腾讯混元开源的统一 3D 世界模型，将全景生成、轨迹规划、视频扩展、几何重建融合为单条流水线
Team HY-World, Chenjie Cao, Xuhui Zuo, Zhenwei Wang, Yisu Zhang, Junta Wu,...
3D 世界模型
3D 高斯溅射
全景生成
前馈三维重建
图像到 3D
真实可复现的多模态深度研究智能体评测基准
Qianqian Xie, Qingheng Xiong, He Zhu, Tiantian Xia, Xueming Han, Fanyu Meng,...
LLM评判
RAG
多模态
深度研究智能体
评测基准
用师生交替生成解决推理模型SFT中的风格冲突问题
Zixian Huang, Kaichen Yang, Xu Huang, Feiyang Hao, Qiming Ge, Bowen Li, He...
代码生成
师生协作
推理模型
数据合成
监督微调
用扩散生成器采样轨迹、RL判别器在低维打分，再配BEV特征级仿真，把闭环规划的安全性提升56%。
Hao Gao, Shaoyu Chen, Yifan Zhu, Yuehao Song, Wenyu Liu, Qian Zhang, Xinggang Wang
GRPO
强化学习
扩散模型
端到端学习
自动驾驶
先全局对齐再解码，把多视图前馈 3DGS 压缩到 16K 高斯仍达 28.5 PSNR
Roni Itkin, Noam Issachar, Yehonatan Keypur, Anpei Chen, Sagie Benaim
3D Gaussian Splatting
全局潜变量令牌
前馈新视角合成
多视图重建
紧凑表征
源码级拆解 Claude Code 架构，对比 OpenClaw 揭示代理系统设计空间。
Jiacheng Liu, Xiaohan Zhao, Xinyi Shang, Zhiqiang Shen
AI Agent
Source Code Mining
代码智能体
架构分析
设计空间
把VLM做高层规划、DiT做低层控制，用级联交叉注意力桥接视觉定位与动作。
Tianshuo Yang, Guanyu Chen, Yutian Chen, Zhixuan Liang, Yitian Liu, Zanxin...
Flow Matching
分层架构
扩散Transformer
机器人操作
视觉-语言-动作模型
基于电路分析定位时态越狱相关的脆弱注意力头，再用通道级缩放+防御性微调外科手术式修补 LLM 对时态/GCG/LogiBreak 越狱的漏洞。
Yein Park, Jungwoo Park, Jaewoo Kang
LLM安全
安全对齐
时态越狱
机制可解释性
激活工程
分层动作加密集奖励GRPO，把LVLM改造成统一视觉RAG智能体。
Jun Wang, Shuo Tan, Zelong Sun, Tiancheng Gu, Yongle Zhao, Ziyong Feng,...
GRPO
主动视觉感知
多模态推理
强化学习
文档理解
两步跳跃轨迹+梯度折扣+相似度加权，让 FLUX 等流匹配模型能稳定训练任意早期步。
Zhanhao Liang, Tao Yang, Jie Wu, Chengjian Feng, Liang Zheng
RLHF
人类偏好对齐
图像生成
流匹配
直接梯度法
把少量自监督任务伪装成指令，迫使多模态大模型真正用眼睛看。
Sophia Sirko-Galouchenko, Monika Wysoczanska, Andrei Bursuc, Nicolas Thome,...
LLaVA
多模态大模型
自监督学习
视觉中心推理
视觉指令微调
用可训练软令牌包裹文档实现零重算 KV 缓存拼接
Chuangtao Chen, Grace Li Zhang, Xunzhao Yin, Cheng Zhuo, Bing Li, Ulf Schlichtmann
KV Cache
LLM 推理优化
RAG
位置编码
自监督蒸馏
统一文本概率空间的多模态蒸馏框架，含视觉切换与动态双向 logits 差异损失。
Haoyi Sun, Xiaoxiao Wang, Ning Mao, Qian Wang, Lifu Mu, Wen Zheng, Tao Wei, Wei Chen
多模态学习
模型压缩
知识蒸馏
视觉-语言模型
提出分层多模态智能体框架，把 AIGC 工具作为一等动作协调生成风格一致的网页。
Yan Li, Zezi Zeng, Yifan Yang, Yuqing Yang, Ning Liao, Weiwei Guo, Lili Qiu,...
