三层安全框架保护OpenClaw智能体
Songyang Liu, Chaozhuo Li, Chenxu Wang, Jinyu Hou, Zejian Chen, Litian...
实时监控
对抗防御
智能体安全
运行时保护
简单的终端代理通过直接API交互可实现高效企业自动化
Patrice Bechard, Orlando Marquez Ayala, Emily Chen, Jordan Skelton, Sagar...
API交互
LLM Agent
MCP
企业自动化
终端代理
首个支持过程评估和多模态的深度研究系统基准，覆盖100个真实任务
Fangda Ye, Yuxin Hu, Pengxiang Zhu, Yibo Li, Ziqi Jin, Yao Xiao, Yibo Wang,...
基准测试
多模态评估
智能体
深度研究系统
过程评估
LLM仅通过训练自己的原始输出即可大幅改进代码生成能力
Ruixiang Zhang, Richard He Bai, Huangjie Zheng, Navdeep Jaitly, Ronan...
LLM改进
代码生成
自蒸馏
解码策略
提出一个三层级、自动化评估的视觉网站开发基准，揭示当前多模态编码代理在长周期任务中的系统性不足
Zehai He, Wenyi Hong, Zhen Yang, Ziyang Pan, Mingdao Liu, Xiaotao Gu, Jie Tang
代码生成
基准测试
多模态模型
网站开发
自动化评估
首次提出统一的视觉生成推理基准，揭示当前AIGC模型在物理和因果推理上的严重缺陷
Haonan Han, Jiancheng Huang, Xiaopeng Sun, Junyan He, Rui Yang, Jie Hu,...
因果推理
基准测试
多模态评估
视觉生成评估
零样本推理
研究发现LLM在无关上下文环境下推理痕迹缩短65%，自我验证行为被抑制
Gleb Rodionov
LLM推理
Test-time Scaling
上下文管理
推理鲁棒性
自我验证
基于亿级应用流量的时间序列预测基准，揭示深度学习与基础模型的互补优势
Siqiao Xue, Zhaoyang Zhu, Wei Zhang, Rongyao Cai, Rui Wang, Yixiang Mu, Fan...
基准评测
基础模型
时间序列预测
模型选择
深度学习
首个面向大规模个人文件系统的多模态智能体基准测试
Zhe Yang, Shulin Tian, Kairui Hu, Shuai Liu, Hoang-Nhat Nguyen, Yichi Zhang,...
个人助手
个性化基准测试
多模态智能体
文件系统
记忆增强
基于Transformer的自回归3D高斯场景生成方法，支持无条件生成、补全和大场景合成
Nicolas von Lützow, Barbara Rössle, Katharina Schmid, Matthias Nießner
3D生成
Gaussian Splatting
Transformer
场景合成
自回归模型
简洁约束能逆转大模型性能劣势，解锁潜在能力
MD Azizul Hakim
因果干预
提示工程
模型评估
逆向缩放
YOCO-U结合递归计算与高效注意力，在保持常数级KV缓存的同时实现深度缩放
Yutao Sun, Li Dong, Tianzhu Ye, Shaohan Huang, Jianyong Wang, Furu Wei
KV缓存优化
Transformer架构
深度缩放
递归计算
长上下文建模
首个强调感知中心推理的复杂视频理解基准，现有最强模型准确率仅45.96%
Shaoxuan Li, Zhixuan Zhao, Hanze Deng, Zirun Ma, Shulin Tian, Zuyan Liu,...
基准测试
多模态推理
感知中心推理
视频理解
长时域推理
首个系统性评估 AI 写作代理的框架，从展示质量和幻觉两个维度量化 AI 撰写科学论文的能力与风险。
Atsuyuki Miyai, Mashiro Toyooka, Zaiying Zhao, Kenta Watanabe, Toshihiko...
AI写作评估
大语言模型
幻觉检测
科学写作
评估框架
提出基于非对称FSM的Pare框架，通过模拟真实用户交互来评估主动助手。
Deepak Nathani, Cheng Zhang, Chang Huan, Jiaming Shan, Yinfei Yang, Alkesh...
