17 大方向 · 三级优先筛选 · 每日更新
最近更新：2026-10-22 14:22
返回聚合视图本页要点由 AI 根据论文摘要生成，以原文为准。
共 163 篇
四阶段 agentic RL 与轨迹级持久执行基础设施使 SQLite SQL 调试可扩展训练，7B/14B 成功率接近 Claude-Opus-4.6 Agent。
提出 UniRAP，将语言指令映射为部件级接触几何与交互姿态，在指代表达分割、可供性 grounding 与交互姿态估计上表现领先。
多 Agent 深度研究以 dLLM 为骨干，固定脚手架下端到端约快 6 倍，dFast 分解进一步提速。
提出表格结构六特征分级与 STB 基准，LTEM 在精度接近 HTML 的同时 token 更省，无效响应少于 LaTeX。
提出 OmniSimulator 训练框架，用结构化行为推理与教师蒸馏让小 LLM 在短视频场景用户模拟上显著提升并可本地部署。
将全景方位视觉 warp 与上肢 yaw 逆变换耦合，Global Zoom 完成数最高，Focus+Context 更受主观偏好。
提出 UserSWE，用信息池约束的多轮动态用户模拟与每轮执行 grounded 判决评估仓库级修 bug，显示 Agent 排名随交互轮次变化。
多轮 Harbor 环境中用用户仿真与对话校验，评测 coding agent 应对迭代需求的能力。
向量环境感知全身控制器加局部 RL 专家，蒸馏为点云视觉策略，零样本迁移至野外多样场景与数百物体。
LiveAct 用 HAI 将多路异构控制绑定到对应视觉体，块级因果生成达约 17.70 FPS，多场景 agent 归因准确率高。
RegretBench 显示任务完成率高但备份意识低；BackUpper 在修改前自动保存状态，低成本高恢复度。
PAL 用高层 VLM 流式写入可执行 subtask_list，低层 VLA 执行，提升长程操作成功率。
Director/Critic 统一于 VLM 策略，E-GRPO 交替 RL 自进化，并贡献 40K 轨迹数据集 CineTraj。
系统研究虚拟世界 CPT 的数据量、多样性与模型规模，给出 scaling 规律并在 Minecraft 等基准上接近专精与前沿模型。
单目人类演示经语义对齐与数字表亲扩增为大量机器人演示，单视频训练的 VLA 可匹敌遥操作。
OnQ 结合 on-policy 蒸馏与 candidate-wise Dynamic KL，缓解固定响应监督的轨迹与分布失配，提升低比特长程推理。
模型自写多跳推理与多轮检索任务并用 GRPO 训练，无需外部语料即可提升长上下文推理。
用 LLM 策略按自然语言指定变化轴生成 K 条 prompt/编辑指令，GRPO 训练多样性奖励，冻结底模即可接入多种 T2I。
提出 TeachBack，用双向偏好学习同时优化 Teacher 如何教与 Student 如何学，在数学与逻辑推理上优于现有 OPSD 方法。
DiagSafe 用安全与有用性双维 rubric 做可解释安全评测，LLM-as-judge 与人类一致率达 95.34%。
预训练统一物理状态、语言对齐与像素重建的视觉编码器，冻结 token 在 LIBERO 策略与世界模型规划上表现领先。
AW-0 在混合 Transformer 中联合生成代码、未来视频与机器人动作，连接规划、预测与可复用技能执行。
112 项 XR 编码任务端到端评测 coding agent，最强 Pass@1 约 50.9%，暴露传感器生命周期与具身交互语义理解短板。
Director Task 显示先 elicit 视角报告会大幅改变后续动作，心智理论评测需配对基线。
提出 MAPS，用检索动量刻画推理轨迹上的查询意图演化，并以并行子查询检索缓解意图漂移，在六个 QA 基准上优于代表性 RAG。
