通过硬路由和单查询场匹配，实现多能力图像生成模型的统一蒸馏
Wei Zhou, Xiongwei Zhu, Zelin Xu, Bo Dong, Lixue Gong, Yongyuan Liang, Meng...
Flow Matching
图像生成
图像编辑
多能力组合
知识蒸馏
通过自探测交互上下文实现机器人策略零样本适应新配置
Siyin Wang, Junhao Shi, Senyu Fei, Zhaoyang Fu, Li Ji, Jingjing Gong, Xipeng Qiu
上下文学习
世界建模
机器人学习
视觉-语言-动作模型
从策略内轨迹中提取层级事后技能，为智能体强化学习提供细粒度决策指导
Shuo Yang, Jinyang Wu, Zhengxi Lu, Yuhao Shen, Fan Zhang, Lang Feng, Shuai...
技能蒸馏
智能体强化学习
梯度策略优化
自我蒸馏
长视距决策
研究编码 Agent 训练中的奖励信号设计问题，提出验证器与生成器协同进化的框架
Binghai Wang, Chenlong Zhang, Dayiheng Liu, Jiajun Zhang, Jiawei Chen,...
Agent 评估
代码生成
大语言模型
奖励设计
强化学习
通过统一智能体框架解决文本到图像生成中的上下文差距问题
Zekai Zhang, Jiahao Li, Jie Zhang, Kaiyuan Gao, Kun Yan, Lihan Jiang,...
上下文感知
图像生成
多模态智能体
视觉-语言模型
ViQ实现高质量量化视觉表示，兼顾语义与细节，支持任意分辨率。
Xumin Yu, Zuyan Liu, Zhenyu Yang, Yuhao Dong, Shengsheng Qian, Jiwen Lu, Han...
向量量化
多模态学习
大语言模型
视觉量化
提出因果并行树草稿框架，打破投机解码因果性-效率困境
Lanxiang Hu, Zhaoxiang Feng, Yulun Wu, Haoran Yuan, Yujie Zhao, Yu-Yang...
大语言模型加速
并行推理
投机解码
树状验证
通过440任务基准测试揭示GUI与CLI代理在不同交互模式下的执行瓶颈与互补优势
Xiao Zhou, Siyue Zhang, Yilun Zhao, Jinbiao Wei, Tingyu Song, Arman Cohan, Chen Zhao
AI代理
CLI
GUI
人机交互
基准测试
通过动作前缀并行预测替代自回归rollout，在提升视觉规划成功率的同时大幅降低计算开销
Yuntian Gao, Xiangyu Xu
JEPA
世界模型
强化学习
模型预测控制
视觉规划
提出GauntletBench基准测试，评估AI智能体在专业复杂场景中的泛化能力
Mykola Vysotskyi, Runqi Lin, Grzegorz Biziel, Michal Zakrzewski, Sebastian...
基准测试
多模态大模型
智能体评估
视觉推理
计算机使用
揭示多步工具RL崩溃机制，提出过程反思监督有效解决训练不稳定性问题
Yupu Hao, Zhuoran Jin, Huanxuan Liao, Kang Liu, Jun Zhao
工具使用
强化学习
智能体训练
监督信号
训练稳定性
通过离散化奖励模型解决过度敏感问题，提升强化学习效果
Vijay Viswanathan, Shiqi Wang, Devamanyu Hazarika, Chirag Nagpal, Tongshuang...
RLHF
奖励模型
奖励黑客
强化学习
离散化
通过显式对齐似然分数加速视觉条件生成模型训练并提升质量
Yanghao Wang, Hongxu Chen, Jiazhen Liu, Zhenqi He, Rui Liu, Zhen Wang, Long Chen
ControlNet
扩散模型
条件生成
训练优化
通过结合熵和层间表示演化提升KV压缩的长程推理效果
Jushi Kai, Zhuiri Xiao, Alexandra Birch, Zhouhan Lin
Attention机制
KV Cache压缩
信息论
长上下文推理
通过逐帧可靠性评估和置信度引导的工具调度，提升视频理解模型在真实损坏条件下的鲁棒性
Yangfan He, Yujin Choi, Jaehong Yoon
多模态推理
工具学习
置信度估计
视频理解
鲁棒性
基于扩散Transformer的3D物理运动模拟框架，直接在世界坐标系生成完整网格轨迹
Yiming Chen, Yushi Lan, Andrea Vedaldi
3D运动
Transformer
多材料
扩散模型
物理模拟
从 RL 后训练中提取隐式优势函数，无需额外训练即可评估 agent 轨迹质量
Changdae Oh, Wendi Li, Seongheon Park, Samuel Yeh, Tanwi Mallick, Sharon Li
LLM agents
implicit reward
post-training
process reward model
reinforcement learning
从数据覆盖角度研究世界模型幻觉，提出三种检测方法并验证缓解效果
Nicklas Hansen, Xiaolong Wang
世界模型
幻觉检测
强化学习
数据覆盖
生成模型
首个评估 LLM 智能体在多智能体经济中长期决策能力的基准，模拟90天咖啡供应链
Issa Sugiura, Daichi Hattori, Kazuo Araragi, Keita Ogawa, Shota Onose, Taro...
LLM 评估基准
供应链管理
多智能体系统
经济模拟
长期规划
首个端到端AI系统，从自然语言生成可平折的可识别折纸设计，结合神经符号方法与强化学习优化美学质量
Tom Zahavy, Shaobo Hou, Thomas Tumiel, James Doran, Francesco Faccio, Xidong...
几何约束
协同创意
强化学习
生成式设计
神经符号系统
首个零样本同时支持对象计数、人群计数、指代表达计数和精确计数图像生成的统一视觉语言模型
Anindya Mondal, Sauradip Nag, Anjan Dutta
多模态学习
文本生成图像
目标计数
视觉语言模型
揭示多模型LLM系统的精度上限由共同失败率β决定，而非常用的成对错误相关系数ρ
Josef Chen
LLM评估
模型集成
组合优化
路由策略
首个针对未解决生物医学问题的智能体基准，测试文献综合与引用忠实度
Minbyul Jeong
工具使用
开放问题
引用可信度
智能体评估
生物医学QA
研究后训练阶段对生物推理模型泛化的不同影响
Lukas Fesser, Hanlin Zhang, Michelle M. Li, Eric Wang, Bryan Perozzi,...
后训练
多模态学习
强化学习
泛化能力
生物推理
提出物理感知的世界模型EO-WM，实现更可靠的地球观测预测
Junwei Luo, Shuai Yuan, Zhenya Yang, Yansheng Li, Zhe Liu, Hengshuang Zhao
世界模型
地球观测
扩散模型
气象预测
遥感