用图像教师补足视频DMD的帧级边缘监督，提升少步生成质量
Jiahao Zhan, Yan Wang, Yongrui Ma, Qunliang Xing, Ruchang Yao, Runtao Liu,...
分布匹配蒸馏
少步生成
扩散模型
自回归生成
视频生成
用滚动端量化结果引导训练端FP4舍入，直接对齐训练-滚动两条量化路径
Xin Wang, Hao Yu, Zhengyang Zhuge, Bochao Mao, Zheng Li, Junda Feng, Yuyan...
FP4低精度计算
强化学习后训练
推理加速
混合专家模型
量化感知训练
用可回放证据卡绑定技能编辑，经重放验证与跨轮传播实现LLM智能体技能可靠演化。
Yan Zhou, Yili Wang, Yiwei Dai, Qinggang Zhang, Xin Wang
LLM智能体
可回放证据
技能演化
持续学习
轨迹重放
构建656例SafeActBench基准，定位智能体从证据建立到行动执行的链条断裂点
Hongzhan Lin, Shidong Cao, Ziyang Luo, Wenhao Chai, Mong-Li Lee, Wynne Hsu
LLM智能体
基准测试
工具使用
智能体可靠性评估
确定性评估器
方向感知的门控与修复让原生NVFP4强化学习稳定训练且提速2.3倍
Zhen Li, Shuai Zhang, Yanggan Gu, Yiming Zhang, Yang Yu, Mingfa Feng,...
NVFP4量化
低精度训练
大语言模型
强化学习
训练稳定性
跨分词器在线蒸馏中，严格位置的紧凑监督优于扩大对齐覆盖
Bingxi Hou, Guochao Jiang, Guofeng Quan, Weiqing Li, Wenfeng Feng, Guohua...
代码生成
在线蒸馏
数学推理
知识蒸馏
跨分词器蒸馏
用概念-配方双层规划与求解器反馈迭代，自动生成可持续进化的科学智能体评测基准
Dongki Kim, Namkyeong Lee, Surag Nair, Carl Edwards, Xiner Li, Edward De...
反馈迭代精炼
科学智能体
经验记忆
自动基准生成
评测基准
用指令-执行残差在线适应VLA预补偿机器人执行误差，并提出RoboStress压力测试基准
Sohyun Lee, Yoonjae Baek, Jaesang Won, Jinnyeong Kim, Kang Hyunwoo,...
VLA
仿真基准
机器人操作
测试时适应
鲁棒性评估
OnePO 把教师输出当瞬态引导，纯 RL 完成医学领域自适应并超越 SFT+RL。
Junying Chen, Xinyuan Xie, Ziniu Li, Wenyuan Gu, Jianquan Li, Xiang Wan,...
GRPO
RLHF后训练
医疗大模型
强化学习
领域自适应
用闭环办公室模拟器让智能体团队持续经营虚拟电商公司，生成可反事实回放的企业数据
Jingying Zeng, Zhenwei Dai, Jinning Li, Changho Shin, Dylan Zhang, Yuxuan...
LLM智能体
企业数据生成
多智能体系统
环境仿真
电商市场机制
用交互中心潜动作与DCT低频引导，把第一人称视频知识迁移到机器人操控
Zhiming Liu, Yikun Miao, Ying Chen, Hongrui Yin, Fangqi Zhu, Xiaoyi Pang,...
机器人学习
模仿学习
潜动作学习
第一人称视频
视觉-语言-动作模型
改造 Cosmos 3 视频基础模型为手部跟踪器，从单目视频联合估计解剖合理的手部姿态与接触力
Seungjun Moon, Subin Jeon, Sangwoo Kim, Hanbyul Joo, Jinwoo Shin
手部动作捕捉
机器人学习
灵巧手重定向
自我中心视觉
视频基础模型
冻结LLM内部读出检索信号,仅训不到50万参数,同时胜任语料检索与长上下文证据选择
Edan Kinderman, Elad Hoffer, Yochai Blau, Brian Chmiel, Ron Banner, Daniel...
参数高效微调
密集检索
检索增强生成
证据选择
长上下文
把逐词生成推理改为从可复用候选库中选择，推理延迟降90%以上且性能持平
Feiyu Gavin Zhu, Xiaoyu Zhu, Jiqi Yang, Rui Yang, Arnab Kumar Mondal,...
