全开源动作推理VLA模型,独创分层KV条件架构+自适应深度推理,跨多平台零样本部署并刷新多项基准。
Haoquan Fang, Jiafei Duan, Donovan Clay, Sam Wang, Shuo Liu, Weikai Huang,...
具身推理
开源
机器人
流匹配
视觉-语言-动作模型
提出 Ctx2Skill 框架，用多智能体自博弈从长技术上下文中自动挖掘自然语言技能，在 CL-bench 上显著提升 GPT-4.1/5.1/5.2 的上下文学习能力。
Shuzheng Si, Haozhe Zhao, Yu Lei, Qingyi Wang, Dingwei Chen, Zhitong Wang,...
LLM 推理增强
上下文学习
多智能体系统
技能抽取
智能体自博弈
LLM幻觉源于判别力鸿沟，提出忠实不确定性作为缓解之道
Gal Yona, Mor Geva, Yossi Matias
AI可信度
LLM幻觉
不确定性量化
元认知
智能体
为LVLM设计并行PVM模块，缓解长序列生成中的视觉信号衰减
Siyuan Huang, Xiaoye Qu, Yafu Li, Tong Zhu, Zefeng He, Muxin Fu, Daizong...
参数高效微调
多模态大模型
多模态推理
幻觉抑制
注意力机制
针对德语语料受限场景，证明在严格质量过滤后的小规模高密度子集上多轮训练，明显优于在大规模低过滤语料上的单轮训练。
Ansar Aynetdinov, Patrick Haller, Alan Akbik
多轮训练
小模型
德语LLM
数据过滤
样本效率
首个由学生真实学术任务驱动的OpenClaw学术级智能体评测基准
Junjie Yu, Pengrui Lu, Weiye Si, Hongliang Lu, Jiabao Wu, Kaiwen Tao, Kun...
OpenClaw
基准测试
大语言模型
学术任务
智能体评测
首个面向 Windows 跨应用专业工作流的、以流程中间态检查为核心的 GUI 智能体基准，揭示当前最强模型在多应用协同任务上仅约 20% 成功率。
Jinchao Li, Yunxin Li, Chenrui Zhao, Zhenran Xu, Baotian Hu, Min Zhang
Benchmark
Computer-Use
Cross-Application
GUI Agent
Process Evaluation
首个面向海洋科学的统一多模态语料库，含50亿token与14万指令对
Yida Xue, Ningyu Zhang, Tingwei Wu, Zhe Ma, Daxiong Ji, Zhao Wang, Guozhou...
基准评测
多模态大模型
指令微调
海洋科学
知识图谱
把扩散时间步张量化，全采样组合空间，加速训练并解锁分级控制推理。
Rui Xu, Jiepeng Wang, Hao Pan, Yang Liu, Xin Tong, Shiqing Xin, Changhe Tu,...
3D形状生成
分级控制
图像生成
扩散模型
时间步调度
通过token级思考截断与turn级动态重采样，让多轮智能体RL训练摆脱过思考困境。
Haixin Wang, Hejie Cui, Chenwei Zhang, Xin Liu, Shuowei Jin, Shijie Geng,...
LLM智能体
不确定性估计
多轮交互
强化学习
探索-利用平衡
OGPP:用轨道规范化+索引嵌入+几何路径统一粒子生成的对称性与属性编码
Sinan Wang, Jinjin He, Shenyifan Lu, Ruicheng Wang, Greg Turk, Bo Zhu
几何深度学习
流匹配
生成模型
粒子系统
计算机图形学
首个基于真实电子病历与医生验证的长程临床智能体基准，揭示当前LLM在自主临床任务上最高仅46%成功率。
Ruoqi Liu, Imran Q. Mohiuddin, Austin J. Schoeffler, Kavita Renduchintala,...
FHIR
LLM智能体
临床推理
医疗AI
基准测试
MotionCache 以帧差代理运动，token 级缓存将视频生成加速至 7.26×
Jing Xu, Yuexiao Ma, Songwei Liu, Xuzhe Zheng, Shiwei Liu, Chenqian Yan,...
扩散模型
推理加速
特征缓存
自回归视频生成
运动感知
用结构化感知流解耦感知与推理,变分强化微调替代刚性几何对齐。
Yangfu Li, Yuning Gong, Hongjian Zhan, Teng Li, Yuanhuiyi Lyu, Tianyi Chen,...
变分推断
大型视觉语言模型
幻觉抑制
强化学习微调
细粒度视觉理解
将注意力重新解读为动态MLP，用动态参数预测替代显式注意力实现线性复杂度全局建模
Ruize He, Dongchen Han, Gao Huang
动态网络
卷积网络
线性复杂度
视觉Transformer
高效架构
Ψ-RAG用层次聚类建树+多粒度智能体检索，统一解决跨文档多跳问答。
Ziwen Zhao, Menglin Yang
RAG
多跳问答
层次聚类
智能体检索
结构化索引
提出HIL-BENCH基准与ASK-F1指标，量化智能体在信息缺失时主动求助的判断力
Mohamed Elfeki, Tu Trinh, Kelvin Luu, Guangze Luo, Nathan Hunt, Ernesto...
人机协作
可验证奖励强化学习
基准测试
智能体评估
选择性升级
简单计数任务揭示了所有大语言模型在持续规则执行上存在不可逾越的有界状态上限。
Tianxiang Dai, Jonathan Fan
代理评估
有界状态
机制解释性
规则执行
语言模型可靠性
用微观经济学一阶条件统一路由/代理/服务/训练四层架构
Siqi Zhu
LLM系统设计
Token经济学
代理式AI
微观经济学
资源分配
PDAC血管侵犯基准，证明体积重叠≠临床可靠，需不确定性建模。
M. Riera-Marín, O. K. Sikha, J. Rodríguez-Comas, M. S. May, T. Kirscher, X....
MICCAI挑战赛
不确定性建模
医学影像分割
多评分者学习
校准评估
用深度强化学习把表格数据清洗重定义为与表格基础模型先验对齐的序列决策问题。
Laure Berti-Equille
先验对齐
强化学习
数据清洗
校准
表格基础模型
Meta 发布 32B 代码模型 CWM 前的多领域安全评测报告，结论为"中等"风险、可开源。
Daniel Song, Peter Ney, Cristina Menghini, Faizan Ahmad, Aidan Boyd,...
大语言模型预备态
开源大模型
模型安全评估
生化风险
网络安全
三模态基础模型，把H&E、多重免疫荧光与临床文本对齐到统一嵌入空间，支持检索、零样本推断与反事实分析。
Yan Cui, Jacob S. Leiby, Wenhui Lei, Dokyoon Kim, Yanxiang Deng, Aaron T....
H&E+mIF对齐
反事实预测
基础模型
多模态对比学习
空间蛋白组学
串联扩散编辑与Im2Im分布匹配,刷新合成数据CMMD指标。
Stefanos Pasios
CMMD
FLUX
REGEN
sim2real
合成数据
RAG检索Blender代码样例免训练提升3D生成质量
Massimo Rondelli, Francesco Pivi, Maurizio Gabbrielli
3D物体生成
Blender代码合成
多模态LLM
检索增强生成
零训练部署