每日论文 2025-12-05 · PolySight

2025-12-05 周五共 5 篇：生成 2 · 代码生成 0 · 智能体 0 · 世界模型与具身 0 · 理解 0 · 音频 1 · 基础模型 2

生成: 文生图 1图编辑 0视频生成 03D 生成 1
代码生成: Visual2Code 03D2Code 0
智能体: GUI Agent 0
世界模型与具身: 世界模型 0具身智能 0
理解: VLM 0OCR 0
音频: 音频 1
基础模型: LLM 2统一多模态 0

前一天后一天

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 5 篇

3D 生成P1 顶会CVPR 2026

Order Matters: 3D Shape Generation from Sequential VR Sketches（在新窗口打开）

提出 VRSketch2Shape 与数据集，利用笔画时序的 order-aware 编码与扩散 3D 生成，几何保真优于先前草图到形状方法。

首个从顺序 VR 草图生成 3D 形状的框架与多类数据集
自动化 pipeline 生成顺序 VR 草图及 2 万+ 合成与 900 手绘配对数据
order-aware sketch 编码器配合扩散式 3D 生成，合成到真实与部分草图泛化良好

LLMP1 顶会ICLR 2026

Learning to Orchestrate Agents in Natural Language with the Conductor（在新窗口打开）

以强化学习训练 Conductor，自动设计多 LLM 通信拓扑与针对性提示，在 LiveCodeBench、GPQA 等推理任务上超越单一模型。

提出经 RL 训练的 Conductor，端到端最大化奖励以涌现协作策略
同时学习 agent 间通信拓扑与面向 worker 的 prompt engineering
随机 agent 池训练，可适配任意开源/闭源组合并支持递归拓扑与测试时扩展

音频P1 顶会ICASSP 2026

RRPO: Robust Reward Policy Optimization for LLM-based Emotional TTS（在新窗口打开）

针对可微 RL 情感 TTS 中的 reward hacking，用混合正则构建更对齐听感的 RM，提升情感表现与自然度。

提出 RRPO，用混合正则使奖励信号更可靠对齐人类感知
缓解策略通过声学伪影刷分，促使其学习真实情感特征
消融显示 RM 鲁棒性，主观评测优于基线且具跨语言泛化

文生图P1 顶会NeurIPS 2025

Value Gradient Guidance for Flow Matching Alignment（在新窗口打开）

基于最优控制提出 VGG-Flow，用价值函数梯度匹配微调 flow matching，在 Stable Diffusion 3 上实现高效且保先验的人类偏好对齐。

将最优控制理论用于 flow matching 与人类偏好对齐
最优速度场差分与价值函数梯度场匹配，并启发式初始化价值函数以快速适配
在 SD3 上于有限算力下实现有效且保留预训练先验的对齐微调

LLMP1 顶会ICML 2026

When AI Agents Compete for Jobs: Strategic Capabilities and Economic Dynamics of AI Labour Markets（在新窗口打开）

构建 AI-Work 模拟零工市场，研究 LLM 智能体在竞争下的元认知、竞争意识与长期规划等能力与收益关系。

提出 AI-Work 可 tractable 的 LLM 智能体抢单与技能演化仿真环境
分析元认知、竞争意识、长期战略规划三类能力与利润和份额的关联
为纯 AI 劳动力市场的微观经济性质与智能体战略推理提供概念框架