Humanoid Badminton: Learning Dynamic Racket Skills from Limited Human Motion Data（在新窗口打开）
三阶段分层强化学习使人形机器人在真机上实现与人类的多技能羽毛球对打。
- 任务随机化动作增广将稀疏击球标注扩展为连续潜在技能空间
- 高层规划器根据球路在线输出潜在技能码组合击球
- 上下文条件对抗正则使规划层技能使用更自然且保持回球表现
前沿论文
14 大方向 · 三级优先筛选 · 每日更新
最近更新：2026-10-16 13:30
2026-09-29 周二共 25 篇：生成 1 · 代码生成 0 · 智能体 1 · 世界模型与具身 3 · 理解 6 · 音频 4 · 基础模型 10
- 生成
- 文生图 0图编辑 0视频生成 03D 生成 1
- 代码生成
- Visual2Code 03D2Code 0
- 智能体
- GUI Agent 1
- 世界模型与具身
- 世界模型 1具身智能 2
- 理解
- VLM 5OCR 1
- 音频
- 音频 4
- 基础模型
- LLM 10统一多模态 0
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 25 篇
Why Deterministic PRM Guidance Underperforms in Discrete Diffusion Reasoning（在新窗口打开）
在同等前向预算下，离散扩散语言模型用 PRM 逐步剪枝不如独立采样加 ORM 重排。
- 统一计入去噪、PRM 与 ORM 的前向次数后，确定性 PRM 引导弱于简单 ORM 基线
- 归因于早期掩码下 PRM 信号弱及最终态上 PRM 判别差，并给出保留候选与终态验证两条改进方向
- 发布带结果标签的去噪状态语料与匹配算力的评测工具包
Solving Every Step Is Not Enough: Milestone Oracles Reveal a Composition Gap in LLM Math Reasoning（在新窗口打开）
OracleLadder 诊断显示各模型最大失败类型为组合鸿沟，占问题约三分之一至近半。
- 提出 OracleLadder，用递增 oracle 帮助定位多步数学推理失败位置
- 将失败分为五类，组合鸿沟为各模型最大缺口
- 在 MATH500、AIME 及代码生成上验证路线图效应可复现
ScreenHaystack: Finding Blind Zones in GUI Grounding（在新窗口打开）
动态 needle-in-a-haystack 基准揭示主流 GUI grounding 模型存在空间盲区，并提出盲区定向增广。
- ScreenHaystack 系统 relocation 目标以评测空间 grounding 可靠性
- 发现 Qwen3-VL 等模型存在可迁移至 ScreenSpot-Pro 的盲区
- 证明训练数据空间覆盖不均可诱发盲区，盲区定向增广可提升精度
TriO: Tri-Modal Unsupervised Occupancy World Model for Anything Perception（在新窗口打开）
相机、LiDAR 与 RADAR 三模态自监督预测 4D 占用与流，在多项 3D/4D 任务上达 SOTA。
- 三模态输入与自监督，无需额外人工标注
- 可分割任意占用体，缓解开放集长尾物体局限
- 在占用、流、LiDAR 预测及零样本路障分割上表现领先
Agentic Multi-Turn Reasoning: A Fairness Approach（在新窗口打开）
提出 Fair-MPO 偏好优化框架，缓解智能体学习中的长程信用分配与数据不平衡问题。
- 将 Multi-Level Preference Optimization 用于长程 agentic 推理
- 提出 Fair Multi-Level Objective 应对数据分布失衡
- 理论分析并验证在 agentic 推理基准上达到 SOTA
DirectUV: Image-Conditioned UV Texture Generation with Surface-Aware Positional Encoding（在新窗口打开）
在预训练 VAE 的 UV latent 上做扩散，SAPE 用 3D 表面坐标驱动注意力，提升接缝与遮挡区一致性。
- 图像条件 UV latent 扩散框架 DirectUV，单图与粗 UV 图即可去噪生成纹理
- SAPE 用 UV-表面对应的 3D 坐标替代网格位置编码以跨岛连贯
- 多级注意力头在不同粒度细分同一 latent patch 的表面结构
Handwritten Text Recognition Lives in the High-Pixel Variance Subspace（在新窗口打开）
手写识别判别信息集中在像素高方差方向，像素重建式自监督预训练全面优于对比学习。
- 论证 HTR 与自然图像分类在像素空间判别信号位置不同，高方差方向承载主要信息