诊断扩散 VGM 中 ego-motion 表征并用 delta-token 对齐 3D 基础模型，提升运动与几何一致性。
开源 CADRE 因果扩散表示自编码器族，系统研究交互世界模型应如何时空压缩以权衡延迟与质量。
发布 VerifierBench 与 V4V 审计，显示各模型生成的验证器常过严拒真解，自测难以发现格式与工具假设错误。
在仿真 G1 上系统比较重力、地形与 3D RFT 土壤训练及地月迁移，分析泛化与不对称性。
提出 cASR 等指标，系统对比紧凑 grounding VLM 与目标检测器在物理对抗补丁下的漏检模式与脆弱性。
操作级测量框架对比基础能力画像与交互轨迹，量化 Agent 能力实现缺口以定位执行偏差。
将概念增强从名词扩展到动词与形容词，发现动词下游增益最稳，且表征变化与下游收益不完全一致。
OrbitWeaver 通过分阶段 checkpoint 与依赖感知恢复，在卫星载荷上保留 VLM 推理进度，实验最高约 4.07× 端到端加速。
在冻结图文 encoder 连续空间上用单一流匹配 Transformer 联合建模，统一文生图、 caption、VQA 与耦合联合生成。
首个跨类别与运动源联合训练的通才双手跟踪策略，配 BiHOI 数据集，单 checkpoint 显著优于 SOTA 基线。
在 Qwen-Audio-3.0-ASR 上增强识别、说话人日记化转写与通用音频理解，多语言多方言多部署形态。
提出 SDI，用同一状态上 actor rollout 变异作为共享参考，统一探索信号与规划动作接受门控。
BRA 框架度量计算、信息与反馈对代码修复的边际贡献，揭示模型常偏好反馈却未必最优。
研究物理参数如何进入动力学机制；在 CausalWorld 质量外推上，显式仿射系数与已知 PD 控制将联合 R² 中位数从 0.609 提至 0.727。
在 RLVR/GRPO 后训练中追求平坦奖励最优，缓解分布过尖并提升采样多样性。
将运动生成与物理完成估计解耦，用质量估计触发返回，倒液 MacroMAE 优于 VLA 基线。
用可学习视觉 latent 近似历史全上下文 attention，在有限算力下提升流式视频生成质量。
为 VLA 策略提出基于 atomic 子任务的 RL 后训练框架，缓解信用分配与瓶颈子任务问题，并在仿真与真机长时域任务上提升表现。
用随机最短路径视角改 GRPO 为 ReAPO，对失败轨迹追加采样并合理分配信用，提升数学科学推理且省 token。
transition 级诊断表明还原真实 event 步可消除约 70% return 误差，而高像素误差步几乎不帮 return。
提出 Spiking Ternary GRU，在 LibriSpeech 上无外部 LM 达个位数 WER，且无矩阵 MAC。
发布首个印庭判决英—米佐平行语料并分析借词与变音符号，微调 NLLB 提升 BLEU 仍过度借英语。
稀疏关键姿态+VLA 预测与运动生成/跟踪模块，提升人形 loco-manipulation 协调与成功率。
用测试场景中探索交互片段编码为物理描述 token，无需微调即可校准动作条件世界模型的实例动力学。
SimPT 用 Agent-Compiled Progress Graph 自动决定干预时机与 CuRobo 专家恢复，在 RoboTwin 上探索 RECAP 等四种后训练，仿真成功率 79.36%，真机 HIL 从 72% 到 96%。
用语义条件下的物理仿真专家生成轨迹，训练严格因果 Transformer 流式重定向，语义与物理有效性优于运动学与物理 refine 基线。
将 VLM 错误分为表征未编码与已编码未利用，VELens 探针显示多数错误属 visual-utilization failure。
基于 X-Codec-2 的可变帧率 codec 用 utterance 级 event 预算与 Adaptive Firing，低 event rate 重建更优并利于流式 TTS。
