用配对目标指定、视听双轨道和时空定位统一评测50个大模型的视频理解能力
Xuyang Liu, Shihao Wang, Xinyu Wei, Minghan Li, Zeqing Wang, Zuhao Yang,...
基准评测
多模态大模型
时序定位
空间定位
视频理解
把三类空间任务统一为候选分类，复用预训练注意力投影直接决策，比自回归快5.6倍。
Luozheng Qin, Yuhan Zhu, Changhai Zhou, Qian Qiao, Jun Gao, Yuhua Zhou,...
分类解码
多模态大模型
空间智能
粗到细细化
高效推理
把中间去噪估计当草稿逐token提前验收，质量不降前提下将自回归视频生成提速至1.6倍
Hyunwook Choi, Seungryong Kim, Dongyoon Han, Sangdoo Yun
世界模型
少步蒸馏
扩散加速
投机解码
自回归扩散
开源GCUA全栈：代码执行与决策移交使8个前沿模型OSWorld-v2均分提升19.6
Hanzhang Zhou, Long Li, Quyu Kong, Lei Wang, Panrong Tong, Long Chen, Tianyu...
GUI Agent
代码执行
开源
智能体框架
真实设备
固定模型权重，用执行反馈持续修订智能体软件脚手架，并给出泛化、留存与准入的理论保证
Chuyang Wei, Haoxiang Guan, Minghang Zhu, Kexin Zhou, Jiyan He, Xiren Zhou,...
Harness工程
安全边界
持续学习理论
智能体自进化
进化算法
构建203万行可执行3D代码语料与无人在环的多智能体验证闭环，让开源模型3D编程能力大幅跃升
Yipeng Gao, Ziyao Zeng, Jinfa Huang, Yijiang Li, Haolin Xiong, Wang Qin,...
3D生成
代码生成
数据集构建
智能体系统
模型微调
提出多会话智能体强化学习设定与Mosaic分层优化方法，让RL训练适配上下文压缩与子代理分叉
Yilong Xu, Minrui Xu, Xinyu Zhou, Xiang Long, Haochen Tan, Zhijiang Guo
GRPO
上下文压缩
多会话轨迹
子代理分叉
智能体强化学习
95个真实客户交付任务实测：最强模型仅解决14个，隐含约束发现是瓶颈
Dongxu Yang, Hongda Yan, Renxin Wang, Baoli Zhang, Haojia Zuo, Ying Zhao,...
AI交付
利益相关者模拟
基准测试
智能体评测
软件工程
转动3D物体对齐目标剪影：人类全对，最强VLM仅17%成功率
Qingchuan Ma, Yuexiao Ma, Xiang Meng, Yixuan Zou, Tianyu Xie, Wang Chen,...
3D空间推理
VLM评测
交互式基准
具身智能
基准构建
首个在完全离散空间用多码本视觉token统一图像/视频/3D理解与图像生成编辑的扩散语言模型
Qian Yu, Zongyang Qiu, Juncheng Yan, Hongliang Li, Qi Qin, Keqi Wang, Siqi...
图像生成
多码本视觉表示
扩散语言模型
推理加速
昇腾NPU
开源一体化平台统一GUI智能体评测与在线RL训练，9B模型登顶同规模开源
Panrong Tong, Quyu Kong, Pengxiang Li, Tianyu Xia, Hanzhang Zhou, Lei Wang,...
GUI Agent
在线强化学习
基础设施
智能体训练平台
环境与任务合成
多智能体分工让自动化SFT数据研究覆盖六类数据操作，IFEval较单智能体提升6.5分
Bingxiang He, Pengqi Sun, Shihao Peng, Shaoxuan Li, Huiyu Xiao, Hongjian...
LLM智能体
多智能体系统
数据工程
监督微调
自动化机器学习
在教师RL轨迹中插入中间检查点，用早/晚两段偏移的方向一致性门控终点偏移信号。
Bingxi Hou, Guochao Jiang, Guofeng Quan, Weiqing Li, Wenfeng Feng, Guohua...
