用潜空间递归把异构LLM智能体连成环路，以端到端梯度共同优化整个多智能体系统。
Xiyuan Yang, Jiaru Zou, Rui Pan, Ruizhong Qiu, Pan Lu, Shizhe Diao, Jindong...
多智能体系统
推理时计算扩展
潜空间推理
递归计算
把软件工程里的测试驱动思想搬到大模型领域微调上，让数据缺陷像代码 bug 一样可定位、可修复
Chenkai Pan, Xinglong Xu, Yuhang Xu, Yujun Wu, Siyuan Li, Jintao Chen,...
数据工程
测试驱动开发
知识结构
自改进LLM
闭环调试
260 任务三轴基准：评估可视化智能体在原生表格、跨范式演化与多轮澄清场景下的真实能力
Jinxiang Meng, Shaoping Huang, Fangyu Lei, Jingyu Guo, Haoxiang Liu, Jiahao...
Agent 评测基准
MLLM-as-a-Judge
ReAct 智能体
Spreadsheet
多轮意图澄清
首个大规模基准评估AI智能体在科学文献深度与广度检索中的真实能力
Lei Xiong, Kun Luo, Ziyi Xia, Wenbo Zhang, Jin-Ge Yao, Zheng Liu, Jingying...
Deep Research
DeepXiv
LLM评估
ReAct框架
Wide Research
提出 Meta-CoT 范式,结合三要素任务分解与五元任务组合,在 Bagel 上实现 21 任务平均 6.415(+15.8%)、ImgEdit 3.83(+11.7%) 的图像编辑能力。
Shiyi Zhang, Yiji Cheng, Tiankai Hang, Zijin Yin, Runze He, Yu Xu, Wenxun...
Bagel
Chain-of-Thought
GRPO强化学习
任务分解
图像编辑
RvR将图像精修重构为条件再生，移除编辑指令与像素一致性约束以拓宽修改空间。
Jiayi Guo, Linqing Wang, Jiangshan Wang, Yang Yue, Zeyu Liu, Zhiyuan Zhao,...
扩散模型
文生图精修
条件图像生成
流匹配
统一多模态模型
双模式权重共享自演化框架，仅4-8步采样即可实时流式生成音视频
Yupeng Zhou, Lianghua Huang, Zhifan Wu, Jiabao Wang, Yupeng Shi, Biao Jiang,...
流匹配
流式生成
自回归扩散
自蒸馏加速
音视频联合生成
用多智能体+多臂老虎机把抽象创意转化为连贯广告视频
Yale Song, Yiwen Song, Nick Losier, Nathan Hodson, Ye Jin, Rhyard Zhu, Yan...
创意优化
多智能体
多臂老虎机
广告生成
视频生成
首个融合RLHF的音频推理模型，用偏好奖励突破RLVR多轮对话质量瓶颈
Yuxin Zhang, Xiangyu Tony Zhang, Daijiao Liu, Fei Tian, Yayue Deng, Jun...
Chain-of-Thought
RLHF
RLVR
强化学习
语音对话
用场景中介技能图采样多样化终端任务轨迹
Zhiyuan Fan, Tinghao Yu, Yuanjun Cai, Jiangtao Guan, Yun Yang, Dingxin Hu,...
LLM
合成数据
技能图
智能体训练
终端Agent
TCOD用轨迹深度课程解决多轮OPD的KL崩塌问题
Jiaqi Wang, Wenhao Zhang, Weijie Shi, Yaliang Li, James Cheng
curriculum learning
knowledge distillation
multi-turn agent
on-policy distillation
reinforcement learning
清华团队零代码生成可交互 STEM 课件，3 个月课堂试点让学困生收益最大
Shangqing Tu, Yanjia Li, Keyu Chen, Sichen Zhang, Jifan Yu, Daniel Zhang-Li,...
人机交互
教育技术
智能体
生成式 UI
课件生成
用多智能体辩论+维度分解合成高保真训练集，小模型超越GPT-5等大模型护栏
Arnon Mazza, Elad Levi
LLM护栏
内容审核
合成数据
多智能体辩论
小模型微调
230M参数的轻量级GUI元素定位VLM，在7个基准上媲美7B级大模型
Hongxin Li, Yuntao Chen, Zhaoxiang Zhang
GUI Agent
Vision-Language Model
Visual Grounding
数据精选
轻量化部署
提出双层框架，把 Agent Harness 调优从专家手工升级为自动化设计本身。
Haebin Seong, Li Yin, Haoran Zhang
AI-Agent
Harness-Engineering
Meta-Learning
Multi-Agent-Systems
Prompt-Optimization
首个跨六系统、评估 GUI 区域与元素功能理解及交互结果预测的大规模基准
Hongxin Li, Xiping Wang, Jingran Su, Zheng Ju, Yuntao Chen, Qing Li, Zhaoxiang Zhang
GUI智能体
人机交互
功能理解
基准测试
视觉语言模型
用ELBO代理扩散模型似然，把GRPO嫁接到文生图后训练上，比MDP路线快2-3倍且SOTA。
Bingda Tang, Yuhui Zhang, Xiaohan Wang, Jiayuan Mao, Ludwig Schmidt, Serena...
ELBO
GRPO
RLHF
在线强化学习
扩散模型
用FOCUS基准诊断VLMs作为裁判的可靠性，发现成对比较最稳但仍存50%+漏检
Mohammed Safi Ur Rahman Khan, Sanjay Suryanarayanan, Tushar Anand, Mitesh M. Khapra
元评估
图像-文本任务
幻觉检测
文生图评估
视觉-语言模型
用 120K+ 成对比较为 10 种印度语 TTS 建立 BT 多维排行榜。
Srija Anand, Ashwin Sankar, Ishvinder Sethi, Aaditya Pareek, Kartik Rajput,...
Bradley-Terry
TTS评估
人类偏好
印度语言
多语言
IAM 框架：联合生成身份相符的人体动作与 SMPL 体型参数
Wenqi Jia, Zekun Li, Abhay Mittal, Chengcheng Tang, Chuan Guo, Lezi Wang,...
SMPL 体型建模
多模态条件
扩散模型
文本驱动动作合成
身份感知动作生成
四阶段流水线（SFT+GRPO+提示增强+自回归蒸馏）弥合视频扩散模型预训练与部署差距。
Zeyue Xue, Siming Fu, Jie Huang, Shuai Lu, Haoran Li, Yijun Liu, Yuming Li,...
GRPO
RLHF
后训练
扩散模型
自回归蒸馏
系统性地剖析推荐系统公平性评估指标的理论、实证与概念三类局限，并提出新测量和改进方法
Theresia Veronika Rampisela
信息检索
公平性评估
推荐系统
机器学习
离线评估