首个在神经音频 codec 潜空间做 EEG 引导的目标说话人抽取，听感实验优于基线，并支持 44.1 kHz 因果流式重建。
将自回归生成表述为有限 horizon MDP，用前缀级 exact reverse-KL 裁剪约束策略漂移，数学推理 RL 上优于 token 级裁剪。
提出 KVLearn，在 prefill/decode 分离的 serving 中做代价感知的 KV 保留，显著降首 token 延迟与跨节点传输。
用奖励分歧指导 MCP 环境.harness 评测与 BRACE 前瞻性 rollout 分配，在更少新 rollout 下提升 Qwen3-VL 训练与 BFCL/NESTFUL 表现。
在指令驱动驾驶视频编辑中保护交通语义，缓解结构幻觉与时间冲击，提升时空一致性与下游感知。
借鉴 MPPI 控制，用世界模型多分支想象候选动作后果，结合双分支经验记忆在 ALFWorld/ScienceWorld 上提升决策与自改进。
提出 RE-ZS-CoT，用领域专家角色增强零样本 CoT，在 20 个 LLM 与七项基准上常优于零样本基线，最高提升约 44 个百分点。
无训练、无反演，用邻层编辑场一致性能量重分配，提升一步编辑的未改区域保持。
以对齐特征间关系替代逐点 3D 对齐，在训练 WAM 时兼顾视频与动作学习。
在 VoxCPM2 等模型上证明高线性可解码性不保证因果可控，并定位满足训练无关说话人控制的几何与计算路径。
免训练 CCG 解析统一做属性绑定、空间关系、数量与 PP 附着歧义控制，在 SD 与 Sana 上优于对比语法控制法。
CycleGRPO 用区域描述-再定位闭环与可验证重建奖励，统一图像/视频时空域的理解与 grounding，并引入 DOVE 评测。
用可编辑 harness 组织 VLA 中的 VLM 规划并自进化，RoboMME 成功率由 44.38% 升至 51.38%。
系统训练 MPIXEL 族模型，分析语言数、文字体系与容量三维扩展对 83 语跨语迁移的影响。
用目标导向矢量与 GCC-PHAT 空间掩码做几何条件，替代抽象高维嵌入，在多种麦克风阵列上提升目标说话人抽取表现。
用几何 token 与流匹配监督内化 3D 理解并维持时序记忆，在 LIBERO 与真实机器人任务上取得高成功率。
用 EuroAlpaca 与 CrossEuroAlpaca 对 Qwen3-8B 做 LoRA，提升十语 QA-OEG，增益因任务与语言而异。
提供含仿真、FSM 与冻结 MLLM 脑架的全栈框架，并发布 360 条长程室内任务基准。
联合预测视频、运动与 contact wrench 的世界动作模型，wrench 块作为导纳外环力参考，提升接触预测与插装/擦拭等力敏感任务成功率。
WorldStream 在单一世界记录下流式扩展可玩地形、响应开放语言并复现曾访问区域及其编辑。
TIDE 在部署时用人工干预与策略 rollout 做溯源条件监督更新，无需 critic 或奖励模型。
用在线对抗 fidelity 奖励把 artifact 敏感监督并入 RL，单阶段同时做偏好对齐与 4/8 步高保真生成。
SGS 在 DiT 关键步从注意力得 per-person mask，逐步独立 demographic steering，无需微调。
云边协同按带宽交付可复用 DiT 编辑 KV 缓存，骁龙手机上 latency 相对纯端侧最高约 3.27× 降低。
提出 Future Chunk Prediction 辅助目标，在无中间视觉条件下预测远距块，提升物理合理性并省算力。
在冻结 Gemma 4 共享语音编码器上，用 CTC/混合解码器做海湾阿拉伯语识别，部分场景接近大模型且推理更快。
LADDER 按层增量分配稀疏度、选单位移除损伤最小更新，高稀疏（约 70% 起）更稳并嵌套多预算 mask。
