言模型
数据集成
知识图谱
自然语言处理
提出半动态框架解决LLM上下文压缩中固定压缩比的问题，通过离散比例选择器动态适应文本密度
Yijiong Yu, Shuai Yuan, Jie Zheng, Huazheng Wang, Ji Pei
KV缓存优化
LLM效率
上下文压缩
动态压缩
用响应熵作为全局信号，自适应选择token并支持早停
Haozhe Qi, Kevin Qu, Mahdi Rad, Rui Wang, Alexander Mathis, Marc Pollefeys
Token选择
多模态大语言模型
模型不确定性估计
长视频理解
探讨超越人类认知能力的AI代理如何重塑法律秩序的三个维度及其对法律理论的挑战。
Noam Kolt
AI治理
人工智能与法律
法律对齐
法律理论
超级智能
仅用 DINOv3 特征实现训练无关的 one-shot 语义/部分/个性化分割，超越现有方法 7.5% mIoU
Claudia Cuttano, Gabriele Trivigno, Christoph Reich, Daniel Cremers, Carlo...
DINOv3
上下文分割
自监督学习
语义对应
零样本学习
大规模视觉语言模型在手术工具检测任务上表现不佳，专业化小模型胜出
Kirill Skobelev, Eric Fithian, Yegor Baranovski, Jack Cook, Sandeep Angara,...
医学影像
工具检测
手术AI
缩放定律
视觉语言模型
首个显式建模患者多切片关系的病理学基础模型，通过两阶段框架在16个任务上超越基线模型
Yousef Kotp, Vincent Quoc-Huy Trinh, Christopher Pal, Mahdi S. Hosseini
基础模型
多切片聚合
患者级建模
自监督学习
计算病理学
提出UMF框架，通过P-Flow和S-Flow实现任意人数的文本生成动作
Guanhe Huang, Oya Celiktutan
动作合成
多人生成
文本生成动作
流匹配
自回归生成
用神经网络替代kernel估计实现O(n)复杂度的等离子体碰撞模拟
Vasily Ilin, Jingwei Hu
Landau碰撞算子
Score Matching
Vlasov方程
等离子体模拟
粒子方法