统一多任务多机器人的视觉-语言-行动模型，通过DiT解码器和具身感知prompt实现泛化。
Qiuyue Wang, Mingsheng Li, Jian Guan, Jinhui Ye, Sicheng Xie, Yitao Liu,...
具身智能
多任务学习
导航
机器人操控
视觉-语言-行动模型
提出轻量级Agent安全框架，1k样本训练出性能媲美GPT-5.4的0.8B-8B模型
Dongrui Liu, Yu Li, Zhonghao Yang, Peng Wang, Guanxu Chen, Yuejin Xie,...
AI安全
在线护栏
对齐框架
智能体安全
轻量级模型
提出通过原生查询语言协调异构知识源的统一检索框架
Jinheon Baek, Soyeong Jeong, Sangwoo Park, Woongyeong Yeo, Minki Kang,...
信息检索
多模态检索
查询生成
知识图谱
将50个视觉效果LoRA蒸馏到单一模块，解决部署成本和特征干扰问题
Fangtai Wu, Hailong Guo, Shijie Huang, Jiayi Song, Yubo Huang, Mushui Liu,...
LoRA
图像编辑
多任务学习
扩散模型
模型蒸馏
揭示VLMs空间推理中的垂直-距离纠缠偏见
Cheolhong Min, Jaeyun Jung, Daeun Lee, Hyeonseong Jeon, Yu Su, Jonathan...
偏见检测
模型解释性
空间推理
表示分析
视觉-语言模型
全栈框架将视频基础模型转为实时相机可控世界模型
Min Zhao, Hongzhou Zhu, Bokai Yan, Zihan Zhou, Yimin Chen, Wenqiang Sun,...
世界模型
实时推理
扩散模型
相机控制
知识蒸馏
YoCausal评估视频扩散模型的因果理解，发现时间箭头感知不等同于因果认知
You-Zhe Xie, Yu-Hsuan Li, Jie-Ying Lee, Kaipeng Zhang, Yu-Lun Liu, Zhixiang Wang
世界模型
因果推理
基准测试
视频生成
揭示了LoRA参数化记忆遵循幂律容量定律，p>0.5为确定性回忆阈值，提出MemFT优化方法提升记忆效率
Ziwen Xu, Haiwen Hong, Linsong Yu, Benglei Cui, Longtao Huang, Hui Xue, Ningyu Zhang
LoRA微调
参数化记忆
大语言模型
相变分析
记忆容量
用代码作为画笔，将图像生成分解为概念化、草图和着色三阶段
Junyan Ye, Jun He, Zilong Huang, Dongzhi Jiang, Xuan Yang, Rui Chen, Weijia Li
代码驱动
可解释性
图像生成
控制性
智能体
通过分析隐藏表示的几何异常检测RL训练中的数据污染
Minju Gwak, Minseo Kwak, Dongseok Lee, Guijin Son, Alan Ritter, Jaehyung Kim
强化学习
成员推断攻击
数据污染检测
模型审计
表示学习
提出NAVA框架，通过原生音频-视频对齐实现高质量联合音视频生成
Longbin Ji, Guan Wang, Xuan Wei, Chenye Yang, Xiangrui Liu, Zhenyu Zhang,...
MMDiT
多模态学习
扩散模型
音色控制
音视频生成
通过视觉编码器内部帧合并和解耦空间选择，将视频LLM推理速度提升2.65倍
Hesong Wang, Xin Jin, Lu Lu, Chenhaowen Li, Jian Chen, Qiang Liu, Huan Wang
Token压缩
推理加速
时域压缩
视频大语言模型
视频理解
通过差异化处理通用技能内部化与任务特定技能动态利用，提升智能体在OOD场景下的泛化能力。
Jiapeng Zhu, Jianxiang Yu, Yibo Zhao, Chengcheng Han, Qi Gu, Xunliang Cai,...
LLM智能体
分布外泛化
强化学习
技能学习
智能体强化学习
提出文本引导的激活流匹配模型，通过学习条件速度场实现统一的大语言模型激活干预和分类接口
Yingdong Shi, Ruiming Zhang, Changming Li, Zhiyu Yang, Kaixing Zhang, Jingyi...
大语言模型控制
推理时干预
条件生成
流匹配
激活干预
研究长程交互中LLM的信念管理问题，提出CBM框架和BeliefTrack基准，发现RL可显著改善模型信念追踪能力
Haoming Xu, Weihong Xu, Zongrui Li, Mengru Wang, Yunzhi Yao, Chiyu Wu, Jin...
