前沿论文

  • 榜单数据10-16 17:00
  • 论文数据10-16 13:30
  • 周报10-17 11:22

前沿论文

14 大方向 · 三级优先筛选 · 每日更新

最近更新：2026-10-16 13:30

2025-10-20 周一共 7 篇：生成 1 · 代码生成 0 · 智能体 0 · 世界模型与具身 0 · 理解 1 · 音频 0 · 基础模型 5
生成
文生图 1图编辑 0视频生成 03D 生成 0
代码生成
Visual2Code 03D2Code 0
智能体
GUI Agent 0
世界模型与具身
世界模型 0具身智能 0
理解
VLM 1OCR 0
音频
音频 0
基础模型
LLM 5统一多模态 0

这一天为历史补采：作者单位只来自 OpenAlex，入选论文比每日更新少；要点由 AI 根据论文摘要生成，以原文为准。

共 7 篇

LLMP1 顶会NeurIPS 2025

A Theoretical Study on Bridging Internal Probability and Self-Consistency for LLM Reasoning

建立采样式 test-time scaling 的置信估计理论框架，提出 RPC 融合 self-consistency 与 perplexity。

  • 理论分析 self-consistency 估计误差高、perplexity 建模误差大等问题
  • RPC 含 Perplexity Consistency 与 Reasoning Pruning 两组件
  • 七个 benchmark 上 RPC 推理可比 self-consistency 且采样成本约减半

Zhi Zhou, Yuhao Tan, Zenan Li, Yuan Yao, Lan-Zhe Guo 等 7 人arXiv:2510.15444PDF 项目主页

文生图P1 顶会ICLR 2026

Latent Diffusion Model without Variational Autoencoder

提出 SVG，用冻结 DINO 自监督特征替代 VAE 潜空间，加速扩散训练并支持少步采样。

  • 指出 VAE 潜空间语义分离不足限制扩散训练效率与迁移
  • DINO 语义特征加轻量残差分支构建可判别潜空间与高保真重建
  • 实现加速训练、少步采样并提升生成质量，保留自监督表示能力

Minglei Shi, Haolin Wang, Wenzhao Zheng, Ziyang Yuan, Xiaoshi Wu 等 9 人arXiv:2510.15301PDF 项目主页

LLMP1 顶会ACL 2026

TokenTiming: A Dynamic Alignment Method for Universal Speculative Decoding Model Pairs

用 DTW 对齐 draft 与 target 的异词表 token 序列，实现免重训的通用 speculative decoding。

  • 重编码 draft 序列并以 DTW 映射概率分布用于推测采样
  • draft 与 target 无需共享词表，可直接用现成模型
  • 多任务实验显示约 1.57× 推理加速

Sibo Xiao, Jinyuan Fu, Zhongle Xie, Lidan ShouarXiv:2510.15545PDF

VLMP1 顶会EMNLP 2025

VERITAS: Leveraging Vision Priors and Expert Fusion to Improve Multimodal Data

VERITAS 流水线融合 RAM++、OCR 与多 LMM 共识评分，提升 LMM 监督微调数据质量。

  • RAM++ 与 PP-OCRv4 提取结构化视觉先验并与 QA 联合使用
  • 多 LMM 评分解析统计融合为高置信共识，GRPO 训练轻量 critic
  • 六套多模态 benchmark 上经 VERITAS 处理的数据微调 consistently 更优

Tingqiao Xu, Ziru Zeng, Jiayu ChenarXiv:2510.15317PDF

LLMP1 顶会ICML 2026

EvolveR: Self-Evolving LLM Agents through an Experience-Driven Lifecycle

EvolveR 以离线自蒸馏策略原则与在线检索交互闭环，让 Agent 从自身经验迭代改进。

  • 将交互轨迹合成为抽象可复用的策略原则库
  • 在线检索原则指导决策并积累轨迹，策略强化迭代更新 Agent
  • 复杂多跳问答 benchmark 上优于强 Agent 基线

Rong Wu, Xiaoman Wang, Jianbiao Mei, Pinlong Cai, Daocheng Fu 等 11 人arXiv:2510.16079PDF 代码

LLMP1 顶会EMNLP 2026

HugAgent: A Human Simulation Benchmark for Individual-Level Reasoning

提出 HugAgent 基准，评估模型能否在开放任务中预测特定个体的信念与推理动态。

  • 从群体平均、行为模仿与短情境转向个体化、认知对齐与开放数据
  • 结合结构化问卷与半结构化出声思考访谈收集信念与推理轨迹
  • 实验显示模型较能恢复个体信念状态，但干预下信念更新预测仍弱

Chance Jiajie Li, Zhenze Mo, Yuhan Tang, Ao Qu, Jiayi Wu 等 14 人arXiv:2510.15144PDF 代码

LLMP1 顶会EMNLP 2025

Beyond Function-Level Search: Repository-Aware Dual-Encoder Code Retrieval with Adversarial Verification

发布 RepoAlign-Bench 与 ReflectCode，在变更请求场景下做仓库级代码检索。

  • RepoAlign-Bench 面向变更驱动检索，含大量标注实例
  • ReflectCode 双塔架构以 LLM 引导对抗反思融合语法、依赖与变更意图
  • Top-5 准确率与 Recall 相对 SOTA 有显著提升

Aofan Liu, Shiyuan Song, Haoxuan Li, Cehao Yang, Yiyan QiarXiv:2510.24749PDF