两阶段训练为每个学生构建既逼真又可被指导的个性化模拟器，可作AI家教优化的奖励
Ke Yang, Chenglong Wang, Michel Galley, Chandan Singh, Jeevana Priya Inala,...
AI家教
个性化教育
大语言模型微调
学生模拟器
强化学习
不改VLM架构，外挂BEV感知头与规划专家，统一3D感知、驾驶问答与运动规划
Xin Zhou, Zongchuang Zhao, Zhibo Yang, Mingsheng Li, Humen Zhong, Shuai Bai,...
3D感知
强化学习
流匹配
端到端规划
自动驾驶
联合扩展环境、任务与验证三大维度，打造可验证、跨平台的开源 GUI 智能体
Venus Team, Zhuohan Cai, Haoxing Chen, Jiaxuan Chen, Weizhi Chen, Changlong...
GUI Agent
在线策略蒸馏
多模态大模型
强化学习
计算机使用安全
三重预算对齐下，循环中间层两次的 MoE 架构可节省 6.8%–18% 训练算力
Shaowen Wang, Ge Zhang, Kairong Luo, Yuhao Wu, Shaofan Liu, Jiaheng Liu,...
循环 Transformer
机制分析
混合专家模型
算力效率
缩放定律
通过文本动作接口与时间对齐路由，仅微调0.199%参数将33B视频生成器变为交互式世界模型
Danze Chen, Zeqing Wang, Ziyue Lin, Xingyi Yang, Yeying Jin
世界模型
参数高效微调
可控视频生成
扩散Transformer
语言条件控制
用12万小时自我中心视频预训练世界动作模型，真机零样本成功率从36.1%升至77.8%
Xionghao Wu, Yijun Yang, Shiyang Zhou, Haoze Sun, Jianhui Liu, Songsong Yu,...
VLA
世界动作模型
双系统架构
机器人操作
流匹配
从生产错误分析出发，分域训练GRPO专家并SLERP合并，把企业流量整合到单一自托管32B模型
Olga Tsymboi, Dmitrii Stoianov, Ramil Latypov, Danil Taranets, Daniil...
GRPO强化学习
LLM评估
企业级LLM部署
俄语NLP
函数调用
按证据支持度自适应控制查询粒度，用依赖有序的二叉查询树攻克多跳检索问答
Jueun Kim, Sungho Park, Wook-Shin Han
LLM智能体
多跳问答
查询分解
检索增强生成
自适应检索
把九个多模态大模型放进无人机闭环控制，发现小模型败在到达声明纪律而非导航
Jaewoo Park, Minyoung Lee, Sukmin Seo, Moonbin Yim, Hyunwook Yoon, Dohoon...
具身智能
基准测试
多机协同
多模态大模型
无人机控制
在无视觉先验的受控原生设置下，从表示、任务、系统三层次揭示理解与生成何时协同、何时冲突
Penghao Wu, Haiwen Diao, Weichen Fan, Lewei Lu, Dahua Lin, Ziwei Liu
原生多模态
多任务迁移
架构设计
流匹配
理解-生成协同
从失败轨迹诊断错误原因构建分层记忆，引导自博弈出题，无外部资源超越R-Zero与DARC
Xincheng Wei, Yifan Ding, Yoshua Li, Dongsheng Ma, Rongxiang Weng, Xunliang...
LLM推理
伪标签
强化学习
自博弈
自进化
用可路由的状态锚点记忆与可拆卸安全状态，把安全内化为模型原生能力
Ming Zhang, Kaisen Yang, Shu Yu, Ermo Hua, Zhekai Chen, Cheng Jin, Jingnan...
AI安全
参数高效对齐
循环记忆
架构创新
状态路由
在现有编码智能体外再套规划—编码—测试循环，实现多日自主开发与持续改进
Haoyang Yan, Min-le Su, Hangfan Zhang, Zhanhao Li, Chen Zhang, Shao Zhang,...
LLM智能体
自主软件开发
软件工程
长程任务
首个融合确定性供应商谈判与真实电商数据的365天持续经营智能体评测基准
Wei Fan, Xinjie Shen, Xudong Guo, Jianhong Tu, Yang Su, Yinger Zhang,...
