自动合成182个可运行桌面软件，让9B模型OSWorld Pass@3提升15.6点
Tian Jin, Wenhao Wang, Jing Kang, Haoting Shi, Rui Ye, Yijun Lu, Siheng Chen
GUI智能体
SFT
多智能体流水线
数据合成
环境合成
聚合奖励方向加漂移自适应恢复，让扩散RL后训练又快又稳
Zhenglin Wan, Jiayu Chen, Zhengfeiyang Zhang, Pengfei Zhou, Wangbo Zhao,...
奖励引导生成
强化学习后训练
扩散模型
文本到视频
流匹配
让MLLM自主学习每个图像块用细还是粗的视觉表示，平均省43% token仅损1.1%性能
Yuan Feng, Qize Yang, Ruizhe Chen, Sibo Song, Haolin He, Muzhi Zhu, Zihan...
动态粒度路由
多模态大模型
自蒸馏
视觉Token压缩
高效推理服务
发现多模态大模型内部存在三维线性空间工作区，坐标可读出可编辑，空间推理瓶颈在视角变换计算。
Zhiyuan Shi, Xiang Li, Xingzhuo Guo, Shangchen Miao, Weiliang Chen, Qiyu...
因果干预
多模态大模型
机制可解释性
空间推理
线性表征
StereoBind用运动轨迹绑定视觉源运动与立体声生成，实现声画空间一致
Hanmo Chen, Chengcheng Liu, Tianxiao Chen, Zheyu Zhang, Siming Zheng, Jinwei...
LoRA微调
扩散Transformer
空间音频数据集
立体声音频
视频-音频联合生成
三阶段解耦训练，让人形机器人仅凭机载RGB-D视觉实时接住人类抛来的纸箱
Taoyang Jia, Weikai Huang, Linxin Song, Jared Darlington, Jieyu Zhao, Yue...
Sim-to-Real
人形机器人
全身控制
强化学习
特权学习
自动把开源仓库变成可验证训练环境，再用角色隔离工作流让模型学会从零复现程序
Chengyi Yang, Renxu Bao, Jue Hou, Zongpei Teng, Ziheng Wang, Yujie Lin,...
代码智能体
智能体工作流
监督微调
程序复现
训练环境合成
对齐人类演示的多模态证据并按需探索，归纳可复用技能，四模型两基准全面领先
Yuqi Huang, Hui Li, Yifei Cao, Zikun Cai, Tianci Xie, Yangfan Gao, Pinxue...
GUI智能体
人类演示
多模态证据
技能归纳
智能体记忆
把自蒸馏重写外包给稍大的同家族模型并配合拒绝采样，让小模型学新领域能力而不遗忘旧能力。
Woosung Koh, Hyunsoo Lee, Kyungjae Lee, Haeju Park, Dahyun Lee, Dasol Hwang,...
分布对齐
合成数据
小型语言模型
持续学习
灾难性遗忘
用预测式世界模型引导行动选择与模型适配，实现跨域递归自我改进
Taoyong Cui, Pinxian Zeng, Wanghan Xu, Hao Xiao, Shuhan Xue, Qiang Gao,...
JEPA
世界模型
智能体
跨域泛化
递归自我改进
让预训练音视频生成器一次采样就输出视频、混音和每条声源各自的波形
Aviad Dahan, Rajaei Khatib, Yonatan Bitton, Idan Szpektor, Lior Wolf, Raja Giryes
LoRA微调
多音轨生成
流匹配扩散模型
空间音频
音视频生成
首个具身仿真持续学习基准，用组合泛化度量智能体的经验积累与迁移能力
Jie Huang, Yanan Chen, Ruixun Liu, Kaichen He, Xinyi He, Rui Huang, Zilong...
LLM Agent
具身智能
持续学习
组合泛化
自进化智能体
构建 AAArena 基准，评估 AI 智能体通过改写游戏代码登顶人类天梯的能力
Kaisen Yang, Qingle Liu, Kejin Wang, Yicheng Zhao, Jieming Li, Shenghan...
AI智能体
代码进化
启发式学习
基准评测
对抗游戏
用并行批量打分恢复扩散草稿块内依赖，前缀优先选路，投机解码吞吐最高提升6.6倍
Roy Eisenstadt, Harel Lidar, Tal Gonen, Omer Luxembourg, Itamar Zimerman,...
LLM推理加速
并行草稿
扩散语言模型
投机解码
高并发服务
蚂蚁集团推出统一OCR基础模型家族PolyOCR，用数据引擎加CGPO后训练在五大基准达到SOTA
GuangJian Team, Kaili Huang, Yongshuo Zhang, Bingtao Fu, Changjiang Jiang,...
OCR
基准评测
多模态大模型
强化学习
知识蒸馏
用K-RPBH随机旋转把激活变为可预测分布，无需校准数据即实现dLLM的4bit量化与加速
Donghyun Lee, Arkapravo Ghosh, Varun Manjunath, Bumjoon Kyle Rhee, Hyunho...
