Incorporating Self-Rewriting into Large Language Model Reasoning Reinforcement（在新窗口打开）
在 GRPO 类 RL 中引入选择性自改写学习，提升准确率并显著缩短推理链、改善内部推理质量。
- 自改写框架：模型改写自身推理文本并从中学习过程质量
- 仅对模型稳定答对的简单样本改写以保留 GRPO 奖励信号
- 单 batch 融合改写与生成，约 10% 额外开销且多任务多尺度有效
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
2025-11-21 周五共 7 篇：生成 1 · 代码生成 0 · 智能体 1 · 世界模型与具身 0 · 理解 4 · 音频 0 · 基础模型 1
- 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 1
- 世界模型与具身
- 世界模型 0具身智能 0
- 理解
- VLM 4OCR 0
- 音频
- 音频 0
- 基础模型
- LLM 1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
D-GARA: A Dynamic Benchmarking Framework for GUI Agent Robustness in Real-World Anomalies（在新窗口打开）
D-GARA 在 Android 常用应用中嵌入权限、电量、更新等真实异常，评测显示 SOTA GUI agent 性能显著下降。
- 动态评测框架覆盖 GUI agent 实践中常见真实世界中断与异常
- 构建带嵌入异常的 Android 应用标注基准
- 模块化可扩展，支持新任务、异常类型与交互场景接入
Pluggable Pruning with Contiguous Layer Distillation for Diffusion Transformers（在新窗口打开）
为 DiT 设计 PPCL 结构化剪枝与交替蒸馏，参数量约减半且关键指标下降小于 3%。
- 线性探测与相似度一阶微分趋势识别冗余层区间
- 深度与宽度剪枝统一的即插即用师生交替蒸馏
- 多模态 DiT 上验证高压缩比下仍保持图像生成质量
Boosting Medical Visual Understanding From Multi-Granular Language Learning（在新窗口打开）
提出 MGLL 对比学习框架，改善医学图像多标签与跨粒度图文对齐，作为即插即用模块提升 VLM 下游表现。
- 多粒度对比学习 MGLL，支持多标签与跨粒度文本对齐
- 软标签与点约束及平滑 KL 保持跨粒度一致性
- 构建大规模多粒度数据集并在多数据集上验证优于 SOTA
Can MLLMs Read the Room? A Multimodal Benchmark for Assessing Deception in Multi-Party Social Interactions（在新窗口打开）
提出 MIDA 任务与同步视频文本数据集，揭示 SOTA MLLM 在欺骗识别上存在明显差距。
- MIDA 任务与带可验证标签的多方互动多模态数据集
- 对 12 个开源与闭源 MLLM 的系统基准与能力缺口分析
- SoCoT 与 DSEM 模块显示结构化认知记忆可提升欺骗评估
LLaVA$^3$: Representing 3D Scenes like a Cubist Painter to Boost 3D Scene Understanding of VLMs（在新窗口打开）
LLaVA-Cube 用多视图重建得到物体全向视觉表示输入 VLM，无需 3D 微调即提升 3D VQA 与 grounding。
- 借鉴立体主义多视角单图思路，为每物体构造全向视觉表示
- 仅依赖多视图 2D 与中间 3D 重建，不对 VLM 微调
- 3D VQA 与 3D 语言 grounding 上优于先前纯 2D VLM 方案
TOFA: Training-Free One-Shot Federated Adaptation for Vision-Language Models（在新窗口打开）
TOFA 在单次通信、客户端与服务器均免额外训练的联邦设定下适配预训练 VLM。
- 视觉侧层次贝叶斯学习个性化类原型分布，文本侧全局对齐本地 prompt
- 自适应权重融合双模态预测以应对联邦数据异质性
- 9 个数据集多种联邦设定上验证有效
没有符合条件的论文。