用易构造的 real-coarse 图像对训练 DINO-R2C，合成伪 coarse 视频训练 C2R#，推理时仅需 coarse 视频驱动。
2304 条匹配三元组基准显示，文本拒绝的有害请求在标准工具启用下仍有 10–52% 转为不安全 tool call。
面向含音乐场景的两阶段 TSE：判别式跨源 band-split 估计，再以 1–4 步难度自适应 flow 精修，兼顾保真与自然度。
从表征几何与 nuisance orthogonality 解释 WAM 泛化差异，高正交先验与更强视觉扰动鲁棒及策略泛化相关。
用 G-buffer 条件视频 DiT 将仿真驾驶视频转为更逼真且几何一致的真实风格，下游感知指标明显提升。
按查询主动获取关键物体 3D 几何并抽象为符号状态，GRPO 训练 VLM 何时用工具证据，多项空间基准大幅提升。
923 题、多会话图文音视频历史，诊断记忆在写入、检索、交付与阅读哪一环失败。
用原参考与 VC 构建的可复用母语锚点闭环更新 LM 状态，在保持说话人相似度的同时显著减弱残留口音。
免训练流水线用通用 VLM 分 detect/segment/refine 三阶段输出可 inspect 的 B-spline 掩码，ReasonSeg 达 71.5 cIoU。
基于 BBQ 扩展七类合成视觉场景 benchmark，23 个开源 MLLM 评测显示图文输入公平性平均下降0.291且常选刻板印象答案。
FPM 预测落足点并仅采样局部高程，训练迭代约为全图约三分之一，零样本迁移至 Unitree G1。
将交互经验蒸馏为可复用动作因果知识，支持前后向推理以提升 MLLM 高层规划成功率。
在智能体首次源码编辑前单次规划干预，无需监控与 checkpoint 搜索，SWE-bench 上 resolution 显著提升。
提出与转谱联合学习的 downbeat phase，整曲自分割拼段，改善节拍结构并保持谱面质量。
RISE 用恢复动作词表与视觉扩散规划，在测试时按任务代价引导站起路线与朝向。
在稀疏奖励假设下为 RLHF 建立差分隐私理论框架与算法，估计误差对模型维度依赖更弱，实证上隐私-效用权衡优于稠密基线。
提出 SurgReasonSeg，在手术视频数字孪生表示上做需工作流与时序推理的隐式查询分割，并发布 EndoVis-ReasonSeg 基准。
将手绘电路照片转为 SPICE 网表并自动求解，模块化检测、OCR 与节点识别流水线。
神经符号压缩与验证奖励 RL 后训练，4B–14B 规划器在 PDDL 上达约 70–76% 成功率，Jetson Orin INT4 约 17–26W。
推测解码草稿训练在 target 贪婪重生成后 distillation 增益明显缩水，应用 target-regenerated 基线评估各目标。
在 CosyVoice2 上不改架构，用 OOV Unicode 标记嵌入字级 pitch/duration/energy/pause，215 万句实验实现可靠字级控制且感知质量基本保持。
系统探测频带、SSL 与 token 等表示中说话人/音色信息的分布，服务语音生成与泄漏分析。
MLLM 定位可疑局部区域，LEV 工具做外观与几何细粒度匹配，协作验证两图是否为同一物体，准确率较最强 CoT-RFT 提升 4.9%。
在固定导航上下文下检验改指令是否改变动作分布，发现高导航成功率并不等价于更忠实遵循语言指令。
在两人-centric 热成像数据集上系统评测七款可本地部署 VLM 的活动理解能力与失效模式。
CATS 用 LLM 对执行轨迹做 per-agent 归因，在超图中搜紧凑团队并剪枝弱 agent。
构建贝叶斯推理评测框架，发现纯上下文更新常违背贝叶斯规则，但推理与代码工具可显著逼近后验。
实证挑战时间推理“算术/语义”二分：微调增益多为数据集特定，benchmark 表现主要由世界知识而非定量逻辑驱动。
