MRO: Enhancing Reasoning in Diffusion Language Models via Multi-Reward Optimization（在新窗口打开）
提出 MRO，在去噪中优化序列内/间 token 相关性，提升 DLM 推理并保持高采样效率。
- 分析 DLM 独立生成 masked token 导致的相关性缺失问题
- MRO 结合测试时缩放、拒绝采样与 RL 优化多路奖励
- 引入 group step 与 importance sampling 降方差、提采样效率
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
2025-10-27 周一共 15 篇：生成 1 · 代码生成 0 · 智能体 0 · 世界模型与具身 1 · 理解 6 · 音频 3 · 基础模型 4
- 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 1
- 理解
- VLM 6OCR 0
- 音频
- 音频 3
- 基础模型
- LLM 4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 15 篇
Chain of Execution Supervision Promotes General Reasoning in Large Language Models（在新窗口打开）
构建 TracePile（260 万样本），将代码执行转为 Chain of Execution 显式推理链训练 LLM。
- TracePile 将代码执行转为 CoE 式逐步 rationale，规模 260 万
- 覆盖数学、经典算法与竞赛，含变量追踪与代码改写增强逻辑粒度
- 四基座与 20 个 benchmark 上持续改进数学、代码与逻辑推理
Distilled Decoding 2: One-step Sampling of Image Auto-regressive Models with Conditional Score Distillation（在新窗口打开）
DD2 用条件分数蒸馏训练单步生成器，使图像 AR 单步采样 FID 增幅可控并大幅缩小与 DD1 的差距。
- 提出不依赖预定义映射的条件分数蒸馏损失
- 在 ImageNet-256 上实现可行单步 AR 采样
- 相对 DD1 缩小单步与原始 AR 差距并加速训练
MUVR: A Multi-Modal Untrimmed Video Retrieval Benchmark with Multi-Level Visual Correspondence（在新窗口打开）
提出未剪辑长视频多模态检索任务与 MUVR 基准，系统评测检索模型与 MLLM 理解与重排能力。
- 定义视频中心、一对多、未剪辑视频的多模态检索范式
- 构建 copy 至 action 等六级视觉对应及 Base/Filter/QA 评测
- 大规模评测揭示未剪辑检索与 MLLM 多视频理解/重排的不足
Correlation Dimension of Auto-Regressive Large Language Models（在新窗口打开）
用分形相关维数量化 LLM 感知文本复杂度，关联预训练阶段、幻觉与多种退化现象。
- 引入相关维数衡量语言生成分形自相似结构
- 揭示预训练三阶段与上下文相关复杂度
- 高效检测幻觉与重复等退化，适配多种 AR 架构
Beyond Pairwise: Empowering LLM Alignment With Ranked Choice Modeling（在新窗口打开）
提出 RCPO，用 MLE 统一偏好优化与排序选择建模，直接利用多路比较与 top-k 排序反馈。
- RCPO 框架统一 utility/rank 模型，DPO、SimPO 等为特例
- 实例化 Multinomial Logit 与 Mallows-RMJ 训练目标
- 多 instruct 模型在 ID/OOD 上 consistently 优于强基线
PhoenixCodec: Taming Neural Speech Coding for Extreme Low-Resource Scenarios（在新窗口打开）
PhoenixCodec 在算力、时延与双码率约束下集成非对称架构、CCR 训练与抗噪微调，低码率语音质量领先。
- 面向极低算力与时延的神经语音编解码系统
- CCR 训练策略与噪声不变微调提升稳定性与鲁棒性
- LRAC 2025 Track 1 中 1 kbps 噪声与清晰度表现突出
Towards Reliable Code-as-Policies: A Neuro-Symbolic Framework for Embodied Task Planning（在新窗口打开）
神经符号框架在代码生成中加入符号验证与环境交互探查，提升动态部分可观测下机器人任务成功率。
- 代码生成中集成符号验证与交互式验证
- 探查式代码补全缺失观测并保留任务相关状态
- RLBench 与真实场景中显著优于 Code-as-Policies 基线
FineRS: Fine-grained Reasoning and Segmentation of Small Objects with Reinforcement Learning（在新窗口打开）
FineRS 两阶段 GSE+LPR coarse-to-fine，用定位回溯奖励联合优化高分辨率极小目标推理与分割。
- 全局语义探索与局部感知 refine 的两阶段 MLLM 框架
- locate-informed retrospective reward 耦合两阶段 RL
- 发布 FineRS-4k 评估高分辨率小目标推理与像素级分割
NoisyGRPO: Incentivizing Multimodal CoT Reasoning via Noise Injection and Bayesian Estimation（在新窗口打开）
NoisyGRPO 对视觉输入加噪探索，并用贝叶斯优势估计引导 MLLM 的 CoT 强化学习泛化。
- 噪声注入探索策略扩展视觉场景覆盖
- 贝叶斯框架融合噪声先验与轨迹奖励做优势估计
- 在 CoT、通用能力与幻觉基准上提升泛化与鲁棒性
VL-SAE: Interpreting and Enhancing Vision-Language Alignment with a Unified Concept Set（在新窗口打开）
提出 VL-SAE 稀疏自编码器，将 VLM 对齐表征映射为统一概念神经元，可解释并概念级增强对齐。
- 提出 VL-SAE，将多模态表征编码为与统一概念对应的稀疏神经元激活
- 用显式余弦相似与双模态解码器保证语义相近样本激活一致
- 概念级对齐增强零样本分类并有助于减轻幻觉
Memory-Free Continual Learning with Null Space Adaptation for Zero-Shot Vision-Language Models（在新窗口打开）
NuSA-CL 用低秩适配并将任务更新约束在参数近似零空间，无回放持续学习且保留 CLIP 类零样本能力。
- 提出无记忆、低开销的 NuSA-CL 持续学习框架
- 零空间约束减轻对已有知识的干扰
- 在持续学习基准上竞争性能同时保留零样本迁移
MoniTor: Exploiting Large Language Models with Instruction for Online Video Anomaly Detection（在新窗口打开）
免训练在线 VAD 框架 MoniTor，流式调用 VLM 并用记忆评分队列与 LLM 区分异常行为。
- 提出基于记忆的免训练在线 VAD 方案 MoniTor
- LSTM 式预测机制与评分队列、异常先验建模时序依赖
- 在 UCF-Crime、XD-Violence 上优于 SOTA 且可与弱监督方法竞争
SpecTokenizer: A Lightweight Streaming Codec in the Compressed Spectrum Domain（在新窗口打开）
SpecTokenizer 在压缩频域用 CNN/RNN 多尺度建模，4 kbps 下以更少量参算力达到或超过轻量 SOTA codec。
- 压缩频域轻量流式 Neural Audio Codec
- 多尺度频谱建模兼顾效率与表示能力
- 同等资源下显著优于对照轻量 codec
Brain-tuning Improves Generalizability and Efficiency of Brain Alignment in Speech Models（在新窗口打开）
多被试联合微调预训练语音语言模型预测 fMRI，少数据更高对齐并泛化到新被试与数据集。
- 提出可扩展、可泛化的 multi-participant brain-tuning 方法
- 新被试所需 fMRI 数据约降至五分之一，整体对齐最高约增 50%
- 脑数据联合训练还提升语义下游任务表现
没有符合条件的论文。