AIGC
基准测试
多模态智能体
层次化规划
网页生成
用LLM自身调用日志训练轻量替代模型，按一致性门槛自动路由降本。
Adam Rida
LLM路由
可解释性
学习-转交
成本优化
持续学习
首个把HOI生成与编辑统一在单一DiT中的框架,首次实现多交互编辑。
Jiun Tian Hoe, Weipeng Hu, Xudong Jiang, Yap-Peng Tan, Chee Seng Chan
Diffusion Transformer
人-物交互
可控生成
图像生成
图像编辑
先把 VFM 语义特征自回归预测出来,再用扩散模型渲染像素,实现 7× 训练加速。
Efstathios Karypidis, Spyros Gidaris, Nikos Komodakis
世界模型
分层生成
扩散模型
自动驾驶
视觉基础模型
把语料离线编译成层次化技能树，让LLM智能体主动浏览导航，取代被动的top-k检索。
Yiqun Sun, Pengfei Wei, Lawrence B. Hsieh
Anthropic Skills API
RAG
企业知识库
层次化导航
智能体技能
通过只更新Q/K投影中高幅度激活对应的权重行实现长上下文RL稀疏更新。
Bowen Ping, Zijun Chen, Tingfeng Hui, Qize Yu, Chenxuan Li, Junchi Yan, Baobao Chang
GRPO/DAPO
大语言模型
强化学习
激活稀疏性
长上下文
把行为正则化RL重铸为从参考分布到Boltzmann策略的最优传输，用粒子梯度流作为隐式策略。
Haoran Xu, Kaiwen Hu, Somayeh Sojoudi, Amy Zhang
RLHF
SVGD
gradient flow
implicit policy
offline RL
BLD方法：基于字节级接口的跨分词器蒸馏简化基线
Avyav Kumar Singh, Yen-Chen Wu, Alexandru Cioba, Alberto Bernacchia, Davide Buffelli
大语言模型
字节级建模
知识蒸馏
跨分词器
本地优先的智能体记忆系统,首次实现完整认知记忆四层架构,含遗忘与量化耦合。
Varun Pratap Bhardwaj
Ebbinghaus遗忘
RAG检索
信息几何
向量量化
智能体记忆
用强化学习训练的工具调用Agent在胸部CT报告生成中显著超越3D视觉语言模型
Mélanie Roschewitz, Kenneth Styppa, Yitian Tao, Jiwoong Sohn, Jean-Benoit...
医学AI
可解释性
强化学习
报告生成
智能体
用结构化机理动作图让LLM为虚拟细胞生成可验证的生物学推理
Yunhui Jang, Lu Zhu, Jake Fawkes, Alisandra Kaye Denton, Dominique Beaini,...
LLM推理
多智能体
机理可解释性
生物信息学
结构化推理
用无条件反演破解文本到3D模型的'沉陷陷阱'难题
Victoria Yue Chen, Emery Pierson, Léopold Maillard, Maks Ovsjanikov
3D生成
分布外泛化
反演编辑
扩散模型
文本到3D
把残差流分成三相通道，用加百利号角 r(p)=1/(p+1) 占据正交直流子空间，几乎零参数换来 -7.20% PPL。
Mohammad R. Abu Ayyash
位置编码正交组合
几何深度学习
架构创新
残差流结构先验
零成本干预
用合作而批判的框架,仅从二元偏好数据中学会生成并筛选高质量评分标准,显著提升奖励模型表现。
Akira Kawabata, Saku Sugawara
DPO/GRPO
LLM-as-a-Judge
RLHF
奖励建模
评分标准学习
用OT理论在线学多中心GMM，缓解OCIL中数据多模态与灾难遗忘问题
Quyen Tran, Hai Nguyen, Hoang Phan, Quan Dao, Linh Ngo, Khoat Than, Dinh...
在线类增量学习
持续学习
最优传输
灾难性遗忘
高斯混合模型
在数学竞赛中，模型本身的能力差距远超任何提示工程优化
Natapong Nitarach
MoE模型
多数投票
大语言模型
推理时优化
提示工程