WASD: Wasserstein-based Knowledge Distillation for Large Language Models（在新窗口打开）
用嵌入代价矩阵的 Wasserstein/Sinkhorn 距离做 token 级语义对齐蒸馏，多模型多任务上稳定优于传统 KD。
- WASD 在词表分布对齐中显式利用 token embedding 语义信息
- Sinkhorn 散度与梯度等价目标，无需额外网络即可高效优化
- 在指令跟随、数学推理与代码生成等任务上验证一致增益
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
2026-10-07 周三共 10 篇：生成 2 · 代码生成 0 · 智能体 0 · 世界模型与具身 1 · 理解 1 · 音频 0 · 基础模型 6
- 生成
- 文生图 1图编辑 0视频生成 03D 生成 1
- 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 1OCR 0
- 音频
- 音频 0
- 基础模型
- LLM 6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 10 篇
Selective Critique for Cost-Aware LLM Agents in Long-Horizon Decision Making（在新窗口打开）
提出 SAG，用门控机制按步决定是否调用 critique，在 ALFWorld 等任务上兼顾成功率与 token 成本。
- 将 critique 调用建模为逐步决策，用全局熵与 top-2 间隔估计 VoI
- 训练无关的轻量门控，仅在预期收益覆盖成本时调用反馈
- 在线自举让 actor 内化 critic 行为，逐步降低对 critique 依赖
OntoPlan: An Ontology-Grounded Scene Representation and Agentic Framework for Scalable Robot Task Planning（在新窗口打开）
本体对齐的对象、空间与关系符号表示配合 OntoPlan Agent，在多规模室内任务上成功率与 token 效率显著优于基线。
- 本体 grounded 场景表示，统一空间推理与任务规划词汇
- Agent 框架：理解指令、选择性检索、形式化目标约束并输出可执行计划
- 对歧义或不可行指令追问或报告信息不足，而非强行规划
Disentangling Dual Image References in Frequency Aware Diffusion Models for Personalized Generation（在新窗口打开）
Dual-FDM 在频域用 mask 解耦定制参考与风格/颜色参考，同时处理定制风格迁移与颜色风格迁移。
- 针对双参考个性化生成，在频域解耦 hybrid 频段导致的文本-背景/前景错配
- 定制风格迁移：用定制参考前景中频替换风格参考背景中频
- 颜色风格迁移：用颜色参考低频替换风格参考背景低频并参与重建
ElasticFit: Fit-Aware 3D Object Insertion via VLM Reasoning and Generative Adaptation（在新窗口打开）
VLM 推断贴合约束并生成场景条件物体，再 3D 重建与几何拟合，提升空间关系与支持成功率。
- 场景 grounded 表示，将 VLM 推理转为位置、体积、朝向与适配模式约束
- 生成场景条件物体先验、3D 重建并按模式拟合网格
- 碰撞避免、接触一致与物理 grounding 下的 generative make-it-fit 插入
MedZERO: Self-Evolving Agents for Open-Ended Medical Reasoning Through Controlled Knowledge Accumulation（在新窗口打开）
Examiner 出题、Reasoner 多轮证据推理，受控累积临时与持久知识，在五个医疗基准上优于自进化基线。
- 面向开放式、部分可验证医疗推理的自进化框架 MedZERO
- Examiner 与 Reasoner 配合外部知识工具的多轮证据推理
- controlled knowledge accumulation 区分探索性与 curated 持久知识
Foresight-over-Graph: Reasoning Beyond Local Horizons for Knowledge Base Question Answering（在新窗口打开）
提出 FoG 前瞻式证据检索框架，缓解 KBQA 中逐跳剪枝的短视问题，在 CWQ 等基准上达 SOTA。
- 针对 hop 级贪心/束搜索易丢弃关键分支，提出远到近反馈的路径探索
- 迭代构建问题相关证据子图并维护紧凑记忆子图以延续探索
- 在常用 KBQA 基准上 SOTA，CWQ Hit 提升 16.58%，并减少 LLM 调用与 token
Cite What You Explore: Budget-Aware LLM Reasoning over Medical KGs with Verifiable Evidence（在新窗口打开）
BAR 在质量标注的证据图上 plan-navigate-verify，兼顾预算、引用精度与 MIMIC 上风险预测表现。
- 将原始 KG 精炼为带支持分与出处的疾病特异证据图
- LLM 在预算下分解问题、检索证据并验证修订的推理环
- 用含证据对比、获取成本与引用完整性的奖励训练推理策略
The Labeling Problem in Hallucination Detection Benchmarks: An Empirical Evaluation（在新窗口打开）
系统比较 QA 幻觉自动标注策略，揭示参考忠实 vs 事实正确准则错配及与人标的大量分歧。
- 区分 reference faithfulness 与 factual correctness 两类评测准则
- 900 人标 QA 对上评估词法、NLI 与多种 LLM judge 标注策略
- 指出 prompt 目标设定 strongly 影响自动标签及假阳性偏向
Ariadne's Thread of LipSync: Unraveling Forgeries via Inconsistency between Lip Motions and Head Poses（在新窗口打开）
提出 LipDA，联合 LipSync 伪造检测与生成源归因，利用唇—头生物耦合不一致，检测与归因准确率约 97%。
- 提出 LipDA，统一 LipSync 检测与模型归因
- 对比真伪视频中唇动与位姿特征量化不一致以检测伪造
- 用时序动态与音画同步指纹做源追踪，并发布 LipSync-A 数据集
没有符合条件的论文。