WorldGT 用共享特征空间世界模型预测接收端场景，按感知贡献选包，低 SNR 下显著优于 H.264。
单策略嵌入上拟合 GP 核方差头估计认知不确定性，LIBERO-10 上可替代双策略集成且更快。
提出音文差异描述任务与 AT-DIFFER 数据集，微调多模态大模型后差异描述能力明显提升。
沿 Hofstede 价值维度微调 LLM，发现对未训练价值、风险偏好与社会认知等产生连带影响。
闭环框架让前沿大模型不经任务微调，靠视觉与 tool call 控制机械臂，在 LIBERO-10 上系统评测。
ASTEROID 让学生在历史条件下先 on-policy 采上下文、特权教师再标注动作，从而在部分可观测下学会测试时探索，交互远少于 RL。
在真实 A 股数据上评测端到端量化研究闭环（特征与打分代码、2022–23 反馈、2024 封存测试），含成本与冲击的现金账户评估器。
语言模型将任务译为场景体素视图上的可执行程序，迭代修正以完成开放-ended 三维物体放置。
双流 LALM 统一 GSR 与 TSE：SSL 语义与可学习声学分支经双向 cross-attention 融合，离散 speech token 生成在两类任务与未见退化上表现强且泛化稳健。
综述推理与交互检索交织的 RSA 架构轴与学习信号，区分基准难度与 loop 需求并综合受控消融。
FrameBlend 在查询时对选定视频 token 用查询相关上下文重算 KV，降低预填成本并提升流式视频理解精度。
用 Slakh2100 配对探针对比提示、窗口验证与注意力，定位 LALM 时间定位瓶颈。
PLRM 用 JEPA 式变分框架并行推断 latent 分布，混合先验保留多轨迹结构，训练更快且多轨迹数据上优于随机 latent 基线。
ALLOT 用 cell probing 与 trajectory calibration 在延迟预算下分配层–步稀疏密度，HunyuanVideo 上 PSNR 增益 11.8 dB。
VLM 标注属性并建实例级 3D 场景图，LLM 推断隐式货架组织并对新物体给出一致放置排序。
表明组合零样本学习中直接使用分解原语即可识别未见属性-对象组合，并分析欧氏、球面与双曲嵌入几何对组合推理的影响。
仅用根状态与四个稀疏关键点当前帧参考，实现约 20ms 级延迟的全身人形遥操作与跟踪。
用反事实作弊审计检验定价/交易市场中 RL 训练 LLM 是否学会可执行的卡特尔惩罚，而非仅表面合谋结果。
有限记忆接口与 Lean 4 机器检验定理，仅信任用户输入与门控确认值；Trojan Hippo 零攻击成功，τ²-bench 上社区共享知识提升新 Agent。
将遮挡视为时空掩码，用预训练 V-JEPA 2.1 predictor 补全特征再解码头输出 amodal mask，较扩散 SOTA 快 33.5 倍。
评测远域类比（现实对象/现象到抽象网格变换），人类可靠而 LLM 存在系统差距。
合成 570 小时组织会议音频与上下文，用于评测 longitudinal 会议理解系统。
将 CAD 用于 CoT 提出 RCD，对比有无 rationale 的分布以放大 rationale 贡献，五个推理基准上提升准确率并增强对 rationale 的依赖。
BiasGuard-D 用异族模型对抗角色交换 typed claim、三模型表决与语义不变量，HaluEval 正确率恢复 +49pp。
分析 LLM 在职业、学习等建议中倾向推荐 AI 的来源：预训练已存在，微调数据与提问措辞会显著改变该倾向。
构建罗马尼亚语码转换讽刺数据集 CS-SeLeRoSa，系统评测多语 LLM 在语码转换下的讽刺检测能力。
在 LLaVA-OneVision 上插入/替换模拟量子层，Visual Spatial Reasoning 上插入视觉投影后达 80.7%，并评估六种攻击下的鲁棒性。
