💬LLMP1 顶会AAAI 2026
用知识库检索替代过程奖励模型训练，结合 MCTS 与沙箱反馈评估并修正中间步骤，在四个代码基准上优于 SOTA 并约减 15% token。
- 提出 RPM-MCTS，以检索式过程奖励评估中间算法步骤
- 扩展阶段用相似度过滤去冗余节点，保证推理路径多样性
- 沙箱执行反馈定位错误步骤，支持生成过程中及时修正
🧊3D 生成P1 顶会SIGGRAPH Asia 2025
通过 3D 表示与监督、分辨率扩展及 linear transformer 等改进，提升单图到 3D 资产质量并达 SOTA。
- 改进 3D 表示与监督以缓解细节缺失与表面过平滑
- 分辨率 scaling 与 linear transformer 提升生成效率与质量
- 生成资产更易接入 3D 管线，实验验证各改进的协同效果
✏️图编辑P1 顶会ECCV 2026
免训练利用通用文生图模型做修复：线性近似关联初始噪声与输出，并在谱域用 Adam 优化初始噪声，优于现有免训练修复方法。
- 指出通用 T2I 做免训练修复的关键在于初始噪声优化
- 线性近似避免代价高的 unrolling 以关联噪声与模型输出
- 谱域预条件与 Adam 优化初始噪声，再接入常规免训练修复流程
🧾OCRP1 顶会AAAI 2026
单层内融合扩散框回归与自回归语义解码及多尺度编码器，在 DocLayNet 与 M6Doc 上达到 SOTA 级 mAP。
- 提出 HybriDLA，在同一层统一扩散与自回归解码预测区域
- 设计多尺度特征融合编码器兼顾细粒度与高层视觉线索
- 在 DocLayNet、M6Doc 上报告 83.5% mAP 并优于先前方法
👁️VLMP1 顶会ECCV 2026
提出 S-MLLMUn Bench 联合评测擦除与图像理解保持，SMFA 适配器实现 targeted 遗忘且不显著损害基础视觉能力。
- 引入 benign memory forgetting 目标：精确移除隐私知识并保留无关能力
- 发布 S-MLLMUn Bench，同时量化遗忘效果与图像理解保持
- 提出 SMFA：敏感输出拒答微调生成遗忘 adapter，并用 retaining anchor 掩码保护无关知识
🎨文生图P1 顶会CVPR 2026
单阶段像素空间 DiT 去掉 VAE，ImageNet 与文生图评测上接近或超越 latent 扩散模型。
- 提出 patch 级与 pixel 级双层 DiT，直接在像素空间端到端扩散训练
- ImageNet 256/512 上 FID 达 1.61/1.81，优于现有像素生成模型
- 扩展至文生图并在 1024² 像素空间预训练，GenEval/DPG-bench 表现接近最佳 latent 模型
🦾具身智能P1 顶会CVPR 2026
AFRO 无动作/重建监督地学习动态感知 3D 表示，配合 Diffusion Policy 显著提升仿真与真实操作成功率。
- 将状态预测建模为生成式扩散，在共享 latent 中联建模正逆动力学
- 特征差分与逆一致性监督减少动作学习中的特征泄漏
- 在 16 个仿真与 4 个真实任务上优于现有 3D 预训练并随数据规模扩展
🎨文生图P1 顶会ECCV 2026
提出免训练 PMA 机制，修正混合分辨率下 RoPE 注意力尺度不一致问题，在图像与视频扩散模型上提升画质与效率。
- 分析 RoPE 下跨分辨率 rescale 导致注意力周期错位的原因
- 提出 Phase-Aligned Mixed-Resolution Attention（PMA）统一 query-key 位置尺度
- 加入轻量边界 refinement 模块以改善分辨率过渡处局部一致性
🎧音频P1 顶会ICASSP 2026
免额外任务训练，基于预训练 ASR 与检索完成 MDD，在 L2-ARCTIC 上 F1 达 69.60%。
- 提出免训练 MDD 框架，依赖检索与预训练 ASR
- 避免音素级专用建模与过程奖励类复杂训练流程
- 在 L2-ARCTIC 上取得优于复杂训练方案的 F1 表现
👁️VLMP1 顶会CVPR 2026
利用注意力 Value 特征做局部语义对抗攻击，在多种 LVLM 上平均提升约 36% 攻击成功率。
- 发现 Value 特征较 patch token 更适合精确局部语义操控
- 提出 Self-Value Enhancement 与文本引导 Value 操控模块
- 在 LLaVA、InternVL、DeepSeek-VL、GPT-4o 等模型上系统验证
👁️VLMP1 顶会ICML 2026
研究语义感知劫持：提出 SAUP 与 SORT 优化，单帧 universal perturbation 可将输入路由至多个攻击目标，在代表 MLLM 上验证可行。
- 形式化 Semantic-Aware Hijacking 与 SAUP 语义路由式 universal perturbation
- 分析 latent 几何性质并提出 Semantic-Oriented（SORT）优化策略
- 构建细粒度语义标注数据集，在三类 MLLM 上展示多目标劫持可行性
👁️VLMP1 顶会NeurIPS 2025
模拟分子肿瘤板的多模态 longitudinal 肿瘤学基准，配套 agent 工具框架可提升多模态与时序推理表现。
- 发布经临床共建与标注验证的 MTB 风格 agentic 评测基准
- 揭示大模型在时序数据、多模态冲突与幻觉上的可靠性不足
- 提供基础模型工具增强框架，任务级多模态与时序增益最高约 9% 与 11.2%
👁️VLMP1 顶会CVPR 2026
沿几何、材质、纹理三轴构建首个类型特异性创造力奖励模型，LVLM 与人类判断对齐并用于评估与 LoRA 引导生成。
- 建立人类创造力基准并验证 LVLM 与人类感知的相关性
- 提出 CREward，覆盖 geometry、material、texture 三创造力轴
- 支持创造力评估、可解释分析与采样，并可 LoRA 引导创意生成
💬LLMP1 顶会ACL 2026
用判决锚定的自 refine 范式控制解释风格，在 LLaMA 系列上以少量样本达到 SOTA 并减轻不忠实幻觉。
- 提出 REFLEX：利用 backbone 与微调变体的自不一致信号构造 steering 向量
- 显式解耦事实与风格，缓解误导性解释风格
- 真实数据集与 in-the-wild 数据上验证可迁移性与判决准确性