每日论文 2026-09-09 · PolySight

2026-09-09 周三共 7 篇：生成 0 · 代码生成 0 · 智能体 0 · 世界模型与具身 1 · 理解 2 · 音频 1 · 基础模型 3

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 2OCR 0
音频: 音频 1
基础模型: LLM 3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EMNLP 2026

VEX-Bench: Benchmarking LLM Agents for Assessing Exploitability of Software Supply Chain Vulnerabilities（在新窗口打开）

首个评测 LLM 智能体判断上游漏洞在下游项目中是否可被利用的基准，含 75 例专家标注真实案例。

发布 VEX-Bench，覆盖 Python/Java/Go 供应链漏洞可利用性评估任务
区分零日检测与已知上游漏洞在下游的可利用性推理设定
九模型三智能体框架评测，揭示细粒度理由分类仍显著难于二分类

具身智能P1 顶会AAAI 2026

WorldAgen: Unified State-Action Prediction with Test-Time World Model Training（在新窗口打开）

VLA 共享骨干联合世界模型与动作头，测试时采样探索并轻量 TTT 更新世界模型以适配新环境。

统一框架同时学习世界建模与动作预测，Mixed Unidirectional Attention 分离两路头
测试时收集真实状态转移并对世界模型做 TTT，改善未见场景泛化
CALVIN、LIBERO 上基线可比 SOTA，少量样本 TTT 后超越现有 SOTA

LLMP1 顶会EMNLP 2026

ToolLoop: Closed-Loop Tool-Use Data Synthesis via Decomposed Generation and Dynamic Self-Feedback（在新窗口打开）

三阶段闭环合成工具调用数据，每阶段动态自反馈 refine，4B 模型 BFCL 非推理模式达 86.40%。

闭环框架：函数组合采样→反推用户 query→正推 tool call，逐阶段 generate-verify-refine
11K 合成样本训练 4B 模型，BFCL 与 ACEBench 上数据量远少于基线仍高准确率
Isolate 变体去除 BFCL 重叠函数仍保持相近性能，说明泛化性

VLMP1 顶会ECCV 2026

Eliciting Self-Verification in Multimodal Reasoning Agents with Reinforcement Learning（在新窗口打开）

SVRL 仅用 RL 微调多模态智能体，在推理链中自验证检索证据，小模型 VQA 与工具效率显著提升。

提出 SVRL：RL 训练智能体在推理轨迹内验证并过滤检索证据
引入搜索感知惩罚与查询多样性奖励，细化何时搜、搜什么
约 5000 条视觉 QA 微调 Qwen-2.5-VL-7B，多跳 VQA 泛化与工具效率一致提升

音频P1 顶会EMNLP 2026

Noise Adaptive Streaming Audio-Visual Speech Token Enhancement for Robust Full-Duplex Spoken Dialogue Models（在新窗口打开）

AV-STE 模块化前端从噪声音频与唇部视频恢复语义 speech token，下游 Moshi 全冻结仍显著提升对话连贯性。

提出流式视听前端 AV-STE，在 token 层修复 corrupted 语义语音 token
下游 speech LLM 完全冻结，避免昂贵多模态端到端再训练
同数据集说话人干扰下 GPT-4o 评判连贯性由 1.42 升至 1.91，并迁移至 Seamless Interaction

VLMP1 顶会EMNLP 2026

Canonical Color as a Lens into Concept Decodability in Vision Encoders and VLMs（在新窗口打开）

用物体规范色探测：灰度输入下规范色仍可线性解码且与物体身份相关，VLM 后训练显著改变编码器可解码性。

构建规范色物体数据集，对 color/grayscale 图像探测编码器中的颜色与身份信息
发现灰度图仍含可解码规范色，并与预测物体身份概念耦合
将分析扩展到完整 VLM，表明后训练对 vision encoder 颜色可解码性影响 surprisingly 大

LLMP1 顶会EMNLP 2026

PlannerForge: LLM Agents for Scenario-Based Testing of Motion Planners in Autonomous Driving（在新窗口打开）

LLM 智能体贯通场景生成到 ADS 评估全流程，并扩展增强与基准化阶段，多任务开源模型接近商业 API。

首个覆盖场景化测试全链路的统一 LLM-agent 框架 PlannerForge
十类 LLM、五种 prompt 条件下分任务评测，端到端保留约 83%/78% 种子查询
自然语言场景生成、检索与物理合法编辑等多项指标优于既有工具与基线