每日论文 2025-12-08 · PolySight

2025-12-08 周一共 7 篇：生成 0 · 代码生成 0 · 智能体 0 · 世界模型与具身 1 · 理解 3 · 音频 1 · 基础模型 2

生成: 文生图 0图编辑 0视频生成 03D 生成 0
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 1
理解: VLM 3OCR 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 7 篇

LLMP1 顶会ICLR 2026

Whatever Remains Must Be True: Filtering Drives Reasoning in LLMs, Shaping Diversity（在新窗口打开）

从过滤错误答案后的显式目标分布出发，用 α-divergence 族在精度与多样性间插值，在 Lean 定理证明上覆盖—精度 Pareto 前沿 SOTA。

指出 RL 微调隐式 mode-seeking 反向 KL 导致推理多样性显著损失
以保留正确答案相对概率的过滤目标分布为起点，统一 prior 方法
通过 α-divergence 直接控制精度—多样性权衡，在覆盖轴优于既有方法

具身智能P1 顶会CVPR 2026

SIMPACT: Simulation-Enabled Action Planning using Vision-Language Models（在新窗口打开）

测试时从 RGB-D 构建物理仿真，让 VLM 在仿真回路中规划并 refine 动作，在五项真实操作任务上达到 SOTA。

提出无需额外训练的 SIMPACT，以仿真回路世界建模增强 VLM 物理推理
单次观测高效构建物理仿真，支持提议动作、 rollout 观察与迭代修正
在刚性体与可变形体等需细粒度物理推理的真实任务上验证有效性

VLMP1 顶会ICML 2026

MIND: Multi-rationale INtegrated Discriminative Reasoning Framework for Multi-modal Large Models（在新窗口打开）

提出 MIND 框架，使 MLLM 具备理解—反思—修正的主动判别推理，在多个公开数据集上达到 SOTA。

提出 RAD 范式，为多理由判别推理提供统一可扩展的数据基础
设计 P2CL 两阶段渐进修正学习，兼顾多理由正例学习与主动逻辑判别
提出 MCA 对比对齐，缓解多理由语义空间中的表示纠缠

VLMP1 顶会CVPR 2026

M4-RAG: A Massive-Scale Multilingual Multi-Cultural Multimodal RAG（在新窗口打开）

发布覆盖 42 语、80k+ 图像—问题对的 M4-RAG 基准，系统评估揭示 RAG 对大 VLM 常无效甚至降性能。

构建跨语言、方言与国家的 massive 多模态 RAG 评测基准与受控检索环境
系统评估显示 RAG 对小 VLM 稳定有益，但难以随模型规模扩展且可能损害大模型
跨语言实验表明非英语提示或检索上下文带来明显性能下降

音频P1 顶会ICLR 2026

Speech World Model: Causal State-Action Planning with Explicit Reasoning for Speech（在新窗口打开）

以世界模型视角将语音理解模块化为四模块因果图，在稀疏监督下支持反事实干预与可解释分析。

在潜在状态上学习前向动力学，建立认知状态搜索空间
四模块经因果图通信，由指令微调 LM 输出因果分析与用户回复
强调显式推理路径，提升语音理解透明度与可控性

VLMP1 顶会ICML 2026

ClinTutor-R1: Advancing Scalable and Robust One-to-Many Alignment in Clinical Socratic Education（在新窗口打开）

构建 ClinEdu 与 ClinTeach，提出面向临床一对多教学的视觉语言智能体 ClinTutor-R1，综合评测优于基线约 20% 以上。

引入 ClinEdu 多智能体教学仿真器，刻画群体教学动态
构建大规模苏格拉底式 ClinTeach 对话数据，并提出 ClinTutor-R1 视觉语言智能体
通过静态基准、交互评测、专家评估与 200 人用户研究验证一对多对齐与可扩展性

LLMP1 顶会AAAI 2026

Scaling and Transferability of Annealing Strategies in Large Language Model Training（在新窗口打开）

在 WSD 调度下改进退火预测框架，表明小模型可代理优化大模型退火比例，并在 Dense/MoE 上验证。

研究 LLM 训练中退火动力学在不同配置间的可迁移性
扩展框架纳入训练步数、峰值学习率与退火行为以高效优化学习率日程
实验表明最优退火比例存在一致模式，可在多种训练配置间迁移