- 六种 SSL 族在六套五语手写基准上系统对比，像素 grounded 方法 CER 最优且更省标注
- 编码器与高方差子空间对齐程度可预测各方法 CER；配合预训练 LLM 解码器竞争力强
LLM Alignment--Utility Asymmetry under Semantic-Preserving Transformations（在新窗口打开）
规则化语义保持变换探测显示：任务效用可基本保留而对齐失败率陡增。
- 用可逆、规则化语义保持变换探测对齐泛化而非仅攻击场景
- 归纳对齐—效用不对称：有效利用变换输入后有害率升而效用降有限
- 覆盖多个开源与商用模型及微调与上下文学习设定
DuraS2ST: Chain-of-Thought and Reinforcement Learning for Duration-Aligned Speech-to-Speech Translation（在新窗口打开）
单语音语言模型先 CoT 规划措辞与音长再合成，RL 用时长边际奖励平衡翻译与时长一致。
- 时长对齐推理：显式 CoT 规划后再生成 speech tokens
- 构建 DuraSet-440K 时长对齐 CoT 语料做监督初始化
- Duration Margin Reward 与 Modality-Aware Reward Attribution 做 RL 优化
DGS-MLDG: Domain Gradient Surgery Guided Meta-Learning for Domain Generalization in Speech Deepfake Detection（在新窗口打开）
用域梯度手术解决 MLDG 中 meta-train 与 meta-test 梯度冲突，提升跨域 deepfake 检测。
- DGS 通过非对称投影消除 meta-test 梯度中的破坏性分量
- 提出层-wise LW-DGS，仅干预易冲突层
- 在挑战性基准上相对 EER 平均降低约 5.29% 与 4.04%
Rewarding Novel Deductions: Solver-guided Process Supervision for Logical Reasoning（在新窗口打开）
SPRING 用 SMT 验证中间推理步并奖励逻辑有效且非冗余的 novel step，强化小模型多步逻辑推理。
- 定义 novel reasoning step 并用 solver 在训练时做过程级验证
- 过程奖励鼓励有效新推导、惩罚矛盾与无信息步骤
- ZebraLogic、AR-LSAT、Knights and Knaves 上 consistently 优于 outcome-only 与 Logic-LM
Rethinking Personalized Generation: Test-Time Alignment via Factorized Ranking Models（在新窗口打开）
用百万参数 MLP 排序模型做测试时个性化对齐，九数据集上优于十亿参数通用奖励模型。
- 实证表明个性化生成存在大量测试时对齐未开发空间，且更适合 BoN 式候选匹配
- 提出复用生成器内部嵌入的轻量个性化排序模型，训练细粒度偏好以高效打分候选池
- 九数据集三种个性化设置下，参数与打分延迟远低于通用 RM 仍全面更优
Multimodal LLMs Outperform Pathology Foundation Models in Cross-Domain Histological Similarity（在新窗口打开）
通用 MLLM 在跨机构组织相似性判断上优于专用病理编码器，并发布 MOSAIC 基准。
- 发布 MOSAIC 相对相似性跨域评测框架
- 揭示病理编码器常将同机构不同病视为更相似的危险失败模式
- 表明 MLLM 更依赖形态语义比较，适合跨机构检索与质控
SceneScaffold: Active Scene-State Construction for Unified 3D Scene Understanding（在新窗口打开）
将 3D 视觉瓶颈改为主动场景脚手架，在语言推理前组织实体、空间与关系状态。
- 提出 SceneScaffold，用角色化空间脚手架替代被动压缩
- 划分 entity、scene-frame、relation 与 global 等场景状态组件
- 在 3D grounding、QA 与 dense captioning 上验证有效性
Domain-Adaptive Dual-Gating Mixture of Experts for Generalizable Speech Deepfake Detection（在新窗口打开）
DADGMoE 双门控融合波形与 SSL 表征，用域原型路由专家，提升未见攻击与声学条件泛化。
- 双门控同时利用 Sinc 滤波低层声学与大 SSL 高层表示
- 域原型引导专家路由以捕获隐式 deepfake 模式
- 跨数据集基准上相对 EER 最高降约 40.8%
