🦾具身智能P1 顶会CVPR 2026
分析 VLA 不可合并原因，提出可合并架构 MergeVLA，多基准与真机表现可比或优于单任务专家。
- 分解微调参数，指出 LoRA 发散与 action expert 自注意力导致不可合并
- 稀疏任务掩码 LoRA 与仅 cross-attention 的 action expert 保持可组合
- 测试时任务路由实现未知任务推断，多环境表现媲美独立微调专家
🧊3D 生成P1 顶会CVPR 2026
用 Agent 框架分层规划城市并循环合成网格级场景，支持关系引导的可交互扩展与多维评测。
- 提出 City-District-Grid 分层规划与 produce-refine-evaluate 等距图合成循环
- 引入场景图驱动的距离与语义感知扩展，保证城市连续生长空间一致
- 构建 benchmark 与六维指标，实验全面优于现有 SOTA
🧩统一多模态P1 顶会CVPR 2026
自对抗后训练框架 UniGame 缓解理解与生成表示冲突，显著提升一致性与鲁棒性。
- 共享 token 接口轻量扰动，让生成分支主动挑战脆弱理解
- 一致性约 +4.6%，理解、GenEval 生成及 OOD/对抗鲁棒性同步提升
- 架构无关、参数增量 <1%，可叠加现有后训练
🦾具身智能P1 顶会CVPR 2026
从 POMDP 视角用循环 belief 与 AVA 动态重加权视觉 token，LIBERO/CALVIN 与双臂真机 SOTA。
- 将 VLA 学习表述为 POMDP，动作用近似任务历史的循环状态条件化
- 主动视觉注意力结合指令与执行历史聚焦关键区域
- 标准仿真基准与真机双臂任务验证时序 grounded 视觉处理有效
🧩统一多模态P1 顶会CVPR 2026
在统一模型中将布局坐标嵌入语言提示，实现多实例布局可控生成并配套 ConsistCompose3M 数据。
- 提出 LELG 范式：实例坐标绑定提示与坐标感知 CFG 实现空间控制
- 发布 3.4M 带布局与身份标注的多实例生成数据集 ConsistCompose3M
- 在 COCO-Position 与 MS-Bench 上显著提升布局精度并保持身份一致
🦾具身智能P1 顶会ICML 2026
MoH 并行多 horizon 动作段并融合，兼顾 VLA 长期预见与细粒度控制。
- 实证揭示单一 action chunk horizon 的全局与局部精度权衡
- 共享 action transformer 并行多 horizon，线性门融合输出
- 动态跨 horizon 共识推理，仿真与真机一致增益
👁️VLMP1 顶会ECCV 2026
以道路标线为核心构建 BEV/FPV 八项任务基准，揭示主流 MLLM 在城市细粒度空间推理上的不足。
- 提出含 3040 例人工校验用例的 RoadBench，覆盖五城道路场景
- 系统评估识别、联合理解与全局推理及领域知识融合能力
- 评测 20 个主流 MLLM，部分任务表现低于规则或随机基线
🦾具身智能P1 顶会AAAI 2026
提出 ORS3D 任务与 GRANT 具身 MLLM，融合运筹学与 3D 接地以最小化总完成时间。
- 定义需语言、3D 接地与并行效率的 ORS3D 调度任务
- 构建 4K 场景、60K 复合任务的 ORS3D-60K 数据集
- GRANT 用调度 token 生成高效日程与接地动作
💬LLMP1 顶会ICML 2026
ThreadWeaver 在六项数学推理基准上接近顺序推理精度，token 延迟最高约 1.53 倍加速。
- 两阶段并行轨迹生成器，构造高质量并行 CoT 监督微调数据
- Trie 式 rollout，在现成自回归推理引擎上实现并行推理
- 并行化感知强化学习，权衡推理精度与并行效率
👁️VLMP1 顶会CVPR 2026
多策略智能体协作生成与 refine 工具调用，MARL 联合优化，八基准视频理解 SOTA。
- 协作策略规划：策略生成、执行与中途通信三阶段
- MARL 结合最终奖励与中间协作反馈联合优化智能体团队
- 四任务八基准领先，LongVideoBench 显著优于强基线
🧊3D 生成P1 顶会CVPR 2026
解决图像与网格拓扑不一致时的服装 PBR 纹理生成，含仿真数据集与多视角迭代烘焙。