主动助手
人机交互
基准测试
大语言模型
智能体
系统性综述LLM在线策略蒸馏(OPD)的理论框架、方法分类、失败模式和工业实践
Mingyang Song, Mao Zheng
在线策略学习
大语言模型
强化学习
模仿学习
知识蒸馏
TAB框架将零样本3D视觉接地转化为动态的语义推理和几何重建过程
Haibo Wang, Zihao Lin, Zhiyang Xu, Lifu Huang
3D视觉接地
多视图几何
智能体框架
视觉语言模型
零样本学习
提出MYPHONEBENCH框架，评估手机代理在完成任务时的隐私行为
Zhengyang Tang, Ke Ji, Xidong Wang, Zihan Ye, Xinyuan Wang, Yiduo Guo, Ziniu...
Agent安全
GUI交互
基准测试
手机代理
隐私评估
多LLM协作中第二遍提升主要来自强模型独立重解而非真正的修订效果
Jingjie Ning, Xueqi Li, Chengyu Yu
LLM修订
代码生成
多LLM协作
推理任务
提示工程
提出统一推荐系统三大主流架构的缩放框架UniMixer，提升参数和计算效率。
Mingming Ha, Guanchen Wang, Linxun Chen, Xuan Rao, Yuexin Shi, Tianbao Ma,...
TokenMixer
推荐系统
注意力机制
深度学习架构
缩放定律
通过仅优化初始循环状态实现零推理开销的高效模型微调方法
Jack Young
代码生成
参数高效微调
循环状态
混合架构
零开销
利用像素级冗余在 ViT 前约简视觉 token，无需训练即可实现 4.2× 推理加速
Nan Wang, Zhiwei Jin, Chen Chen, Haonan Lu
Document Understanding
Efficient Inference
GUI Understanding
Token Pruning
Vision-Language Models
用RL训练的压缩偏好记忆替代长购买历史，提升LLM购物代理的重排性能
Zhiyuan Peng, Xuyang Wu, Huaixiao Tou, Yi Fang, Yi Gong
LLM代理
个性化搜索
强化学习
推荐系统
记忆机制
把稀疏注意力、RAG 等LLM优化统一为四阶段内存流水线，并用GPU-FPGA异构系统加速。
Zifan He, Rui Ma, Yizhou Sun, Jason Cong
GPU-FPGA
LLM推理
RAG
内存处理
异构计算
首次系统研究LLM智能体在长期网页任务中处理用户中断的能力
Henry Peng Zou, Chunyu Miao, Wei-Chieh Huang, Yankai Chen, Yue Zhou, Hanrong...
中断处理
基准测试
智能体
用户交互
网页导航
提出原生离散扩散VLA模型，统一多模态理解与生成，实现机器人长视距精准控制
Yang Liu, Pengxiang Ding, Tengyue Jiang, Xudong Wang, Wenxuan Song, Minghui...
世界模型
多模态学习
扩散模型
机器人操作
视觉-语言-动作模型
揭示编码代理评估中提交率陷阱，提出测量协议和多维评估框架
Aman Mehta
一致性分析
可靠性研究
测量理论
编码代理
评估方法
首个面向二维装配手册与实拍视频跨描绘对齐的VLM基准，揭示视觉编码器的表征鸿沟是根本瓶颈。
Zhuchenyang Liu, Yao Zhang, Yu Xiao
基准测试
机理分析
装配辅助
视觉-语言模型
跨模态对齐
用上下文归因和规则推理检测LLM Agent的提示注入攻击
Yanting Wang, Wei Zou, Runpeng Geng, Jinyuan Jia
Agent Safety
Attribution
LLM Security
Prompt Injection
Rule-based Detection
揭示健康人训练的睡眠分期模型在中风患者上泛化性能大幅下降的问题，提出疾病特异性建模需求
Saswata Bose, Suvadeep Maiti, Shivam Kumar Sharma, Mythirayee S, Tapabrata...
EEG分析
中风
医学AI
模型可解释性
深度学习