OSPD: On-Policy Self-Distillation for Persona-Consistent Dialogue（在新窗口打开）
同模型作师生、不对称人设信息下的 on-policy 自蒸馏，提升多轮角色扮演一致性。
- 提出 OSPD：教师见完整人设、学生仅见摘要，学生从自身策略采样轨迹
- 角色感知散度切换匹配对话 token 置信度的双峰结构
- 渐进 trait masking 课程分阶段内化角色知识
Commutator Memory: Sparse, Path-Local Reading and Steering in Language Models（在新窗口打开）
训练顺序非交换性在权重中留下可投影到词表的 commutator 记忆，可定位并干预顺序差异。
- 用 Lie bracket 刻画一步 SGD 下 AB/BA 训练顺序的权重差 leading order
- commutator 投影在 top token 上高度局部且因果可干预 gap
- 权重差在 bracket 上投影可区分训练顺序；覆盖 SFT、DPO、GRPO 等设定
Probing Large Audio-Language Models for Compositional Understanding of Sounding Actions（在新窗口打开）
基准系统检验 LALM 能否仅从原子声学事件组合推断更高层人类活动，揭示当前模型不可靠。
- 提出评估 LALM 从细粒度事件到活动级组合推理的原则性框架
- 通过典型性与干扰相似度变化暴露组合推断能力缺口
- 公开数据、分类体系与评测脚本供音频-语言组合理解研究
FOCUS: Benchmarking Retinal Model Generalization from Foundation Vision Encoders to Multimodal LLMs（在新窗口打开）
FOCUS 在十套眼底数据集上统一评测 VM、VLM 与 MLLM 的排序、校准与亚组公平性。
- 构建跨数据集 FOCUS 基准，涵盖 DR 与青光眼等多任务与地理多样性
- 大规模评测 532 基座与 228 MLLM LoRA 配置
- 显示无单一模型族全面占优，域外迁移与校准表现异质
THEIA: A Multimodal Dataset and Benchmark for Vision-Language Analysis of Layout（在新窗口打开）
数千布局图与问答对话数据集，微调 VLM 分析模拟 IC GDSII 布局，域内显著优于通用 VLM。
- 发布 THEIA：模拟电路布局图像与问答的大规模数据集
- 基准用微调 VLM 将 GDSII 布局作为可查询的物理实体
- 五类真实任务上较 SOTA 通用 VLM 最高约 73% 相对优势
Bayesian Active Learning for Intent Disambiguation in Interactive Robot Planning（在新窗口打开）
将澄清问句建模为 grounded STL 上的主动学习，贝叶斯选问句后形式规划器合成可验证轨迹。
- LLM 初始化 STL 候选并将对比转为自然语言澄清问题
- 贝叶斯优化估计意图并最大化信息增益选问
- 四域仿真与真实任务上任务满足更高、澄清轮次更少
AgentHop: A Diagnostic Benchmark for Agentic Multi-Hop Scientific Question Answering（在新窗口打开）
1011 道选择题与七工具沙箱，沿检索、综合、工具调用与资源四维拆解 Agent 失败模式。
- 发布固定 token/轮次/工具约束下的诊断型 Agent 基准 AgentHop
- 将准确率分解为检索、综合、工具调用、资源管理四轴
- 揭示不同模型家族在工具调用与多步推理上的行为聚类与指纹
Beyond Selection: Token Parameterization for Extreme Visual Token Compression（在新窗口打开）
Braco 四步轻量编码器在 23–64× 压缩下兼顾可压缩性与可学习性，144× 仍具竞争力。
- 从 token 参数化分离基变换截断与坐标组织，形式化 compressibility/learnability
- 设计 Braco：截断、基坐标嵌入、正交重参数化与池化残差 token
- 极端预算下更高精度-效率前沿，压缩器延迟/FLOPs 显著低于 prior
Business Compromise Detection with Agentic AI and LLM-driven Knowledge Discovery（在新窗口打开）
LLM Agent 作调查员输出结构化信号，神经符号裁决层替代其终判以提升精度。
- 发现自主 Agent 高召回但终判不可靠，采用裁决替代架构
- FOIL-IE 发现符号规则、朴素贝叶斯校准与矛盾层组成裁决栈
- 在专家标注数据上 MCC 与 precision 显著提升
没有符合条件的论文。