GRPO
多模态智能体
并行解码
强化学习
搜索智能体
利用BF16每步仅约1%权重变化，比特精确增量同步让1T模型refit从87.5分钟降至150秒
Songlin Jiang, Zhiyu Li, Terry Kong, Yu Yao, Youngeun Kwon, Bernard Nguyen,...
分布式系统
增量压缩
智能体强化学习
权重同步
比特精确
用全局残差注意力对齐预训练语言模型与时序基础模型，单模型双向完成时序理解与预测。
Xinyue Wang, Jiacheng Pang, Kun Zhou, Kexin Zhang, Defu Cao, Fan Feng,...
Mixture-of-Transformers
多模态对齐
时间序列基础模型
时间序列预测
统一多模态模型
验证器决定哪些失败轨迹获得教师引导，按组难度加权，弥补GRPO盲区
Karn Tiwari, Varnith Chordia, Prathosh A P
GRPO
RLVR
代码生成
在线策略蒸馏
大语言模型
把 RAG 评测从打分升级为带不确定性量化与裁判验证的可审计发布决策框架
Giulio Zeloni, Enrico Lo Conte, Salvatore Rionero, Giuseppe Santoro,...
LLM-as-a-Judge
RAG
不确定性量化
评测
质量门
冻结模型权重，用重复执行的多模态证据自动改写 GUI 智能体运行时代码实现自我提升
Geyi Yang, Zikun Qu, Xiang Li, Zhiyong Wang, Min Zhang, Shipei Zeng, Zhongxiang Dai
GUI智能体
Harness优化
OSWorld
多模态诊断
智能体工程
让JEPA世界模型把预测信息集中到自适应选择的潜在前缀，用更少维度换来更高规划成功率。
Idan Achituve, Lior Dikstein, Idit Diamant, Arnon Netzer, Hai Victor Habi
JEPA
世界模型
有序表示
目标条件控制
自监督学习
场景与任务生成互相反馈迭代，规模化产出高质量机器人仿真训练数据。
Yikai Qin, Yifei Deng, Mingjian Liang, Wenxuan Song, Zepeng Lin, Zhiyi...
VLA
仿真数据生成
具身智能
场景生成
机器人学习
提出CIA指标量化思维链与内部推理的一致性，以可解释性信号为奖励做后训练，平均相对提升25.5%
Yihuai Hong, Shauli Ravfogel, Chen Zhao, Eunsol Choi
CoT忠实度
可解释性
后训练对齐
模型监控
线性探针
解耦两阶段专家剪枝：全模型 Prefill + 剪枝 Decode，解码吞吐最高 1.81 倍
Gunho Park, Kyoungho Jeun, Juntaek Oh, Byeongjun Shin, Baeseong Park, Minsoo Rhu
MoE
Prefill-Decode 分离
vLLM
专家剪枝
大模型推理服务
对比同一教师带与不带harness的动作，让小模型只学harness给不了的能力
Moonseok Choi, Taehong Moon, Giung Nam, Juho Lee
LLM智能体
偏好学习
知识蒸馏
长程任务
用动作表征散度找到决策关键状态，加权训练轻量验证器提升VLA测试时扩展
Seongheon Park, Heecheol Kim, Shulin Tian, Lilika Makabe, Namiko Saito,...
Best-of-N
VLA
机器人操作
测试时扩展
验证器学习
单图联合生成环境与可分解物体，自蒸馏数据引擎训练场景级3D生成器。
Kunming Luo, Hongyu Yan, Ken Deng, Chengcheng Zhou, Tianyu Liu, Haipeng Li,...
3D生成
场景生成
扩散模型
数据蒸馏
稀疏体素
在冻结网络世界模型中让任务课程、注入攻击者与智能体共同演化，同时提升能力与鲁棒性
Sarim Hashmi, Mukul Ranjan, Kshitij Mishra, Mikhail Kuznetsov, Praneeth...