上下文学习
信念追踪
多轮对话
强化学习
利用扩散模型频谱偏差，通过动态彩色噪声注入显著提升生成质量的无训练采样方法
Hadar Davidson, Noam Issachar, Sagie Benaim
SDE求解器
扩散模型
采样算法
频谱偏差
通过局部模态替换解决VLM载波敏感性问题，提升跨模态融合
Feng Han, Zhixiong Zhang, Zheming Liang, Yibin Wang, Jiaqi Wang
cross-modal alignment
data curation
multimodal
vision-language
通过推理内化和稀疏自编码器分解，提供嵌入层面的密集检索可解释性
Zhixin Cai, Jun Bai, Yang Liu, Jiaqi Li, Yichi Zhang, Taichuan Li, Zhuofan...
可解释性
密集检索
推理增强
特征级解释
稀疏自编码器
通过构造位置控制的训练数据，证明密集检索器的位置偏置主要由训练数据分布塑造
Daegon Yu, SeungYoon Han, Woomyoung Park
位置偏置
信息检索
密集检索
检索评估
训练数据偏差
评估 LLM 交互式因果发现能力的基准环境，区分预测准确度与机制理解
Junlin Yang, Dylan Zhang, Xiangchen Song, Qirun Dai, Xiao Liu, Yuen Chen,...
LLM Agent
交互式学习
因果发现
因果推理
基准测试
提出WorldMemArena基准，将智能体记忆定义为动作-世界交互循环的四阶段生命周期
Chengzhi Liu, Yuzhe Yang, Sophia Xiao Pu, Yepeng Liu, Lin Long, Yichen Guo,...
交互式基准
多模态记忆
智能体评估
记忆生命周期
长时记忆
零依赖合成终端环境，提升LLM命令行能力
Xiaoxuan Peng, Kaiqi Zhang, Xinyu Lu, Boxi Cao, Yaojie Lu, Hongyu Lin,...
命令行界面
强化学习
数据合成
终端环境
语言智能体
PRISM框架通过四个维度系统评估LLM同行评议质量，揭示LLM作为人类评审辅助工具而非替代品的定位
Ngoc Phan Phuoc Loc, Toan Huynh La Viet, Thanh Tran Khanh, Duy A Nguyen,...
LLM评测
同行评议
科学评审质量
评估基准
PTAH通过多智能体协作和分阶段验证，实现高质量的可验证多模态深度研究报告生成。
Chenghao Zhang, Guanting Dong, Yufan Liu, Tong Zhao, Zhicheng Dou
多模态生成
智能体系统
深度研究
验证机制
首个评估LLM异步多任务工具调用能力的基准，揭示延迟反馈对代理性能的显著影响。
Kou Shi, Ziao Zhang, Shiting Huang, Avery Nie, Zhen Fang, Qiuchen Wang, Lin...
LLM代理
基准测试
多任务处理
工具调用
异步执行
研究云端大模型与边缘小模型协作的混合架构，揭示任务依赖的优化策略
Corrado Rainone, Davide Belli, Bence Major, Arash Behboodi
云边协作
多智能体系统
大语言模型
混合AI
边缘计算
利用3D基础先验（SAM3D+PartField）增强2D语义对应，消除左右和重复部件混淆。
Artur Jesslen, Olaf Dünkel, Adam Kortylewski
3D几何先验
PartField
SAM3D
弱监督
测地线过滤
通过自主探索构建应用知识图谱，让小型模型也能高效执行移动 GUI 任务
Yuxiang Chai, Han Xiao, Xinyu Fu, Jinpeng Chen, Rui Liu, Hongsheng Li
GUI 智能体
图引导决策
知识图谱
移动自动化
轻量级模型
提出交替训练框架，仅用偏好数据联合优化评分标准生成器和判断器，提升LLM点状奖励模型精度。
Haoxiang Jiang, Zihan Dong, Tianci Liu, Wanying Wang, Ran Xu, Tony Yu,...
LLM对齐
RLHF
奖励建模
点状评估
评分标准
利用图像转换、语言和3D流的三模态对齐学习动力学感知的机器人视觉表示
Jusuk Lee, Seungjae Lee, Jonghun Shin, Hoseong Jung, Sungha Kim, Daesol Cho,...
动力学感知
多模态学习
机器人操作
机器人视觉
表示学习
无需物理先验，从数据中学习物体运动学潜空间，实现通用4D物理模拟生成
Chen Geng, Guangzhao He, Yue Gao, Yunzhi Zhang, Shangzhe Wu, Jiajun Wu
3D视觉
4D生成
拉格朗日力学
物理模拟
神经表示
用自适应状态替换静态锚点，解决流式视频生成中的动态性抑制问题
Yusuf Dalva, Pinar Yanardag
扩散模型
注意力机制
流式处理
自回归生成
视频生成
将真实GUI轨迹转换为可控手机环境，支持评估与训练
Zhengyang Tang, Yuxuan Liu, Xin Lai, Junyi Li, Pengyuan Lyu, Jason, Yiduo...
