每日论文 2026-09-14 · PolySight

2026-09-14 周一共 5 篇：生成 1 · 代码生成 0 · 智能体 0 · 世界模型与具身 0 · 理解 0 · 音频 0 · 基础模型 4

生成: 文生图 1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 0
理解: VLM 0OCR 0
音频: 音频 0
基础模型: LLM 4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

LLMP1 顶会EMNLP 2026

GAUGE: When Not to Trust LLM-as-a-Judge in User-Simulated Evaluation of Task-Oriented Agents（在新窗口打开）

提出 GAUGE 协议，揭示 LLM 用户仿真+Judge 门控与可验证奖励错位及近邻 Agent 分辨力不足。

可复用离线协议 GAUGE，分离排序有效性与构念有效性
满意度与任务成功几乎无关，盲评满意对话中多数仍任务失败
提出 calibrate-then-trust，用无 Judge 完成位作截断回归零成本检测

LLMP1 顶会EMNLP 2026

ParaRecover: A Process-Level Benchmark for Error Localization and Recovery in Parallel Tool-Use Agents（在新窗口打开）

发布多轮并行工具调用 Agent 的过程级评测集与 SDE 量表，聚焦错因定位与恢复。

ParaRecover：14 类错误的定位与恢复基准，万余实例两档难度
SDE 量表评估结构完整性、诊断推理与演化策略
显示 SOTA 仍难应对错误传播，SDE 可作恢复能力监督信号

文生图P1 顶会ICML 2026

UFO: Chain-of-Evaluation for Omni-Condition Alignment in Multi-Modal Image Generation（在新窗口打开）

首个全条件同时对齐评测框架 UFO，原子化评测链与人评偏好相关性显著提升。

UFO：全条件同时对齐的统一评测与 Atomized Chain-of-Evaluation
AEU 分解与模态相关类别，分类型功能调用验证
UFO-Bench 评测主体驱动定制中图文条件交互

LLMP1 顶会EMNLP 2026

LifeMem: Enabling Lifelong Experience Reuse for LLM Agents（在新窗口打开）

终身学习框架 LifeMem 聚类轨迹抽技能，跨环境回忆以减遗忘并促迁移。

LifeMem：跨多环境迁移可复用技能的终身 Agent 框架
学习期按工作流聚类轨迹抽技能，推理期召回技能与轨迹
10 环境 13k+ 任务实验显示降遗忘与跨任务迁移优势

LLMP1 顶会INTERSPEECH 2026

I Am No One: Style-Aware Paraphrasing for Text Anonymization（在新窗口打开）

用 LLM 建风格画像并重写文本，在保义前提下显著降低作者归属识别风险。

风格感知、prompt 驱动的 LLM 匿名化框架
少量样本构建紧凑风格画像并抑制可识别风格标记
较 DP 等基线更好平衡匿名性与内容质量、可读性