代码生成
在线策略蒸馏
弱到强泛化
强化学习
数学推理
仿人类“观察-记忆-回查”机制，用变化记录与定向回放攻克流式视频理解
Boyuan Sun, Deshui Miao, Wenzhao Gao, Shaoyong Jia, Shaohui Jiao, Chi Liu,...
多模态大模型
智能体规划
流式视频理解
视频智能体
记忆系统
先指定数据背后的生成机制再合成文件与评分标准，为数据智能体提供可审计的环境和RL训练信号
Zhanli Li, Zeyuan Xu, Chaoxu Pang, Zeyuan Liu, Anyang Ji, Te Sun, Kongcheng...
合成数据
基准评测
强化学习
数据智能体
环境合成
固定频带预算下按混合信号内容动态预测频带边界，显著提升多种分离骨干性能
Bingzhe Zhang, Kai Li, Xiaolin Hu
动态路由
直通估计器
音乐与语音分离
音频源分离
频带划分
首个以探索-回访协议系统评测交互式世界模型3D一致性的基准
Dongyue Lu, Guian Fang, Hur Lim, Yonggang Wu, Yanrong Wang, Hongshan Chen,...
3D一致性
世界模型
视频生成
评测基准
长时程记忆
构建WorldCast基准，用320个案例评测多模态生成模型的多步世界状态预测能力
Wenhao Yan, Haodong Li, Xiaotong Li, Yaxin Luo, Zhengrong Yue, Jialv Zou, Xu...
LMM-as-a-Judge
世界模型
世界状态预测
基准评测
多模态生成
用语义跨度池化改造GRPO信用分配，冻结文生图模型的组合生成能力大幅提升
Yufei Jiao, Jinfa Huang, Zeyue Xue, Tianyu Xie, Yuexiao Ma, Rongrong Ji,...
GRPO
信用分配
强化学习
提示优化
文生图
构建1300万级幻灯片数据引擎与专用基准，训练统一9B模型将生成与编辑做到逼近最强闭源系统
Jiahao Wang, Xiyan Jiang, Chenyuan Wu, Haoqiang Zhang, Xin Luo, Yueze Wang,...
图像生成
图像编辑
基准评测
幻灯片生成
扩散模型后训练
递归自改写与评论家继承式策略精炼交替，终端智能体成功率从20.68%升至50.58%
Junyao Yang, Zongxia Li, Yucheng Shi, Zhongzhi Li, Ruhan Wang, Ruiwen Zhou,...
PPO
信用分配
奖励设计
强化学习
终端智能体
提出分解式分级视觉验证器与成对验证范式，为生成式RL提供更可靠的奖励信号
Bowei Liu, Xinchen Zhang, Xuhuan Li, Tianlin Zhang, Kaian Jiang, Jingwei...
世界模型
多模态
强化学习
文生图
生成式奖励模型
用验证器信息的自回放 JS 距离，把每个奖励的优势精准分配到相关 token
Skylar Zhai, Haonan Wang, Zhining Liu, Linxin Song, Xuwei Ding, Jingcheng...
GRPO改进
LLM后训练
RLVR
信用分配
多奖励强化学习
用分层SFT与窗口交互强化学习训练35B MoE模型，自主完成长程机器学习实验优化
Shangheng Du, Jinxin Shi, Shuaiyu Zhang, Yiming Wu, Junpeng Zhao, Shiyang...
AI4AI
后训练
强化学习
智能体
自动机器学习
边缘小模型主力解题、按步选择性委托云端大模型，成本最高降62%而性能持平
Zeru Shi, Jindong Jiang, Ryo Hachiuma, Yonggan Fu, Byung-Kwan Lee, Peter...
推理成本优化
模型路由
步级强化学习
边缘-云协同
长程智能体
把随机探索从采样器噪声搬进注意力路由，保持确定性采样器且训练效率提升近4倍
Qiuhong Shen, Yiding Yang, Yuxin Zhang, Xinwei Huang, Minxuan Lin, Bo Liu,...
强化学习对齐
扩散模型
文生图
文生视频
稀疏注意力
单次前向传播完成多字段结构化决策的多模态模型，兼顾精度、延迟与概率校准。
Tong Zhu, Zhe Xu, Zefeng He, Yunkai Chai, Xuyang Hu, Dehong Zheng, Yun Luo,...