KV缓存量化
低比特推理
免校准
后训练量化
扩散语言模型
提出Semi-OPD，用初始学生的离线轨迹蒸馏，14/17组师生对上胜过在线蒸馏并提速至11.4倍
Siyan Zhao, Yonggan Fu, Jindong Jiang, Shih-Yang Liu, Song Bian, Byung-Kwan...
后训练
在线策略蒸馏
大语言模型推理
知识蒸馏
训练效率
用跨 DSL 同题配对实验首次量化 Agent 自蒸馏技能的真实复用价值
Xueyi Chen, Shiyu Liu, Xin Jin, Yuhua Zheng, Xin Li, Haolei Bai, Junhan Zhu,...
GPU Kernel 优化
LLM Agent
基准评测
技能蒸馏
知识迁移
用低维瓶颈与表征引导目标，让普通Transformer学会真正服务于像素生成的内部表征。
Zihao Pan, Mengting Chen, Cheng Shi, Taihang Hu, Zhengrong Yue, Zikang Wang,...
像素扩散
扩散Transformer
文生图
流匹配
自引导
通信只有传递接收方无法自行获得的信息时才涌现，任务变难会筛选出指称信号
Fernando Montes-Gonzalez
PyBullet仿真
基底神经节
多智能体协作
涌现通信
演化机器人学
让框架持有研究状态、智能体彻底无状态，十亿token长程实验全面领先且省84%以上token
Qizheng Zhang, Changxiu Ji, Isaac Sun, Yuetai Li, Shubhangi Upasani, Sherry...
上下文工程
多智能体
自动化科研
长时程任务
在前向读写之上引入反向修订，让智能体积累的经验能在线纠错、随流适应
Yuxin Xiao, Zhiyun Lu, Jianyu Wang, Yangtian Zhang, Yang Song, Qifan Wang,...
LLM智能体
在线适应
智能体持续学习
经验修订
记忆与反思
不更新参数,把师生知识差距蒸馏成可跨模型复用的自然语言教材Primer
Zhanyi Lu, Huan Wang
上下文学习
代码生成
免参数更新
数学推理
知识蒸馏
用轻量潜空间自编码器对齐异构生成器的状态与去噪速度，实现冻结模型间无缝轨迹交接
Xuanlang Dai, Jiazi Bu, Yujie Zhou, Yuhong Liu, Beichen Zhang, Penghui Yang,...
扩散模型
推理加速
流匹配
知识蒸馏
跨模型对齐
用真实IDE会话测得的任务流校准SWE基准的多轮交互层
Igor Slinko, Yaroslav Golubev, Sergey Titov
SWE-Bench
基准构建
多轮交互
智能体评测
编码智能体
把未来MH接受/拒绝结果组织成预取子树，一次批量调用生成提议，转移核不变地将幂采样加速2.3倍
Nan Jiang, Panagiotis Theodoropoulos, Wei Deng
LLM推理加速
MCMC采样
Metropolis-Hastings
vLLM系统优化
测试时计算
两个编码智能体互埋Bug互相修复，任务评测时生成、难度随出题能力自扩展
Wei Minn, Zhensu Sun, Lwin Khin Shar, David Lo
Bradley-Terry
数据污染
红蓝对抗
编码智能体评测
自扩展基准
仅用结果对错做RL奖励，让生成式PRM的思维链自发学会逐步过程验证
Shengda Fan, Xin Cong, Zhong Zhang, Haotian Chen, Yankai Lin
GRPO
LLM推理
强化学习
生成式验证器
过程奖励模型
ARTISAN 用三智能体分工加物理仿真反馈闭环，生成无碰撞、重力稳定、质量可信的铰接 3D 资产
Xudong Cai, Ruijie Zhu, Haoliang Shang, Ruining Li, Marc Pollefeys, Shangzhe...
3D资产生成
基准测试
多智能体
机器人学习
物理仿真
把逐词生成的评估轨迹压缩为连续潜在序列，评判提速6倍以上且精度不降
Mingqing Yuan, Xiaobo Liang, Junwei Yang, Ziwei Chen, Zeren Zhang, Hejin...
RLHF
可解释性
奖励建模
推理效率
潜在推理
保留全部非法交易并加权采样合法交易，将百万级测试评估压缩 271–611 倍且可无偏估计全量指标
Natapong Nitarach, Phume Ngampornsukswadi, Pittawat Taveekitworachai,...
Horvitz-Thompson估计
LLM评估
反洗钱
图文本序列化
重要性加权采样
门控增量更新+步内混深训练，循环模型一圈不掉点、多圈持续涨点
Faisal Ladhak, Shantanu Acharya, Santiago Akle Serano, Simeng Sun, Boris...
测试时计算扩展
混合专家
潜在循环
语言模型
预训练
HSS基准显示最强模型直觉视觉推理仅53.6%，远低于人类的93.1%
Xingang Guo, Jing Gu, Brian Jang, Renxiong Wang, Utkarsh Tyagi, Daniel...
LLM-as-a-judge
基准测试
多模态大模型
直觉推理
社会认知
揭示 MLA 双路径量化误差不对称，函数对齐学习实现首个内容+RoPE 联合 INT4 缓存
Zunhai Su, Yuxuan Sun, Jianchao Tan, Tao Zhang, Ruihan Hu, Yuchen Xie,...