Web智能体
世界模型
对抗训练
强化学习
提示注入防御
用多轮强化学习让教师模型适应不同学习偏好的模拟学生，直接最大化学习成效
Weixian Xu, Yanzhe Zhang, Zora Zhiruo Wang, Changyu Chen, Diyi Yang
多轮对话
大语言模型
强化学习
教育AI
数学辅导
用评分标准做特权在线蒸馏热启动，再接rubric RL，得分更高且几乎不奖励作弊
Xinpeng Wang, Wei Shi, Yu-Chia Chen, Maria Zontak, Yun He, Richard Yuanzhe Pang
LLM对齐
在线策略蒸馏
奖励作弊
强化学习
知识蒸馏
边听边猜：在流式识别期间预测并提前执行工具调用，把工具延迟藏进说话时间
Kyudan Jung, Hyunsin Park, Yoonhyung Lee, Jinhwan Park, Jinhyeok Yang,...
低延迟系统
工具调用
投机执行
端侧LLM
语音助手
把GDN历史精确压缩为分块仿射转移，用查询相关门控实现选择性长程检索
Zhuokun Chen, Xi Lin, Xiyu Wu, Jiahao He, Jianfei Cai, Bohan Zhuang
Gated DeltaNet
循环记忆检索
线性注意力
长上下文建模
高效推理
构建交互配对数据并训练VLM预测时间提示，让插入物体随源视频动作连贯响应
Zhenghong Zhou, Zhe Lin, Jiebo Luo, Yuqian Zhou
VLM
扩散模型
数据集构建
流匹配
物体插入
用轻量读取器将 MM-DiT 上下文 token 解码为自然语言，并提出上下文对齐训练以提升生成质量
Omer Dahary, Etai Sella, Hadar Averbuch-Elor, Daniel Cohen-Or, Or Patashnik
MM-DiT
可解释性
扩散模型
文生图
表征对齐
以参数位置与获取时机两轴，系统梳理大模型参数内记忆增强方法
Haoyu Huang, Zhongwei Xie, Jiaxin Bai, Yisen Gao, Hong Ting Tsang, Wuganjing...
参数内记忆
大语言模型
测试时训练
知识增强
综述
让智能体自出练习题，把失败翻转为反复成功后才入库的启发式记忆，免训练提升成功率15.9点
Antoine Edy, Max Conti, Victor Xing, Marc-Antoine Allard, Nawfal Benhamdane,...
LLM智能体
免训练
智能体评测
程序性记忆
自举学习
把物体级3D生成器改造成场景生成器：自适应分块、显式2D-3D对应与合成户外数据
Jiraphon Yenphraphai, Fang Li, Tianshuo Xu, Depu Meng, Quentin Herau, Yihan...
3D生成
单图像重建
合成数据
场景网格
流匹配
40个受控任务直接测量视频世界模型的物理一致性，最优模型仅得57.76分
Mingju Gao, Qingle Liu, Yuzhao Peng, Xinjie Lin, Ziming Qin, Zheng Jiang,...
世界模型
具身智能
物理一致性
视频生成
评测基准
良性SFT大幅削弱智能体后门、RL保留甚至放大残余后门，攻击者可刻意增强其持久性
Qiusi Zhan, Nian Lyu, Stephanie Ding, Arnav Mehta, Xander Davies, Daniel Kang
GRPO
LLM智能体
供应链安全
后训练
后门攻击
策略、训练课程与裁判共进化，规模化验证能力驱动具身推理持续自我提升。
Zewei Zhou, Rachel Luo, Yulong Cao, Chaowei Xiao, Chensheng Peng, Boyi Li,...
LLM-as-a-Judge
具身智能
强化微调
自动驾驶
自我提升
让仓库组件自带LLM主动推理与通信，按需激活与缺陷诊断驱动迭代修复，平均提升12.4个百分点
Haibo Jin, Xinjie Li, Peng Kuang, Haohan Wang
仓库级代码修复
多智能体协作
异构算力分配
线束工程
软件工程智能体
把标准答案当临时脚手架，自适应提示加奖励门控蒸馏，破解RLVR奖励稀疏
Hoang Phan, Minh Pham, Chau Pham, Chinmay Hegde, Trung Le, Qi Lei
LLM推理
RLVR
多模态推理
强化学习
自适应提示
个人LLM智能体用跨平台历史中介平台推荐，PAMO教它何时干预何时保留
Yu Xia, Jiangfan Zhang, Jun Xiao, Julian McAuley, Xiangjun Fan
GRPO
LLM Agent
强化学习
推荐系统
跨平台个性化
把全双工语音RL的“何时说”与“说什么”拆成两级策略，用事件因果掩码精确分配信用。
Kyudan Jung, Hyunsin Park, Yoonhyung Lee, Jinhwan Park, Jinhyeok Yang,...
