首个大规模交互式基准，评估LLM智能体在1665个工具环境下的长期规划与适应性重规划能力
Jiayu Liu, Qihan Lin, Cheng Qian, Rui Wang, Emre Can Acikgoz, Xiaocheng...
工具使用
智能体规划
检索增强
长期推理
鲁棒性评估
从真实企业会话构建852任务的多维度代理评估基准
Jincheng Zhong, Weizhi Wang, Che Jiang, Kai Tian, Zhenzhao Yuan, Junlin...
Agent评估
企业AI
基准测试
多模态评估
技能迁移
在分组查询注意力中引入稀疏路由，保持精度同时降低计算成本
Vishesh Tripathi, Abhay Kumar
Transformer加速
条件计算
混合专家
自注意力优化
长上下文
提出以Session为一等运行时值，解决多智能体系统状态分散问题
Fukang Wen, Zhijie Wang, Ruilin Xu
AI框架设计
可审计性
可组合性
多智能体系统
运行时状态管理
提出智能体数据裁剪框架，将高熵原始多模态流转换为意图对齐的结构化训练数据
Cong Wan, Zeyu Guo, Zijian Cai, Jiangyang Li, SongLin Dong, Lin Peng,...
多模态学习
强化学习
数据合成
数据工程
智能体
系统梳理世界行动模型的设计哲学、核心组件、关键属性与开放挑战
Qiuhong Shen, Shihua Zhang, Yue Liao, Qi Li, Zhenxiong Tan, Shizun Wang,...
世界模型
具身AI
动作预测
机器人学
综述
提出R-SWA注意力机制，实现KV cache恒定，支持一次解析数十页文档
Youyang Yin, Huanhuan Liu, YY, Qunyi Xie, Chaorun Liu, Shiqi Yang, Shaohua...
OCR
注意力机制
视觉语言模型
长文档处理
提出FBNL范式，解耦查询-文档计算实现高效重排序，性能媲美工业模型但计算成本降低10-200倍
Xinping Zhao, Jiaxin Xu, Ziqi Dai, Xin Zhang, Shouzheng Huang, Danyu Tang,...
RAG优化
信息检索
模型压缩
编码器-解码器架构
重排序
结构化能力规范+多阶段验证构建高质量终端代理训练数据
Zhanbo Hua, Yifan Yao, Weihao Xie, Yongchi Zhao, Minghao Liu, Ruizhi Qiu,...
LLM训练
任务验证
数据合成
终端代理
引入潜在记忆队列实现动态上下文感知的检索模型
Chang Nie, Chaoyou Fu, Junlan Feng, Caifeng Shan
嵌入学习
时序推理
智能体记忆
记忆增强
长上下文检索
首个统一分子与蛋白质的多模态生物基础模型，原生支持序列、结构和语言
Qizhi Pei, Zhimeng Zhou, Yi Duan, Yiyang Zhao, Wei Li, Han Guo, Liang He,...
基础模型
多模态学习
生物信息学
药物发现
蛋白质设计
通过动态选择熵谷层而非最终层，缓解 RLHF 对齐训练对复杂推理任务的负面影响
Xuanming Zhang, Sining Zhoubian, Yuxuan Chen, Tianyi Tang, An Yang, Sean Du,...
大语言模型
对齐税
层动态分析
推理增强
解码策略
为动态环境中的计算机使用代理提供安全技能学习与重用框架
Yurun Chen, Biao Yi, Keting Yin, Shengyu Zhang
动态环境
安全约束
技能学习
智能体
计算机使用代理
TAPO通过构建微观反思轨迹，让模型从自己的错误中学习，在数学推理任务上显著提升表现
Zhilin Huang, Hang Gao, Ziqiang Dong, Yuan Chen, Yifeng Luo, Chujun Qin,...
大语言模型
强化学习
推理能力
自蒸馏
错误纠正
头部级混合注意力架构，通过可解释性筛选关键头部，平衡计算效率与长上下文能力
Zhentao Tan, Wei Chen, Jingyi Shen, Yao Liu, Xu Shen, Yue Wu, Jieping Ye
可解释性
架构设计
混合注意力
线性注意力
长上下文
让模型自主决定何时压缩上下文的训练免费框架，以30-70%更低成本实现自适应轨迹压缩
Tianjian Li, Jingyu Zhang, William Jurayj, Xi Wang, Chuanyang Jin, Mehrdad...