决策模型
多模态
智能体系统
概率校准
结构化输出
冻结几何分支、GT相机尺度对齐、大角度监督，大幅提升前馈3DGS渲染质量
Yongzhen Hu, Hao Yu, Jiawei Wang, Xianming Zeng, Jianyun Xu, Xingliang Liu,...
3D高斯泼溅
几何基础模型
前馈重建
新视角合成
计算机视觉
阿里端到端电商主图生成系统：抽取卖点、改写布局、多条件生成，5秒出图、日产百万级，效果比肩闭源旗舰。
Xiaoli Xu, Zhengtao Wu, Zhengze Xu, Tao Liu, Yongchao Du, Zuan Gao, Xingjian...
LLM智能体
强化学习
扩散Transformer
文本渲染
生产级系统
提出SAR指标量化SAE特征行为交互，学习坐标比旋转更可加但pairwise项仍不可或缺
Haotian Ma, Ziye Mei, Frederic Sala
可解释性
机械可解释性
特征交互
稀疏自编码器
弱模型真实执行读操作起草轨迹，强模型单次预填充语义验证，质量逼近强模型、省一半内存时间
Zilin Wang, Yinhong Liu, Chao Chen, Qun Liu, Zhijiang Guo
LLM推理加速
工具调用
强弱模型协作
投机执行
智能体
用智能体自身状态训练的小决策模型按置信度接管常规选择，成本降 81–89% 而成功率不降。
Kunlun Zhu, Tao Feng, Xu Han, Heng Wang, Ling Yang, Xiangru Tang, Jiaxuan...
LLM Agent
决策模型
参数高效微调
成本与延迟优化
智能体评测
免训练的视锥板注意力路由，让长视频世界模型在第48块时注意力提速4.36倍且质量几乎无损
Qiuhong Shen, Shizun Wang, Xinchao Wang
3D几何先验
KV缓存路由
免训练加速
视频世界模型
视频扩散
用3DGS仿真器为高奖励候选轨迹渲染匹配视频，与轨迹GRPO联合后训练驾驶世界模型
Changhui Jing, Haochen Tian, Hongchen Li, Tianyu Li, Caojun Wang, Zihao...
世界模型
强化学习
自动驾驶
视频生成
轨迹规划
提出OneWM统一因果框架，首次系统验证世界预测与动作生成可相互促进
Yue Su, Bokai Lin, Xinkai Wang, Chubin Zhang, Xiangnan Wu, Kuan Zhang,...
世界模型
扩散模型
机器人操作
流匹配
策略学习
逆向历史Bug修复训练注入模型，规模化合成真实多样的可执行SWE任务
Silin Chen, Zihan Zhang, Xiaodong Gu, Jiale Huang, Yuling Shi, Han Li, Zhao...
LLM微调
基准构建
数据合成
软件工程
ViRA 揭示 VFM 目标与辅助监督共同决定驾驶增益，达 92.3 EPDMS
Zihao Zhang, Haochen Tian, Tianyu Li, Changhui Jing, Jingliang He, Naisheng...
NAVSIM
知识蒸馏
端到端自动驾驶
表征对齐
视觉基础模型
两个可折叠的线性变换让 GQA-2 同时赢下 KV 缓存、FLOPs 与质量的不可能三角
Xibo Ding, Guoxia Wang, Jinle Zeng, Jiabin Yang, Sirui Tao, Chao Yang, Dianhai Yu
KV缓存压缩
MoE
注意力机制
结构重参数化
长上下文
把当前到未来状态的物理变化作为显式预训练监督，部署时零额外开销
Qi Lu, Jiarun Li, Ce Zhang, Miao Pan, Yi Pan, Xu Wang, Wenqi Zhang, Xuhong Zhang
VLA
具身智能
机器人操作
流匹配
状态转移监督
3,000对可控渲染字幕视频、16种语言的基准，解耦诊断修复、保持与时间保真
Xiyan Huang, Qingdong He, Peng Tang, Bo Yin, Chaoyi Wang, Xiaobin Hu
可控数据合成
基准评测
视频修复
视频字幕去除
评估协议设计
四个前沿智能体104小时自主把Qwen3-4B基座后训练到官方指令模型水平
Yufa Zhou, Yichen Wang, Jiakun Fan, Ziqi Shu, Zhichao Liu, Anru R. Zhang,...
