把奖励信号拆解到 rollout 与像素级，对 DMD 蒸馏做时空局部化加权。
Bin Wu, Mengqi Huang, Shaojin Wu, Weinan Jia, Yuxin Wang, Zhendong Mao,...
奖励建模
扩散模型
流式生成
知识蒸馏
视频生成
在VLA架构中统一集成运动感知、长期记忆与物理感知三大功能模块
Dongyoung Kim, Huiwon Jang, Myungkyu Koo, Suhyeok Jang, Taeyoung Kim,...
VLA
人形机器人
强化学习
推理优化
流匹配
首次把测试时 scaling 引入流式视频生成，三机制协同提升长视频时空一致性。
Yijing Tu, Shaojin Wu, Mengqi Huang, Wenchuan Wang, Yuxin Wang, Chunxiao...
KV 缓存管理
扩散模型
流式生成
测试时 scaling
视频生成
首个开源多模态深度搜索智能体训练配方，含数据管线、七工具环境与致命感知GRPO
Shuang Chen, Kaituo Feng, Hangting Chen, Wenxuan Huang, Dasen Dai, Quanxin...
GRPO
多模态智能体
工具调用
强化学习
数据合成
9B参数全双工全模态模型，<12GB内存实现实时听说看同步
Junbo Cui, Bokai Xu, Chongyi Wang, Tianyu Yu, Weiyue Sun, Yingjing Xu,...
全双工交互
多模态大模型
流式推理
端侧部署
语音生成
把BEV表征、LLM语义推理和未来点云预测整合到一个框架中，让语言理解直接指导几何演化。
Xin Zhou, Dingkang Liang, Xiwu Chen, Feiyang Tan, Dingyuan Zhang, Hengshuang...
BEV表征
世界模型
点云预测
自动驾驶
视觉-语言模型
BRIGHT-PRO基准与RTriever-Synth,训出4B推理检索器。
Yilun Zhao, Jinbiao Wei, Tingyu Song, Siyue Zhang, Chen Zhao, Arman Cohan
DeepResearch
LoRA微调
RAG
信息检索
推理密集型检索
VLM规划+扩散生成，两阶段生成可交互的物理3D资产
Yunhan Yang, Chunshi Wang, Junliang Ye, Yang Li, Zanxin Chen, Zehuan Huang,...
3D生成
VLM
关节建模
具身AI
扩散模型
让步数蒸馏扩散模型持续学习新概念而保持少步推理能力
Dengyang Jiang, Xin Jin, Dongyang Liu, Zanyi Wang, Mingzhe Zheng, Ruoyi Du,...
LLM编码器
少步生成
扩散模型
持续学习
文本到图像
通过构建4K实体/15万可供性知识库与1.4万任务，系统揭示LLM在部件级创造性工具重用上的根本性短板
Cheng Qian, Hyeonjeong Ha, Jiayu Liu, Jeonghwan Kim, Jiateng Liu, Bingxuan...
LLM评测
创造性推理
可供性(affordance)
工具使用
智能体
提出首个面向ICL视频编辑的近无损稀疏注意力ISA，配合1.7M数据集与14B模型，在四个基准上超越SOTA并将注意力延迟降低约60%。
Shitong Shao, Zikai Zhou, Haopeng Li, Yingwei Song, Wenliang Zhong, Lichen...
ICL加速
In-Context Learning
扩散Transformer
稀疏注意力
视频编辑
京东提出统一多模态模型 JoyAI-Image，以空间智能为枢轴打通理解、生成与编辑。
Lin Song, Wenbo Li, Guoqing Ma, Wei Tang, Bo Wang, Yuan Zhang, Yijun Yang,...
图像生成
图像编辑
扩散模型
空间智能
统一多模态
5500 条跨 10 国数据揭示 LLM 安全与文化意识解耦、本地模型安全假象
Dasol Choi, Eugenia Kim, Jaewon Noh, Sang Seo, Eunmi Kim, Myunggyo Oh,...
LLM 安全
基准构建
文化敏感性
越狱基准
跨文化评估
用隐藏态投影残差解耦正负样本的语义重叠，保护共享token免受误罚。
Zihan Lin, Xiaohan Wang, Jie Cao, Jiajun Chai, Li Wang, Xiaodong Lu, Wei...
GRPO
LLM推理
Lazy Likelihood Displacement
NSR
Pass@1与Pass@k
在Ego-Exo4D上用三套参数高效方法把多视角动作熟练度估计推向生成式反馈
Edoardo Bianchi, Antonio Liotta
动作质量评估
参数高效微调
多视角视频理解
时序采样
视觉语言模型
首个用MERT冻结嵌入同时预测AI音乐流行度与5维美学评分的多任务框架
Jaavid Aktar Husain, Dorien Herremans
AI生成音乐
MERT音频嵌入
分布外泛化
多任务学习
流行度预测
用统计编码与并行槽解码器实现跨任务零样本DNF规则归纳
Yin Jun Phua
T范数
可解释AI
基座模型
归纳逻辑编程
神经符号AI
首个能从一般视角广播视频中端到端重建乒乓球 140+ 小时 3D 轨迹、旋转与人体网格的大规模数据集，核心是把 2D 分段留在 3D 提升之后。
Nima Rahmanian, Daniel Kienzle, Thomas Gossard, Dvij Kalaria, Rainer...
3D 重建
Transformer
数据集
机器人学习
物理仿真
把预训练扩散模型改造为统一的语义/开放词汇/跨域分割框架
Haoxiao Wang, Antao Xiang, Haiyang Sun, Peilin Sun, Changhao Pan, Yifu Chen,...
CLIP
Stable Diffusion
图像分割
开放词汇
扩散模型
在单流自回归中把『何时披露中间推理』变成可学习的决策变量，用蕴含对齐SFT+RL实现。
Jiaqi Wei, Xuehang Guo, Pengfei Yu, Xiang Zhang, Wanli Ouyang, Siqi Sun,...
GRPO强化学习
Qwen3
披露策略
推理大模型
数学推理
提出 68 指标框架，揭示六大 vibe coding 平台在规范理解、后端基础设施、生产可用性和安全上的系统性短板。
Siddhant Saxena, Nilesh Trivedi, Vinayaka Jyothi
AI 应用生成
LLM 智能体
vibe coding
生产就绪度
评测基准
提出医学研究AI技能的两层否决式审计框架，与专家评分一致性超越人-人基线
Yingyong Hou, Xinyuan Lao, Huimei Wang, Qianyu Yao, Wei Chen, Bocheng Huang,...
AI评估
医学AI
可靠性研究
技能审计
智能体治理
首个生成 token 的熵即可匹敌多采样自一致性幻觉检测
Mina Gabriel
不确定性量化
大语言模型
幻觉检测
自一致性
聚焦物理推理本身，25个仿真环境+13基线评估TAMP/RL/IL/FM
Yixuan Huang, Bowen Li, Vaibhav Saxena, Yichao Liang, Utkarsh Aashu Mishra,...
TAMP
任务与运动规划
具身智能
基准测试
机器人
把多个大模型的相互偏离视为动态负约束，构建无需真实标签的自主偏好对齐框架
Xiaoyu Yang, En Yu, Wei Duan, Jie Lu
偏好优化
医学影像推理
多模态大模型对齐
概念漂移
知识蒸馏