💬LLMP1 顶会AAAI 2026
按子问题难度在 System 1/2 间选择性分配测试时算力，在 AIME25 等任务上显著提准并降算力。
- 指出均匀 test-time scaling 在难易子问题上分配不当的瓶颈
- 提出 SCALE：分解、难度评估、选择性处理与顺序执行四阶段框架
- 相对均匀基线最高约 +13.75 点准确率，计算成本降 33%–53%
🧊3D 生成P1 顶会CVPR 2026
提出物理引导的 flow matching 与 SP-VAE，交替做速度更新与物理 refine，提升形状真实性与物理合理性。
- 统一物理约束的三维形状生成流水线，面向工业设计
- 交替 velocity 更新与 physics refinement，并加入 physics-aware 正则
- SP-VAE 联合编码形状与物理信息，三基准上超越仅视觉 plausible 的生成
🧾OCRP1 顶会CVPR 2026
基于 GRPO 与问答奖励，从无标注表格图自监督微调 VLM，开源 TRivia-3B 在主流 TR 基准上领先。
- TRivia 自监督微调，无需标注即可从 wild 表格图像学习 TR
- 注意力引导多样化问答与识别结果闭环作为奖励
- 发布 TRivia-3B，在三个 popular TR 基准上超越现有系统
💬LLMP1 顶会ICLR 2026
将 CoT 视为梯度下降过程，提出 RePro 过程级奖励并入 RLVR，缓解 overthinking 并提升数学、科学与代码推理。
- 用优化 lens 分析 long-CoT，将每步推理视为向解更新的梯度步
- 提出 RePro，用强度与稳定性双评分构造过程级 surrogate 目标
- 在多种 RL 算法与 LLM 上 consistently 提升推理并减轻次优推理行为
🌍世界模型P1 顶会ICLR 2026
细胞级白盒模拟器，结合结构化生物知识与 LLM 推理，可解释地预测扰动级联并在药物扰动基准上表现领先。
- 提出 VCWorld，以 LLM 迭代推理实例化可解释的生物世界模型
- 数据高效地复现扰动诱导的信号级联并给出机制假设
- 药物扰动基准上预测性能 SOTA，推断通路与公开生物学证据一致
🧾OCRP1 顶会AAAI 2026
首次将 MDM 用于 STR，针对训练推理加噪不一致与过度自信提出改进，精度超 SOTA 自回归模型且仅需三步去噪。
- 首次将 Mask Diffusion 引入场景文字识别并分析 vanilla MDM 的精度与效率权衡
- 提出六种加噪策略缓解训练与推理的 noising gap
- 设计 token-replacement 噪声机制修正推理阶段过度自信的错误预测
🎨文生图P1 顶会CVPR 2026
可扩展多主体数据管线与 Pairwise Subject-Consistency Rewards 强化学习，提升多主体一致性与文本可控性。
- 用单主体生成模型构建高质量多主体训练数据的 scalable 管线
- 设计 Pairwise Subject-Consistency 与通用奖励并用于 RL 后训练
- 引入七子集三维度的多主体个性化评测基准
👁️VLMP1 顶会CVPR 2026
首个评估 MLLM 在流式视频中利用注视做时序与前瞻推理的基准，揭示模型与人类在注视引导理解上的显著差距。
- 发布 StreamGaze 基准，覆盖注视引导的过去、当下与前瞻流式视频任务
- 构建对齐第一视角视频与注视轨迹的 gaze-video QA 生成流水线
- 系统分析注视提示策略、推理行为与各任务失败模式
🦾具身智能P1 顶会AAAI 2026
在 flow matching 中引入等变性与加速正则，少样本下操纵任务表现 competitive 且推理采样显著更快。
- 证明各向同性高斯先验与等变速度网络下 flow matching 动作分布仍等变，提升数据效率
- 提出仅用条件轨迹可训练的加速 surrogate loss，加快动作采样
- 在多种机器人操纵基准上以有限数据达到 competitive 或更优性能
👁️VLMP1 顶会ICCV 2025
提出 PointCoT，用边界框与重渲染把图表推理与视觉定位对齐，并构建 ChartPoint 指令微调模型。
- 指出 MLLM 在图表元素与比例关系上 grounding 弱的问题
- 提出 PointCoT，在 CoT 中融入 reflective 交互与定位标注
- 构建 ChartPoint-SFT-62k 及 ChartPointQ2/2.5，多图表基准上优于 SOTA
🎧音频P1 顶会ICML 2026
提出 Q2D2，将特征对投影到六边形等二维网格量化，在保持重建质量的同时提高码本利用率与压缩效率。
- 提出 Two-Dimensional Quantization（Q2D2），用结构化 2D 网格隐式定义码本
- 在语音、通用音频与音乐上实现低 token 率、高码本利用率与 competitive 至更优的重建指标
- 通过消融验证几何量化设计对表示学习与压缩效率的作用
🦾具身智能P1 顶会CVPR 2026
将开放世界图像转为 3D 场景并用 VLM 生成可执行位姿与连贯观测，仅用合成数据训练的策略接近真实数据策略。
- 提出 IGen，从开放世界 2D 图像生成结构化 3D 场景与 SE(3) 末端执行器动作序列
- 利用 VLM 将任务指令转为高层计划并渲染时序一致的视觉观测
- 验证纯 IGen 合成数据训练的策略性能可比拟真实数据训练
💬LLMP1 顶会AAAI 2026
发布 MMQAKE 基准并提 Hybrid-DMKG，在知识编辑后于动态多模态 KG 上做可靠多跳推理。
- 提出 MMQAKE，评估多模态多跳链推理与视觉改写鲁棒性
- Hybrid-DMKG 基于 DMKG，LLM 分解子问题、多模态检索与双路径混合推理
- 在 MMQAKE 上显著优于现有 MKE 方法，更新知识后更准确稳健
💬LLMP1 顶会ICML 2026
提出需人机协作才可解的编程任务模板与统一 IDE 评测，人机协作通过率显著高于单独人类或 LLM。
- 定义 Collaboration-Necessary 问题模板，单独 LLM 或人类均难解但协作可解
- 从 45 模板动态实例化任务，提供标准化 IDE 与 450 任务可复现工具包
- 量化不同人机干预层级下协作收益，分析 co-reasoning partnership 现象
🌍世界模型P1 顶会CVPR 2026
用预训练视频 diffusion 提供视频级与帧级目标奖励，在 Meta-World 等环境无需手工设计 reward。
- 利用大规模预训练 video diffusion 的世界知识作为 RL 奖励信号
- 视频级 latent 对齐与 CLIP 帧级目标及 forward-backward 表示奖励
- Meta-World 与 Distracting Control Suite 上验证有效
👁️VLMP1 顶会AAAI 2026
针对 CLIP 弱监督分割中前景与背景过度激活，用跨模态原型对齐与超像素引导校正，在 VOC 与 COCO 上达领先 mIoU。
- 提出 Semantic and Spatial Rectification（SSR）缓解非目标前景与背景的 over-activation
- 语义层 Cross-Modal Prototype Alignment 增强跨模态对齐、减少类间重叠
- 空间层 Superpixel-Guided Correction 在亲和传播中过滤非目标区域干扰