LLM智能体
后训练
多智能体协作
强化学习
自主AI研究
先把参考图材质投影为只读观测锚点，再让3D生成器专注补全未见表面
Chen Yang, Jiemin Fang, Fanpeng Meng, Zihao Huang, Jichen Pang, Guanjun Wu,...
3D生成
PBR材质
单图到3D
流匹配
纹理生成
用拍卖出价机制让智能体集群同时学会“怎么做事”与“谁该出手”。
Guowei Xu, Zhenting Qi, Amani Kiruga, Himabindu Lakkaraju, Yilun Du
LLM智能体
多智能体系统
市场/拍卖机制
强化学习后训练
自组织编排
锚定噪声扰动输入嵌入，小部分扰动 rollout 即可显著提升 GRPO 探索与推理
Daijiao Liu, Huiyi Wang, Lina Yao, Dong Gong
GRPO
LLM后训练
RLVR
嵌入空间扰动
探索策略
用弱模型隐状态不确定性同时驱动升级决策与强模型监督，免训练。
Qingni Wang, Changdae Oh, Yuzhe Yang, Sharon Li, Jiachen Yang, Ang Li, Xin Eric Wang
OSWorld
不确定性估计
弱到强升级
推理成本优化
智能体监督
双循环框架围绕冻结VLA实现个性化规划、主动安全屏蔽与失败恢复
Zixuan Wang, Yuqi Liu, Yuxin Chen, Sengqiao Yang, Jinhui Ye, Pengguang Chen,...
VLA
个性化
具身智能
失败恢复
机器人学习
用零通信掩码变换打通 Hopper 内核与多机上下文并行，长上下文训练端到端提速至 11%
Guoxia Wang, Qianyue He, Siming Wu, Haoyang Xie, Qiwen Bao, Jinle Zeng,...
GPU内核优化
上下文并行
分布式训练
系统与体系结构
长上下文
共享记忆让出题人与考生共同进化：失败诊断既指导生成环境又转化为稠密监督。
Tianjiao Yu, Zhilin Ou, Yifan Shen, Xinzhuo Li, Yuanzhe Liu, Onkar Kishor...
共享记忆
奖励塑形
数据-策略协同进化
机器人学习
生成式仿真
用构建-执行-修订闭环批量合成带状态用户模拟器的协作环境，训练出的小模型比肩千亿参数模型。
Anni Zou, Cheng Chen, Jiaji Deng, Weikang Zhou, Xinji Mai, Yue Wu, Jianing...
后训练
强化学习
数据工程
智能体
环境合成
用循环超网络把历史内化为持续演化的LoRA权重，流式VLM无需扩张上下文也能记住过去
Zhuoming Liu, Jinhong Lin, Lin Zhang, Yiwu Zhong, Yin Li
LoRA
多模态大模型
流式视频理解
视觉语言动作模型
超网络
260案例基准测世界模型记忆：静态保持强不代表动态演化可靠，记忆随重访累积退化
Nan Zhou, Jianxiong Gao, Qiuyu Wang, Wen Wang, Jiahao Wang, Yufeng Yuan,...
世界记忆
基准评测
多重重访协议
自回归视频生成
视频世界模型
0.6B统一编码器覆盖实体/关系/事件抽取，用相对奖励优化类型化决策并校准置信度
Yang Wang, Hanlin Xiao, Yanan Ma, Chenghao Xiao, Chenghua Lin
事件抽取
信息抽取
关系抽取
命名实体识别
强化学习
用Lean为自然语言证明逐步自动标注，训练出胜过人工标注PRM800K的证明验证器
Rodney Lafuente-Mercado, Salman Rahman, Jingyan Shen, James Shiffer, Saadia...
Lean
强化学习
形式化验证
数学证明验证
过程奖励模型