GRPO
信用分配
全双工语音
层级策略
强化学习
把每层要删除的子空间参数化为可学习正交投影，端到端对齐网络输出，高压缩率下大幅超越现有低秩压缩方法
Massimo Bini, Anders Christensen, Stephan Alaniz, Judah Goldfeder, Ole...
KV缓存优化
低秩分解
大语言模型
模型压缩
知识蒸馏
用异世界目标图像加目标定位与阶段监督训练单一策略，弥合长时程任务的技能交接鸿沟
Gyusik Seo, Jaehong Yoon
Minecraft
具身智能
模仿学习
目标条件策略
视觉运动控制
把LLM当作Oracle接入双栈自动机，推导出操作系统，统一Agent与Workflow
Kefan Liu, Fengning Ou, Yelin Luo, Jingdi Lei
LLM智能体
Oracle机
形式化方法
操作系统
计算机体系结构
用同一声音双语言渲染的预测差扣除口音方向，免训练在等口音下保住更多说话人相似度
Yoomee Cho, Jisun Lee
免训练方法
分类器自由引导
语音克隆
语音合成
跨语言TTS
持续表示学习让像素空间漂移模型 FID 降低约 82–95%，无需预训练编码器
Doudou Zhang, Wenwen Hou, Yilin Chen, Qi Chen
GAN
单步生成
核密度估计
生成模型
蒸馏
单一模型分段路由专家，按设备选1-4B激活规模，延迟近稠密而精度更高
Arnav Kundu, Zhaoyang Xu, Bairu Hou, Chang Gao, Reed Li, Tao Lei
参数共享
弹性架构
混合专家
边缘推理
高效推理
首次揭示混合注意力LLM的多语言表征组织方式,证明首层全注意力布局让多语言训练提速至2.5倍
Lucas Bandarkar, Junlin Hu, Chenyuan Yang, Mohsen Fayyaz, Nanyun Peng
Gated DeltaNet
可解释性
多语言
混合注意力
知识蒸馏
固定16位二进制码替代可训练嵌入表，1.7B模型仍获实质语言能力但整体略逊
A. Bochkov
二进制编码
大规模预训练
架构消融
词嵌入
语言模型
解耦时间导数项的MeanFlow改进，让机器人基础模型一步生成动作且性能超多步流匹配
Jiawei Fan, Sifeng Wang, Yuqing Hou, Anbang Yao
MeanFlow
一步生成
机器人基础模型
机器人操作
流匹配
从冻结视觉编码器的输出敏感度导出固定「雅可比透镜」，无标签感知距离全面超越 LPIPS/DISTS
Shreshth Saini, Balu Adsumilli, Alan C. Bovik
全参考指标
图像质量评估
度量几何
感知距离
自监督学习
智能体能准确判出检索结果无用却几乎不停手，只有框架强制集成规则能让停止跟随证据
Chubin Zhang, Zhenglin Wan, Xingrui Yu, Jingxuan Wu, Yaxin Zhou, Ivor Tsang, Bo An
LLM智能体
停止决策
实证分析
工具使用
预注册研究
冻结VLA策略的局部安全动作可能是死路，以可行未来质量重排序动作可免训练降低安全代价
Tu Nguyen, Matthieu Zimmer, Vu Anh Vu, Ziyi Wang, Jannik Hammel Nielsen,...
VLA
可行性理论
安全完成
推理时解码
机器人安全
逐样本验证奖励收益是否值得位移代价，100次更新超越数千次更新的RL基线
Shreshth Saini, Neil Birkbeck, Yilin Wang, Balu Adsumilli, Alan C. Bovik
奖励后训练
强化学习
文本到图像
流匹配
近端算法