🖥️GUI AgentP1 顶会EMNLP 2026
MaP 将多轮 GUI 交互建模为轨迹，用组件掩码预测统一导航任务目标，配合 role-aware adapter 缓解多任务混合训练冲突。
- Masked Trajectory Prediction 统一异构 GUI 导航优化目标
- role-aware adapter 动态路由 token 到专用表示空间
- 五个 GUI 导航基准上显著优于直接混合训练
💬LLMP1 顶会EMNLP 2026
提出受治理的交付平面基准，评测 Agent 能否可靠完成十阶段后训练交付，并刻画“loss 降但模型未变好”的 TBDL 失败。
- 定义 PTaaS 场景下 Agent 作为 FDE 的可信交付评测问题
- 十阶段 oracle 打分与验收门、腐败检测器应对 TBDL
- 四类前沿 Agent 与人工 FDE 在统一 oracle 下端到端对比
🎧音频P1 顶会INTERSPEECH 2026
用可学习 unconditional embedding 替代 TTS 中固定 null 向量，主客观评测在相似度、稳定性与表现力上优于固定空嵌入。
- 提出可优化 null embedding 表示有意义无条件状态
- 更大 guidance scale 下更鲁棒
- 各 conditioning 模态独立 unconditional 嵌入实现细粒度说话人与文本引导
👁️VLMP1 顶会EMNLP 2026
提出 STD 分阶段剪枝：浅层保边缘、中层保空间连贯、深层稳定期再剪，在 LLaVA 上高剪枝率仍优于 SOTA。
- 分析浅层边缘检测与深层语义聚合导致的浅层剪枝退化
- STD：高频谱浅层、高斯平滑注意力中层、稳定性触发深层
- 训练无关即插即用，显著 prefilling 加速
💬LLMP1 顶会EMNLP 2026
五种 mechanistic 方法一致表明指令微调对冲突解析回路主要是门控/重加权而非替换，且 instruct 模型更倾向参数记忆。
- 首个 base vs instruct 冲突回路 mechanistic 对比（三模型族）
- 晚层相同 head 高节点重叠，行为上更拒 terse 反事实上下文
- 框架化时 skepticism 消失，解释 base 校准工具可迁移 instruct
🎧音频P1 顶会INTERSPEECH 2026
用二元语音活动信号约束配音合成时序，在保持自然韵律的同时精确对齐源片口的开合节奏。
- 以轻量 voice-activity 条件替代依赖视频唇动特征的配音合成方案
- 合成结果高精度跟随 VAD，并兼顾自然 prosody 与句内合理停顿
- 训练时随机 mask 该条件，推理时可选择强制或放松唇同步约束
💬LLMP1 顶会EMNLP 2026
为 FineWeb/FineWeb-2 全量文档与 277 个文化 NLP 基准建立统一文化-语言-区域轴，便于对比预训练语料与评测覆盖。
- FineWeb-CLaR 大规模 URL 区域与文化主题溯源标注
- 区域解析器为部分文档赋予非空区域标签
- Locale Topic Distributions 与基准侧同 taxonomy 对齐
🧩统一多模态P1 顶会SIGGRAPH Asia 2026
将多种 3D 部件分割统一为意图条件下的自回归语义分解，单模型覆盖文本、交互与可控粒度分解。
- 提出 PartLLM，把 3D 部件分割表述为意图条件的生成式语义分解
- 自回归生成部件语义 query，经分解感知解码器联合预测一致 mask
- 文本引导、交互与全形状多粒度分割在同一框架内完成
🎧音频P1 顶会INTERSPEECH 2026
审计六套语音数据集发现可测酷儿说话人占比极低，并给出 marginalized 社区数据采集与参与式价值观的张力 taxonomy。
- 六套多样语音数据集 LGBTQIA+ 说话人代表性审计
- 对比社区主导的两套语音科学数据集
- 描述 AI 语音数据采集与参与式方法冲突的张力分类
🎧音频P1 顶会INTERSPEECH 2026
以酷儿社区为案例，综述语音采集局限与参与式实践，提出含社区界定与参与模式的策展概念框架。
- 动机化 marginalized 社区参与式语音数据创建需求
- 梳理 queer 参与式 AI 与他 marginalized 语音采集先例
- 四要素重叠双向过程的概念框架