LLM智能体
基准评测
多轮谈判
对抗鲁棒性
智能体记忆
首个评测短剧生产链全部六个阶段的基准，自动裁判与人类一致性 PLCC 达 0.918
Haoyuan Shi, Mingtao Chen, Shuo Jiang, Ziyan Chen, Xuyi Sheng, Yiming Liu,...
Agentic评估
人机一致性
基准测试
多智能体流水线
短剧生成
提出以主动感知与生命周期任务为核心的 Pera 架构，让智能体跨越单个任务提供持续自适应服务
Shihan Dou, Haoxiang Jia, Shichun Liu, Feng Chen, Chenhao Huang, Yujiong...
主动感知
持久智能体
智能体架构
概念框架
生命周期任务
把异构多模态证据在构建期对齐到事件锚点，用事件级记忆细胞替代孤立片段，实现高效可溯源的长视频问答。
Yijun Chen, Yaqi Zheng, Yanya Li, Boyi Xiao, Buqiang Xu, Shuofei Qiao,...
LLM Agent
事件记忆
多模态记忆
检索增强生成
长视频问答
中期训练时标准蒸馏以牺牲事实记忆换推理提升，按教师熵切换蒸馏与NTP监督可两者兼得
Jacqueline He, Howard Yen, Shuyue Stella Li, Margaret Li, Hanqing Zeng,...
OLMo-2
中期训练
推理-事实权衡
教师预测熵路由
知识蒸馏
首个系统评测 LLM 裁判对智能体工具调用打分可靠性的基准，揭示无真值时 77–82% 对齐天花板。
Abhigya Verma, Amit Kumar Saha, Seganrasan Subramanian, Sai Harshitha Aluru
Agentic Workflow
LLM-as-a-Judge
可靠性分析
智能体工具调用
评测基准
把智能体输出拆成类型化控制流与可优化数据流，使提示词优化不再破坏多智能体执行协议。
Wentao Zhang, Syed Shariyar Murtaza, Junaid Ahmad Bhatti, Utkarsh Soni,...
LLM工程
多智能体系统
提示词优化
系统可靠性
结构化输出
以工具日志裁决引用真伪的客观奖励，训练出会检索、无幻觉的 AI 审稿与答辩智能体
Xuerui Su, Liya Guo, Qizhi Pei, Qipeng Guo, Zhongbo Tian, Lijun Wu, Kai...
LLM评估
同行评审
奖励设计
幻觉抑制
智能体强化学习
提出递归复制数判据，界定 AI 研发反馈何时进入自我放大临界区
Mikhail Burtsev
AI战略
动力学模型
智能爆炸
稳定性分析
递归自我改进
冻结模型下以类共享仿射映射传输源类统计完成测试时自适应，证书门控拦截失效传输。
Salim Khazem, Ibrahim Mohamed Serouis
分布偏移
无梯度方法
模型部署
测试时自适应
高斯判别分析
把推理决策外化为可寻址事件，让优化在结果改变处分配局部信用，提升多模态几何推理。
Jiani Guo, Junjie Wang, Jie Wu, Pengxiang Zhao, Dongdong Zhang, Shaohan...
信用分配
几何推理
多模态推理
强化学习
视觉语言模型
智能体持久记忆会自发伪造权限并致执行器越权，EAL-BENCH 量化了这一内生授权洗白现象
Tommaso Cerruti, Mika Okamoto, Ansel Kaplan Erol
LLM智能体
基准评测
持久记忆
智能体安全
访问控制
让智能体在打开文档推理时顺手裂解出结构，后续问题降本53%且精度不损失
Milad Rezaei Hajidehi, Qitong Wang, Stratos Idreos
KV缓存复用
LLM智能体
推理成本优化
数据库裂解
非结构化数据
把伯内斯公关八步法与S-E-E-D反馈模式融合，建模政治支持与制度信任的动态演化
Muhammad Sukri Bin Ramli
制度信任
反馈回路
政治传播
概念框架
社会物理
通过VAE重建审计选定编解码器，从零训练双流DiT流匹配模型完成SAR到光学图像转换
Jeonghyeok Do, Seungchul Lee, Munchurl Kim
SAR到光学图像转换
流匹配
潜在生成模型
表示对齐
遥感
名义速度下同样100%成功的专家与ACT策略，在最大演示速度下成功率差距扩大到31个百分点
Clinton Enwerem, John S. Baras, Calin Belta
动作分块
机器人学习评估
模仿学习
灵巧操作
鲁棒性