KV缓存量化
MLA注意力
低比特推理
推理系统
等价变换
面向选项选择式模型的图决策诊断基准，覆盖结构认知、图文融合与序列构造
Xianliang Yang, Yapu Zhang, Li Zhao
图算法
基准评测
大语言模型
训练时用密集帧当参考，让模型仅凭稀疏帧也能可靠定位与问答
Wenfang Sun, Yingjun Du, Cees G. M. Snoek
多模态大模型
强化学习
视频理解
高效推理
让像素扩散模型按画面复杂度动态增减 token，单个检查点即可在推理时自由调节算力预算。
Ozgur Kara, Yujia Chen, Daniel Watson, David Forsyth, James Matthew Rehg,...
像素空间扩散
动态tokenization
扩散Transformer
自适应计算
高效推理
首个数据视频理解基准：961个视频、6775题，最强模型70.0%仍落后人类21.7个百分点
Yupeng Xie, Zhenyang Wang, Jiayi Zhu, Yinghao Tang, Zhouan Shen, Yiyu Chen, Yuyu Luo
叙事理解
基准测试
多模态大模型
数据可视化
视频理解
用紧凑一维全局令牌加内容自适应稀疏二维令牌精修，兼得压缩率与局部细节。
Chenge Li, Yefei He, Xinyu Liu, Feng Chen, Hong Zhou, Bohan Zhuang
MaskGIT
图像生成
自适应计算
视觉分词
把纵向医疗推理重构为证据搜寻任务，8B智能体经两阶段后训练准确率超越GPT-5
Minye Shao, Chaohui Yu, Yixuan Wu, Fan Wang, Ling Shao, Yang Long
UK Biobank
医疗AI智能体
多模态大模型
智能体强化学习
特权自蒸馏
冻结模型兼任求解器与编辑器，回看视频诊断失败、演化执行框架，准确率与帧数成本双优
Bingjun Luo, Jialin Guo, Siqi Li
代码演化
智能体自我改进
视频理解
长视频问答
用矩阵熵和CKA为投机解码自动挑选信息量大且冗余低的目标层组合
Raghavv Goel, Sudhanshu Agrawal, Mukul Gagrani, Risheek Garrepalli, Mingu Lee
LLM推理加速
层选择
投机解码
矩阵熵
表示几何
统一穿戴设备采集500小时人类视觉与触觉数据，显著提升触觉预测与机器人操作
Dayou Li, Hao Wang, Qianqian Yang, Zihao Zhu, Haoquan Fang, Ziyao Zeng, Yan...
具身智能
数据集
机器人操作
自我中心感知
视觉-触觉学习
把每层专家当作内生鲁棒组做分布鲁棒优化，显著提升稀疏MoE的路由鲁棒性与精度
Xin Teng, Muxiao Li, Hongyi Wen
分布鲁棒优化
大模型预训练
混合专家模型
路由鲁棒性
让多模态大模型先理解拖拽的语义意图，再生成空间精准的编辑图像
Armando Fortes, Tianyi Wei, Chindanai Trakantannarong, Shangchen Zhou, Xingang Pan
图像编辑
扩散模型
拖拽式编辑
数据集构建
统一多模态模型
用扰动、证据冲突、探针和推理链审计六个生物推理模型，发现它们常依赖文本而非基础模型表征。
Ada Fang, Nikitha Thoduguli, Lukas Fesser, Hanlin Zhang, Sham M. Kakade,...
多模态LLM评估
推理链忠实性
生物推理模型
线性探针
证据冲突
把专家与参考模型的策略差异当作隐式奖励做任意到任意的蒸馏，并系统刻画何时可迁移
Rong Wu, Daocheng Fu, Yu Yang, Xuemeng Yang, Siqi Li, Shu Zou, Yao Zhu,...
在线策略蒸馏
大模型后训练
强化学习
相对策略差异迁移
隐式奖励
让智能体学习摊销式递归心理理论隐状态并耦合奖励模型，训练出可独立部署的伙伴建模策略
Hanan Gani, Lulu Shao, Manmohan Chandraker
LLM智能体
多智能体系统
奖励模型
强化学习
心智理论
追踪巨型激活从随机诞生、权重衰减驱动增长到竞争整合的完整训练生命周期
S. Aaron McClendon, Jorge Gallego-Feliciano, Antonios Saravanos
Transformer
权重衰减
模型可解释性
注意力池
训练动力学
模型可自生成重放数据保护旧能力，较大模型还能挑选重放目标。
Dongkyu Cho, Rumi Chunara, Ali Behrouz
大语言模型
持续学习
指令微调
灾难性遗忘
自生成重放
12.8万条真实临床查询显示：医疗LLM基准与实际临床用法严重错位，文档与检索占近三分之二。
Krithik Vishwanath, Haitong Lin, Anton Alyakin, Jin Vivian Lee, D. Brock...
LLM评估
临床工作流
医疗AI
基准测试
标注框架