多模态代理
强化学习
手机GUI交互
环境构建
监督学习
大模型通过减少梯度干扰能学习小模型无法掌握的稀有复杂任务
Jing Huang, Daniel Wurgaft, Rachit Bansal, Laura Ruis, Naomi Saphra, David...
多任务学习
梯度干扰
模型缩放
稀有任务学习
结合生成式运动与物理模拟，生成物理合理的4D人机交互场景
Omer Benishu, Gal Fiebelman, Sagie Benaim
3D高斯泼溅
4D生成
人机交互
扩散模型
物理模拟
通过学习探测KV协方差的探针向量，将局部线性注意力可扩展地应用于大模型预训练
Yifei Zuo, Dhruv Pai, Zhichen Zeng, Alec Dewulf, Shuming Hu, Zhaoran Wang
优化器交互
大语言模型
架构设计
注意力机制
通过在线技能蒸馏构建结构化技能库，在不增加推理成本的前提下提升 Web Agent 性能
Yubo Li, Yidi Miao, Yuntian Shen, Yuxin Liu
Web 自动化
在线学习
多模态 Agent
技能学习
推理效率
为POT引入检查点恢复机制，一次LLM调用修复失败轨迹，在多个基准上提升3-11pp成功率
Parsa Mazaheri
LLM推理
检查点机制
程序化思维
规划任务
验证驱动恢复
用Wikipedia共现统计替代神经验证器,实现低成本、高性能的事实性问答过程监督
Shicheng Fan, Haochang Hao, Dehai Min, Weihao Liu, Philip S. Yu, Lu Cheng
事实性验证
共现统计
强化学习
过程监督
问答系统
提出In-Writing框架，先自由推理再触发结构化解码，实现精确格式输出而不损失推理能力
Ngoc Trinh Hung Nguyen, Alonso Silva, Laith Zumot, Liubov Tupikina, Armen...
LLM解码策略
推理增强
约束解码
结构化生成
首个覆盖儿童全发育阶段的语音音频基准测试
Tiantian Feng, Anfeng Xu, Xuan Shi, Aditya Kommineni, Shakhrul Iman Siam,...
儿童语音
发育轨迹
生理声音
语音识别
音频基准测试
通过协同训练LLM重写器和密集编码器解决工具检索中的词汇鸿沟问题
Vaishali Senthil, Ashutosh Hathidara, Sebastian Schreiber
DPO对齐
LLM检索增强
协同训练
密集检索
工具检索
证明 LoRA 适配器可通过数据投毒可靠植入后门，并提出行为和权重两种检测方法
Travis Lelle
LoRA适配器
后门攻击
大模型安全
检测方法
利用模型置信度动态调整 KV 缓存预算，在保持质量的同时大幅降低内存占用
Yubo Li, Yidi Miao
KV 缓存管理
混合精度量化
置信度估计
自适应缓存策略
长上下文推理
利用LLM函数调用模拟人工提示工程，通过诊断驱动优化提示
Farima Fatahi Bayat, Moin Aminnaseri, Pouya Pezeshkpour, Estevam Hruschka
函数调用
提示优化
置信度校准
诊断驱动
通过多关键帧条件控制，实现电影风格视频的精确叙事生成
Zhida Zhang, Jie Ma, Zhan Peng, Haoxue Wu, Yang Han, Jun Liang, Jie Cao, Jing Li
关键帧条件
叙事控制
因果VAE
视频生成
视频超分辨率
提出融合交通流与碰撞风险的统一时空风险场
Jie Jia, Yaofeng Su, Zeyu Bao, Yun Hong, Bingzhao Gao, Zhongxue Gan, Wenchao Ding
扩散模型
自动驾驶
遮挡感知
风险建模
揭示RLHF结构性漏洞，当偏见与质量强相关时，模型可影响偏好数据集从而放大不良行为
Dongyoon Hahm, Dylan Hadfield-Menell, Kimin Lee
RLHF
偏见放大
大语言模型安全
奖励模型
对齐安全
首个基于状态空间模型的3D高斯头像生成器，在无需中间视角合成的情况下实现SOTA多视角一致性
Aviral Chharia, Fernando De la Torre
3D Gaussian Splatting
3D生成
Mamba
多视角一致性
头像生成
使用凸优化理论在低资源场景下实现高准确率口音鲁棒语言检测，达97-98%准确率
Miria Feng, William Tan, Mert Pilanci
ADMM
ASR
JAX
低资源学习
凸优化