上下文管理
元认知
推理优化
智能体压缩
结合真实与模拟应用环境的手机代理训练方法，大幅提升任务成功率
Zhengyang Tang, Xin Lai, Pengyuan Lyu, Xinyuan Wang, Tianyi Bai, Chenxin Li,...
GUI代理
人机交互
多环境训练
强化学习
手机代理
提出PhySciBench基准和DelveAgent框架，提升物理科学AI研究能力
Yigeng Jiang, Tengchao Yang, Taoyong Cui, Jiaxing Wan, Yuan Wang, Weida...
基准测试
多智能体系统
物理科学
科学推理
自适应规划
利用动作条件世界模型潜在表示实现长视野机器人任务的实时故障监控
Haoran Zhang, Yifu Lu, Boyang Wang, Xuhui Kang, Yen-Ling Kuo, Zezhou Cheng,...
世界模型
故障检测
机器人
长视野任务
构建150个真实日常任务的基准测试，用级联评估标准系统评估搜索智能体能力
Jingxuan Han, Wei Liu, Mingyang Zhu, Youpeng Wang, Ziwen Wang, Lin Qiu,...
LLM评估
基准测试
多步推理
搜索智能体
网络搜索
提出大规模RL数据集和简单配方训练强终端智能体
Hamish Ivison, Junjie Oscar Yin, Rulin Shao, Teng Xiao, Nathan Lambert,...
强化学习
数据生成
智能体训练
终端智能体
提出极坐标结构的潜在动作表示，用半径编码过渡范围，方向编码模式
Youngjoon Jeong, Jihwan Yu, Minsoo Jo, Junha Chun, Taesup Kim
双曲几何
机器人学习
潜在动作
策略学习
表示学习
通过分层扩散框架实现内容保持的视频编辑，生成编辑层和alpha遮罩与源视频合成
Hongkai Zheng, Ta-Ying Cheng, Benjamin Klein, Yisong Yue, Zhuoning Yuan
MoT架构
内容保持
分层生成
扩散模型
视频编辑
两阶段框架将实验笔记本编译为可验证的AI代理技能，同时保留作者的不确定性标记
Shi Liu, Jiayao Chen, Chengwei Qin, Yanqing Hu, Jufan Zhang, Linyi Yang
AI代理技能
不确定性建模
实验室笔记本处理
科学文本挖掘
统一框架解决流匹配模型奖励反向传播的内存和梯度爆炸问题
Ruoyu Wang, Boye Niu, Xiangxin Zhou, Yushi Huang, Tongliang Liu, Chi Zhang
偏好对齐
奖励反向传播
文本到图像生成
梯度优化
流匹配
通过在深度上单调渐缩MLP宽度提升语言模型性能
Reza Bayat, Ali Behrouz, Aaron Courville
MLP优化
容量分配
深度感知设计
语言模型架构
提出CoD框架，用RL训练LLM获得长生命周期智能体的元能力
Yanxi Chen, Weijie Shi, Yuexiang Xie, Boyi Hu, Yaliang Li, Bolin Ding, Jingren Zhou
上下文管理
元学习
强化学习
智能体
跨领域泛化
提出VESFLOW，通过直接编辑速度场实现少步流匹配模型的安全生成
Yujin Choi, Jaehong Yoon
安全AI
少步生成
文本生成图像
概念移除
流匹配
提出智能体应辅助而非替代因果发现，开发causal-learn+平台保持算法核心完整性
Yujia Zheng, Vishal Verma, Mantej Gill, Haoyue Dai, Peter Spirtes, Kun Zhang
可信AI
可解释性
因果发现
大型语言模型
智能体
通过权重密钥排列实现单模型多能力分级，兼顾开放权重与访问控制
Charbel El Feghali, Arkil Patel, Nicholas Meade, Spandana Gella, Verna...
多能力模型
开放权重
模型安全
访问控制
鲁棒性
Data recipe improves long-context reasoning
Xiaoyue Xu, Sikui Zhang, Xiaorong Wang, Xu Han, Chaojun Xiao
Data-Centric
Long Context
Reinforcement Learning
首个用于评估LLM-as-a-judge评判质量的数据集，含人类元评估
Sashank Pisupati, Henry Broomfield, Eujeong Choi, Antonia Calvi, Charlie...
LLM-as-a-judge
元评估
数据集
智能体评估
评判质量
利用3D视觉基础模型提供密集可验证奖励，提升多视图空间推理能力
Jiho Choi, Seonho Lee, Seojeong Park, Hyunjung Shim
GRPO
多视图3D推理
强化学习
视觉语言模型
认知地图
通过强化学习后训练框架提升VLA模型执行效率，减少物理步数51.4%，加速5.83倍
Xianghui Wang, Feng Chen, Wenbo Zhang, Hua Yan, Zixuan Wang, Changsheng Li,...