在 AgentDojo 上评估 Attention Tracker，提出 AttnDA 线性分类器，揭示智能体场景下注意力检测难以跨域迁移。
PAWM 在潜在陷阱时选择性介入并预测即将失败以 steer 智能体；SFT+GRPO 共训后在 ScienceWorld 与 WebArena-Lite 上显著提升 Claude Sonnet 4.5。
SearchWeaver 据任务奖励与轨迹联合优化语料制品、可执行工具与使用说明。
在固定生成器与采样下，创意性 prompt 扩写较原始与仅格式化更能提升 VideoGen Model 1 的整体音视频质量与对齐分。
提出六语、最长30分钟、最多20说话人的多模态 MsASR 基准，评测显示主流 Omni LLM 在细粒度时序与说话人区分上瓶颈明显。
提出 P2NPCBench：每道 NPC 题配合同表面结构的 P 孪生题，AgentGAN 对抗重写去 textbook 线索，揭示模型在复杂度类别上的推理差距。
线性探针发现 AFA 存在 knows-but-won't-say gap，提出 grafting 利用内部激活提升失败步归因。
RCSD 用推测推理中接受/拒绝序列构造隐式偏好对，对齐草稿模型与系统级接受长度目标，平均接受长度较 HASS 提升35%。
在 SciFact 上对多种文献检索 Agent harness 做受控消融，发现自主构造 PubMed 查询显著提升金标摘要召回，检索是主要瓶颈。
比较奖励/优势/损失/PCGrad 等偏好聚合层级对人形 steerable 控制的影响，无单一全局最优。
ReMAS 用 RL 微调攻击 LLM，两阶段改写与模板生成提升多 Agent 系统提示词提取成功率，并具跨后端与结构可迁移性。
固定 MIR 工具输出，增加结论与工具报告间的推导步数后开源与前沿模型准确率骤降，瓶颈在推理而非信息获取。
Disaster-S1 快速选项判别，DisasterRoute 按置信度与灾害证据决定是否调用推理模型，兼顾边缘时延与精度。
提出可重放的限价簿仿真基准，量化 Agent 在部署前做干预实验能否降低决策遗憾。
用贝叶斯进化优化自动搜索多智能体工作流拓扑，在 BigCodeBench 上优于所测 agent 系统。
以 Gemini Flash 多模态 LLM 作跌倒筛查决策，在热成像短 clip 上权衡灵敏度与居家误报。
用固定预算的连续推理 token 在潜空间形成 ToM，多环境协作与博弈上优于文本推理基线。
PROBE 显示 agent 能读图但少主动画图；METHOD 从轨迹蒸馏经验，不改参数即提升分析准确度。
提出 PAPAV 五能力框架（感知、预期、规划、行动、验证），对比 MMEA、MMA 与 RS，指出物理约束与基准对 Anticipate/Verify 评估不足。
动态 agent 基准同时评「写环境+提示」与「解题」；九款模型显示创作与求解能力分离，交互模式类比开放生态中的相互影响。
分析 ChatGPT、Claude、Gemini 等持久记忆下的 memory injection 威胁模型，并展示跨会话传播与 MCP 等攻击面。
提出 paired instruction dependence 诊断演示语料排序，136 个四足导航语料上可靠但增量决策增益有限。
柔性铰链与弹簧钢弹性杆简化连杆传动，预算 3D 打印即可制造接近人手尺寸的 dexterous hand 原型。
技术报告公开多人透明协作与七角色生成式 Agent 的架构、护栏、检索配置与复现细节。
S&Q 用离线 logistic 分类器作首阶段相关性过滤，减少下游 LLM 策略评估量。
针对长程深度搜索/研究 Agent，提出中间执行轨迹的错误诊断框架与分类法，并给出设计建议。
在开源大富翁环境中比较多族 LLM 的策略差异，并评估人设指令对行动与结果的实际影响。
针对音乐与八组听损曲线分析压缩需求，逐信号优化 WDRC 提升助听器音频质量指数与可听度。
没有符合条件的论文。