🦾具身智能P1 顶会NeurIPS 2025
针对机器人动作分布定制去噪与遗传采样，极少步数即可匹配或超越标准 diffusion policy。
- 揭示 embodied 任务中动作分布结构化、低维，可极少 NFE 有效推理
- 提出 genetic denoising 按 OOD 风险筛选轨迹以提升稳定性
- 在 D4RL 与 Robomimic 14 项任务上少步推理仍获最高约 20% 提升
💬LLMP1 顶会NeurIPS 2025
LRQK 在 prefill 低秩分解 Q/K，decode 用 top-k 与混合 GPU-CPU 缓存，长上下文推理省显存且精度损失小。
- 提出两阶段 LRQK，decode 步用低维投影以 O(lr) 计算代理注意力分数
- 混合 GPU-CPU 缓存与 hit-miss 机制，仅传输缺失的全精度 KV 对
- 在 RULER 与 LongBench 上匹配或超越主流稀疏注意力并显著节省内存
💬LLMP1 顶会NeurIPS 2025
PIPS 用结构反馈逐样本生成/refine 程序，并按置信度在直接推理与合成间切换。
- Per-Instance Program Synthesis 无需任务专用引导或显式测试用例
- 置信度指标在实例级动态选择直接推理或程序合成
- 30 基准含 BBEH 全任务：较 PoT/CoT 提升调和平均精度并减少不良程序
🎧音频P1 顶会ICLR 2026
EchoMind 用脚本一致、仅变 vocal 风格的串联任务测 SLM 共情，先进模型仍难处理高表现力副语言。
- 首个关联多层级基准：内容理解、副语言感知、整合推理与回复生成
- 共情框架含 3 粗 12 细维度与 39 种 vocal 属性，主客观指标并用
- 12 个 SLM 实验揭示指令遵循、自然语音鲁棒与共情回复的薄弱环节
💬LLMP1 顶会ACL 2026
系统证明强化推理会因果性地增加 Agent 工具幻觉，并揭示能力与可靠性的权衡。
- 发布 SimpleToolHalluBench，诊断无工具与干扰工具两类幻觉模式
- 推理 RL 提升任务表现的同时按比例加剧工具幻觉，且可迁移至非工具训练
- 机制上 late-layer residual 放大分歧，缓解策略往往损害效用
🎨文生图P1 顶会NeurIPS 2025
Rainbow 用 GFlowNet latent 图分解条件不确定性，为任意条件生成模型增加可解释多样性。
- 将 GFlowNet 参数化 latent 图嵌入条件表示，应对 prompt 不确定性
- 图采样产生多条轨迹对应不同 plausible 图像，无需改随机种子或 prompt
- 在自然与医学图像合成、反事实生成上同时提升 diversity 与 fidelity
🎧音频P1 顶会NeurIPS 2025
基于 Stable Audio Open，用任意自然语言指令编辑音频，合成三元组训练并泛化到真实音频。
- 支持自由形式编辑指令，无需完整重述或固定编辑类型
- Prompt-to-Prompt、DDPM inversion 与人工流程构建编辑三元组数据集
- 客观指标竞争力强，主观听测优于其他音频编辑方法
🎨文生图P1 顶会NeurIPS 2025
无训练框架 SceneDecorator 用 VLM 场景规划与长期场景共享注意力，提升多场景叙事连贯与跨故事场景一致。
- 提出场景导向故事生成，分别应对场景规划与跨故事场景一致两类难题
- VLM-Guided Scene Planning 以 global-to-local 保证叙事连贯
- Long-Term Scene-Sharing Attention 维持长期场景一致与主体多样性
👁️VLMP1 顶会NeurIPS 2025
发现 corruption 导致 CLIP 类间方差塌缩，Mint 在线最大化伪标签类间方差以适配。
- 归纳 embedding variance collapse 并与分类精度下降相关
- 理论说明 corruption 稀释类判别特征并压缩表示几何
- Mint 用小 batch 的均值与梯度累积，在多 corruption 基准上稳定提升 CLIP
💬LLMP1 顶会EMNLP 2025
提出轻量 TAG 数据增强，在不破坏检索文档的前提下提升长上下文问答与多跳推理表现。
- 提出 Tagging-Augmented Generation，避免 RAG 式重预处理与分块依赖
- 在 NoLima、NovelQA 上验证对上下文或提示加标签带来稳定增益
- 在 32K token 等设定下相对基线有明显提升
🎧音频P1 顶会ICASSP 2026
CHiME MCoRec 任务用音视频与上下文解决高重叠多人对话，联合转写与按会话聚类说话人。
- 定义 Multi-Modal Context-Aware Recognition，面向单房间重叠自然群聊
- 发布数据与基线，回答谁在何时对谁说了什么
- 纯音频基线 WER 超 100%，引入视觉线索带来约 50% 相对改进
🦾具身智能P1 顶会TPAMI
首篇系统梳理 Efficient VLA，从模型设计、训练与数据采集三支柱归纳方法并总结挑战与路线图。
- 提出覆盖模型—训练—数据全流程的高效 VLA 统一分类法
- 按高效架构与压缩、高效训练、高效数据采集三方面综述代表性工作
- 归纳应用、关键挑战并给出未来研究方向与持续更新项目页
👁️VLMP1 顶会NeurIPS 2025
EgoThinker 在 EgoRe-5M 上用时空 CoT 监督与 SFT+RFT，增强 MLLM 第一视角视频推理与定位。
- 构建 EgoRe-5M：分钟级片段、CoT rationale 与密集手-物 grounding
- 两阶段课程：SFT 注入推理，RFT 强化时空定位
- 在多个 egocentric 基准上优于现有方法，细粒度时空定位提升明显
💬LLMP1 顶会ICLR 2026
TIR-Judge 用代码执行器与端到端 RL 训练可验证约束的判分模型，多基准上超越强推理 Judge。
- 提出 TIR-Judge：可验证/不可验证域、多种判分格式、迭代 RL 自举
- 集成 code executor 做精确评估，无需蒸馏 judge 轨迹亦可自演化
- 在 pointwise、pairwise 等公开基准上显著优于强基线
👁️VLMP1 顶会ICLR 2026
首个系统评测 MLLM 评判图表/dashboard 质量的基准，VisJudge 显著缩小与专家差距。
- VisJudge-Bench 含 3090 条专家标注、32 类图表的真实场景样本
- 揭示先进 MLLM 与人类在可视化质量判断上仍有明显差距
- VisJudge 专模降低 MAE、提高与人类评分一致性
👁️VLMP1 顶会NeurIPS 2025
WAGIBench 评测第一视角多模态上下文下的用户目标推断，最好 VLM 仍远未实用。
- 发布 348 人、3477 段录音的多模态目标推断数据集 WAGIBench
- 系统评测多族 VLM：选择题优于生成式，大模型更好但相关目标仅约 55%
- 模态消融显示相关模态有益、无关模态对性能影响较小
🧩统一多模态P1 顶会NeurIPS 2025
MERGE 在固定预训练文生图模型上即插即用切换生成与深度估计，兼顾生成能力并在深度基准上表现领先。
- 提出即插即用转换框架，可在图像生成与深度估计模式间无缝切换
- 设计 Group Reuse Mechanism，促进参数复用并提高新增可学习参数利用率
- 在保留预训练文生图生成能力的同时实现强深度估计能力