Vision-Language-Action
动作分块
强化学习
推理加速
机器人策略优化
从单眼视频重建完整4D动态对象，处理大变形和遮挡
Yehonathan Litman, Xiaoxuan Ma, Manan Shah, Nicolas Ugrinovic, Kris Kitani,...
4D重建
动态场景
单视图重建
测试时优化
高斯泼溅
通过三类训练时数据增强解决数据重复导致的过拟合问题，使固定数据集上多轮训练变得有效
Michael K. Chen, Xikun Zhang, Fan Bai, Zhengding Hu, Zhen Wang
扩散式训练
数据受限预训练
数据增强
正则化
自回归模型
向LLM代理提供校准的置信度和基础性分数作为遥测信号，改善其检索决策
Ashwin Vinod, Ying Ding, Elias Stengel-Eskin
Adaptive Retrieval
Calibrated Confidence
LLM Agents
RAG
Verifiers
通过约束网格为3D生成添加显式空间控制接口，支持hull/avoidance/touch三种约束类型
Jan-Niklas Dihlmann, Andreas Engelhardt, Simon Donne, Hendrik P. A. Lensch, Mark Boss
3D生成
3D资产生成
latent diffusion
几何控制
条件生成
证明搜索过程无法通过监督学习蒸馏为思维链，根本原因是缺乏可靠的向前推导路径。
Harsh Patel
思维链蒸馏
搜索算法
架构泛化
监督微调
程序推理
通过参考图像锚定的点跟踪统一实现视频外观和运动控制
Koichi Namekata, Yash Kant, Zhizheng Liu, Ryan D Burgert, Yuancheng Xu, Kuan...
扩散模型
点跟踪
视频合成
视频生成
运动控制
通过VQA范式对比人类和VLM在跨文化驾驶场景中的认知差异
Adrian Cespedes, Marcelo Chincha, Dunant Cusipuma, Victor Flores-Benites,...
OOD场景
自动驾驶
视觉语言模型
视觉问答
跨文化泛化
将LLM问题采样建模为流形结构化老虎机，通过层次树和贝叶斯方法平衡效率、多样性与评估效用。
Darrien McKenzie, Nicklas Hansen, Xiaolong Wang
大语言模型
强化学习
自适应采样
课程学习
贝叶斯方法
马氏余弦相似度能线性预测线性探针的泛化性能
Zhuofan Josh Ying, Peter Hase, Nikolaus Kriegeskorte
可解释性
泛化性
线性探针
统计学习
单代理模型梯度联合优化数据混合比例与模型参数，搜索成本降低550倍
Haoru Tan, Sitong Wu, Yanfeng Chen, Jun Xia, Ruobing Xie, Bin Xia, Xingwu...
双层优化
后训练
数据混合优化
梯度下降
预训练
MeshFlow利用等变流匹配在亚秒级内生成高质量三角形网格。
Qi Sun, Kiyohiro Nakayama, Jing Nathan Yan, Qixing Huang, Alexander Rush,...
3D生成
扩散模型
流匹配
等变神经网络
网格生成
单一模型处理任意分辨率的多模态地球观测数据
Yohann Perron, Guillaume Astruc, Nicolas Gonthier, Clement Mallet, Loic Landrieu
变换器
地球观测
多模态学习
自监督学习
遥感图像
通过隐藏状态相似性诊断LLM智能体过早承诺问题
Aman Mehta
LLM智能体
行为一致性
表示承诺
运行时监控
隐藏状态探测
评估计算机使用代理在跨应用工作中的隐私泄露行为，发现多数代理存在严重的信息披露问题
Anmol Goel, Iryna Gurevych
AI Agent隐私安全
多应用智能体
计算机使用代理
语境完整性理论
隐私泄露评估
为LLM智能体设计符号音乐语法和结构评估框架
Yichen Xu
LLM智能体
符号音乐生成
迭代优化
音乐结构表示
音乐评估
一个轻量级多语言检索评估基准，通过Nano-sets实现快速模型选择和效率设置对比
Yuichi Tateno
RAG
信息检索
多语言检索
文本嵌入
评估基准
通过人类偏好奖励条件化和专家迭代提升文本到音乐生成质量
Yonghyun Kim, Junwon Lee, Haiwen Xia, Yinghao Ma, Chris Donahue
专家迭代
偏好学习
文本到音乐生成
流匹配