- 构建 3D Garment Videos 数据集支持跨姿态纹理学习
- 结合 Nano Banana 做非等距图像编辑实现跨拓扑纹理生成
- 不确定性引导视角选择与迭代烘焙融合多视角为无缝 PBR 材质
💬LLMP1 顶会ICLR 2026
扩散语言模型波前动态解码，从已定 token 向外扩展活跃区，提升推理语义连贯。
- 剖析 Standard/Block Diffusion 过早 EOS 与语义单元割裂问题
- 波前自适应扩展活跃 token，计算量与块解码相当
- 推理与代码生成四基准 SOTA，语义保真更高
👁️VLMP1 顶会AAAI 2026
发布路侧交通 VQA 数据集，并以 CAF 融合与 AD-CoT 提升 MLLM 交通推理与效率。
- 构建 34736 组路侧 QA，覆盖意图、合法性与交互等推理维度
- 提出 CogniAnchor Fusion 与 Assisted Decoupled Chain-of-Thought
- RoadMind 在 RoadSceneVQA 与 CODA-LM 上取得领先结构与推理表现
👁️VLMP1 顶会ECCV 2026
提出前瞻 VQA 数据集 FSU-QA，系统评测 VLM 前瞻推理并用其评估世界模型预测语义一致性。
- 定义前瞻智能并发布 FSU-QA 以激发与评测未来事件推理
- 首次全面评测 SOTA VLM 在前瞻任务上的不足与世界模型输出
- FSU-QA 微调的小 VLM 可显著超越更大模型，验证数据集有效性
👁️VLMP1 顶会ECCV 2026
单 MLLM 以原则引导自反思迭代详述，课程 DPO 内化后保持效率并达 VDC SOTA。
- 无需人工标注或闭源蒸馏的 VDC 自主进化框架
- VDC-Agent-19K 偏好数据与课程 DPO 内化反思能力
- VDC、DREAM-1K 上细节与忠实度领先且推理开销不变
👁️VLMP1 顶会CVPR 2026
在冻结投影器上加入正弦调制可训练参数，改善遗忘时 Jacobian 条件数，减少良性拒答。
- 指出遗忘过程中投影器 Jacobian 病态导致跨模态嵌入漂移
- 提出 SineProject 以极低开销稳定 unlearning 期间的对齐
- 在 LLaVA v1.5 安全与隐私遗忘基准上改善 forget-retain 权衡
👁️VLMP1 顶会ACL 2026
MSU-Bench 覆盖 ABC 文本与 PDF 视觉乐谱，四级难度评估 LLM/VLM 整谱理解。
- 1800 人工 QA 对，难度从 onset 到织体与曲式
- 15+ 模型零样本与微调评测揭示模态差距与层级不稳
- 微调大幅提升乐谱理解且保留通用知识
👁️VLMP1 顶会AAAI 2026
用专家提示池与图像门控 VGMoP，动态组合正常/异常语义基元，提升零样本异常检测泛化。
- 将提示学习改为可组合专家提示基与 MoE 动态聚合
- 提出 Visually-Guided Mixture of Prompt 生成实例级文本表示
- 在 15 个工业与医学数据集上达到领先零样本异常检测性能
👁️VLMP1 顶会CVPR 2026
从数据视角为 CLIP continual pre-training 设计效用打分，少量数据逼近全量 CPT 效果。
- 整合曲率对齐、InfoNCE 可扩展估计与 retention 权重三因素选样
- 理论给出代理与全参数对齐相关下界及 JL 草图偏差方差刻画
- 17 项医学基准 SOTA 选样，约 30% 数据匹配全量 CPT、10% 超半量 CPT
👁️VLMP1 顶会AAAI 2026
形式化 HOTD 并发布 HOTD-Bench 与 CMAST 多智能体搜索树，在开放未来场景发现减人力任务。
- 提出 Human-centric Open-future Task Discovery 问题形式化
- HOTD-Bench 含 2K+ 真实视频与面向开集未来的仿真评测协议
- CMAST 在基准上显著优于现有 LMM 且可与之集成提效
💬LLMP1 顶会NeurIPS 2025
日球物理推理 QA 数据集与单位感知程序化评分，比较多智能体科学工作流。
- 基于 NASA/UCAR 问题集的结构化 QA 与推理步骤标注
- 单位容忍、符号等价与 schema 的程序化 grader
- 系统工程式分解在演绎推理上优于单轮直接提示