用150个认知科学任务与150万样本微调视频世界模型，使其习得客体永久性与坚实性
Haotian Zhang, Fengyuan Yu, Dezhi Luo, Haoran Sun, Zehong Zhao, Qingying...
世界模型
基准数据集
客体永久性
物理推理
视频生成
LLM 把两条文本的嵌入平均后，输出仍是两条流各自预测的叠加，且这源于架构而非训练
Pavel Tikhonov, Anton Korznikov, Matvey Mikhalchuk, Nikita Dragunov,...
Transformer
可解释性
线性叠加
解码策略
高效推理
397B模型从真实视频反向学习电影级分镜规划，30秒视频偏好提升50.86分
Yubo Zhu, Yawen Shao, Ziyun Dai, Zixun Fang, Kai Zhu, Siyang Sun, Haolan...
GRPO
强化学习
提示词增强
文生视频
电影级规划
开源八阶段后训练配方：SFT→可验证RL→Agent RL→RLHF，按奖励可靠性排序。
Chia-Yuan Chang, Renyuan Cheng, Rui Feng, Xiaotian Han, Yuan He, Hongye Jin,...
Agentic RL
GRPO/GSPO
MoE
RLHF
RLVR
首个统一空间音频感知问答与声音引导导航的真实基准及空间感知全模态模型
Ruixun Liu, Yuxuan Wang, Jiacheng Xie, Yuhuan You, Donghua Cai, Junming Lin,...
FOA
具身智能
基准构建
多模态大模型
空间音频
世界模型不再模拟工具响应，而是预判决策效果并直接编辑智能体状态
Shuang Sun, Guoxin Chen, Fanzhe Meng, Jia Deng, Huatong Song, Jinhao Jiang,...
LLM智能体
世界模型
后训练
数据合成
长程任务
在规则可执行且违背先验的异星环境中，精确评测AI自主探索、发现并运用新知识的能力
Ming Zhang, Zhenghao Xiang, Peizhong Gao, Yujiong Shen, Yuhui Wang, Zhonghan...
AI智能体
LLM评估
可验证评测
基准评测
探索能力
以AI开发AI：数据飞轮、CARE自适应强化学习与模型-脚手架共进化打造移动规划智能体
Tingyu Qu, Weigao Sun, Yuecheng Liu, Yucheng Zhao, Yi Zhu, Yifeng Ding, Qiyi...
AI-for-AI
GRPO改进
智能体强化学习
模型-脚手架共进化
移动智能体
编码智能体自动合成泛化TAMP程序，全面超越手工规划器
Matteo Merler, Bowen Li, Josh Roy, Yichao Liang, Qianwei Wang, Yixuan Huang,...
LLM智能体
代码生成
任务与运动规划
机器人学
泛化规划
用证明行数与陈述长度之比定义数学趣味性，训练难度预测器驱动 LLM 自主发现有趣定理
Niket Patel, Ahmad Rammal, Amaury Hayat, Remi Munos, Julia Kempe
Lean/mathlib
内在动机
强化学习(GRPO)
形式化数学
描述长度与压缩
Jev 一次调用输出校准概率,零样本检测十类对齐失败,AUROC 0.886,成本仅裁判 1/63
Ruoqi Guo, Yi Liu, Gelei Deng, Yuekang Li, Lida Zhao, Yutao Wu, Simin Chen,...
AI对齐
LLM评估
基准评测
失败检测
强化学习
词性信息可从 SAE 潜变量高效恢复，但由分布式特征组承载，而非一对一的语法原子特征。
Alessandro Bondielli, Lucia Passaro, Serena Auriemma, Alessandro Lenci
LLaMA-3-8B
探测分类器
机制可解释性
稀疏自编码器
词性标注
用规划器-综合器双角色轮流迭代，让 8B 小模型在深度搜索上超越 30B 智能体。
Xingyu Wu, Yuchen Yan, Zhengxi Lu, Siqi Chen, Xin ZHANG, Aiting Liu, Chao...
LLM智能体
上下文管理
多轮推理
强化学习
深度搜索
构建2万对、160类大规模RGB-D分割基准，提出分数提纯融合SPF模型刷新SOTA
Shaohua Dong, Zexuan Meng, Haiyan Sun, Bing Fan, Cuicui Zhang, Dylan Joseph,...
RGB-D
多模态融合
数据集与基准
计算机视觉
语义分割
首个在商业大逃杀游戏中与真人语音协作、端侧实时运行的AI队友智能体
Beomsoo Kim, Byeongju Kim, Dohyun Kim, Dongwon Kim, Eunchong Kim, Hongmin...
AI安全
DAgger
人机协作
具身智能体
游戏AI
用稀疏视觉增量替代密集未来帧建模，流式增量记忆让机器人世界模型又快又稳。
Han Yan, Zishang Xiang, Haokai Jiang, Zeyu Zhang, Qilin Wang, Weiyu Guo,...
世界模型
双臂操作
扩散变换器
机器人学习
机器人操作
可预演可修正的视觉工作区让VLM驾驶机器人，LIBERO-Pro达75.6%成功
Yehang Zhang, Haojian Huang, Yifan Chang, Jianchong Su, Bohan Zhou, Yingjie...
具身智能
技能学习
智能体系统
机器人操作
视觉语言模型
首个以安全为组织原则的智能体操作系统：身份、感知、认知、执行四支柱实现不可绕过的强制中介
Zhenhua Zou, Sheng Guo, Qiuyang Zhan, Lepeng Zhao, Shuo Li, Zhuotao Liu
eBPF
信息流控制
多智能体协作
提示注入防御
智能体安全
从权重矩阵谱容量导出闭式架构评分，动态规划秒级完成架构搜索与LLM剪枝
Chenyu Zhu, Ruoyu Zhao, Zhichao Lu
动态规划
神经架构搜索
结构化剪枝
训练无关代理
随机矩阵理论
用模态锚定与冻结塔交替训练，把音视频联合生成RL解耦为两个条件单模态子问题
Zhiyu Xu, Weilong Yan, Yufei Shi, Shiyang Li, Yihao Liu, Kin-Man Lam, Yuewen Cao
GRPO
多模态
奖励设计
强化学习后训练
扩散模型
用随机Hessian估计将任意感知指标近似为逐块二次失真，实现解码器不变的标准编码器感知RDO
Samuel Fernández-Menduiña, Eduardo Pavez, Antonio Ortega
Hessian估计
VVC
图像质量评估
率失真优化
视频编码
用免教师免评论家的表示分布匹配，把少步因果视频后训练成本从176 GPU时降到16
Zichong Meng, Chongjian Ge, Chun-Hao P. Huang, Yang Zhou, Huaizu Jiang
分布匹配蒸馏
后训练
少步推理
扩散模型
视频生成