RAM:一种跨形态的隐式神经可达性表示
研究人员提出RAM,一种形态条件化的隐式神经表示,用于快速替代位姿可达性计算,能泛化至未知形态并处理自碰撞。 RAM基于3×10¹⁰样本训练,达到84%平衡准确率,推理速度比生成式基线快三个数量级。 该速度优势延伸至下游任务,使形态与轨迹优化加速一至两个数量级,成果已被CoRL 2026接收。
研究人员提出RAM,一种形态条件化的隐式神经表示,用于快速替代位姿可达性计算,能泛化至未知形态并处理自碰撞。 RAM基于3×10¹⁰样本训练,达到84%平衡准确率,推理速度比生成式基线快三个数量级。 该速度优势延伸至下游任务,使形态与轨迹优化加速一至两个数量级,成果已被CoRL 2026接收。
World-Value-Action (WAV) 模型通过统一框架实现视觉-语言-行动(VLA)系统的隐式规划,在长时程任务中一致超越现有最佳方法。 该模型学习未来轨迹的结构化潜在表示,由世界模型预测状态及价值函数评估效用,并将动作生成转化为潜在空间推理,以提升长时程决策效率。 WAV 模型在仿真与真实实验中显著提升了任务成功率、泛化能力及鲁棒性,代码已公开。
Agentic Real2Sim 提出基于视觉-语言智能体的物理世界建模框架,将真实机器人交互记录转换为可仿真的情景孪生体。该框架在刚性物体操作、软体交互及人形运动场景中均有效,支持策略微调与评估。 采用开源 VLM 后端即可达到与前沿模型相当的转换成功率,且成本大幅降低。代码已开源,可作为真实世界策略评估的有效替代方案。
NoRA 发布包含 1,420 个标注视频片段的基准,涵盖 HumanGold-190 和 LLMSilver-1230 子集,要求模型生成动作并构建支持图。 评测 12 个多模态系统发现,视觉语言模型(VLMs)虽能恢复合理动作,但难以构建完整动作空间并绑定正确依据。 该基准将评估焦点从选择动作转向基于可见理由的论证,使规范性推理差距可量化。
PatchKV 提出一种无需训练的框架,通过计算上下文特定的权重补丁,在保持推理成本不变的前提下提升 KV 缓存压缩效果。 该权重补丁基于岭回归以闭式解形式生成,将部分上下文信息编码至模型权重中,使长上下文问答和数学任务在激进压缩预算下性能显著改善。
提出量化鲁棒遗忘框架,在 MUSE 和 TOFU 基准测试中实现更抗量化的遗忘效果。 利用曲率准则识别敏感权重,应用敏感度引导噪声正则化以收敛至平滑极小值。 通过仅更新 forget-critical 层平衡遗忘与效用,代码已公开。
研究提出 DualOPSD 框架,通过在 Qwen3-8B/4B/1.7B 模型上进行联合更新,在三个数学基准测试中将 avg@12 准确率比原有 OPSD 方法提高 9.83 个百分点。
Flux-OPD 利用演化上下文作为训练监督信号,通过注入上下文修正信号并依据冲突项加权,解决了大语言模型在开放式领域缺乏可验证奖励导致的蒸馏不稳定问题。 该方法基于 reverse-KL 分解表征上下文蒸馏,证明学生模型向上下文的几何均值教师蒸馏,实验显示其在现有 OPD 范式中获得最佳结果。 该研究展示了将教师监督与演化上下文结合作为训练监督信号的潜力,为形式化任务偏好提供了新思路。
MoMa-SG框架通过统一扭转估计方法,从RGB-D序列构建含铰接物体的语义运动学3D场景图,支持旋转与棱柱关节参数估算。 框架包含Arti4D-Semantic数据集,涵盖62段野外RGB-D序列及600次物体交互,在四足与移动机械臂上验证了真实家庭环境的铰接操作能力。
UnSAMv2 通过自监督学习增强 SAM-2,实现无需人工标注的任意粒度分割。仅用 6K 无标注图像及 0.02% 额外参数,在 11+ 基准测试中显著提升 NoC90、1-IoU 和 AR1000 指标。 代码、数据集及 Demo 已公开,语言引导管线将 1-IoU 从 40.4 提升至 47.3,验证了小样本无标注数据的有效性。
提出一种基于自博弈强化学习的驾驶策略训练方法,通过仅使用30分钟人类演示数据作为正则化目标,解决了纯自博弈策略行为异化的问题。 相比模仿学习,该方法所需人类数据减少2500倍,仅需15小时在单张消费级GPU上即可完成训练,生成的策略能与未见人类轨迹协调。
研究人员提出名为Polygons Transformer(PoT)的新架构,结合Combinatorial Optimization Reinforcement Learning(CORL)框架解决二维不规则嵌套问题。
研究人员提出 GAC 噪声感知自适应混合控制器,在数学、代码、科学和逻辑基准上比 HPT 提升 3.8 分,并将 KL-漂移面积减少 28%。 该方法基于 CHORD 的逐 token 重新加权,引入 EMA 平滑和调度先验,计算开销低于 1%;性能增益随模型从 1.5B 到 14B 增大而提升。
论文提出神经SE(3)等变嵌入NeuSE,作为紧凑点云代理以支持基于对象的SLAM。 该潜在编码具备SE(3)与尺度等变性,可从部分观测生成,直接推导帧间变换并适配常见位姿图优化,保持轻量级物体中心地图。 在合成与真实世界多类别、多尺寸序列上,该方案独立或配合常规SLAM运行,提升了定位能力与变化感知映射一致性。
FedRevive 提出一种数据无关知识蒸馏方法,用于在异步联邦学习中恢复陈旧更新,提升训练效率与精度。 该方法通过服务器端 DFKD 流程结合元学习生成器合成伪样本,实现无数据访问下的知识迁移,缓解优化不稳定问题。 实验显示,FedRevive 在视觉和文本基准上相比基线加速训练达 29.7%,最终精度提升最高 11.4 个百分点,已被 NeurIPS 2026 接收。
JaxAHT 是首个基于 JAX 的开源库,通过硬件加速实现约 95 倍于 PyTorch 的加速。 该库提供 teammate 生成、ego agent 训练及评估的统一框架,并包含 Level-Based Foraging 等多场景测试套件。 大规模基准测试表明,目前没有单一算法在所有 AHT 场景中表现最优,且从头强化学习会低估 best response 收益。
多步语言模型智能体在处理不断增长交互历史时产生高额上下文成本。Vision-text compression 通过将其渲染为图像来降低此成本,但模态转换会导致显著的能力差距。
Sim-PE 框架证明模拟器可替代基础模型 API 生成差分隐私合成数据,拓宽了 Private Evolution (PE) 的适用域。 图像合成中,该方法使下游分类准确率最高提升 3 倍,FID 降低 80%,且效率显著更高,支持生成复现私有观测分布的控制信号。 代码已在 Private Evolution Python 库中开源。
该研究证实,使用结构保留型去标识化(用同类型替代值替换标识符)在处理后的文本中,PHI 检测器的召回率保持稳定。 在一项涵盖 7 种语言、1,750 份文档的实验里,替代跨度(replaced spans)的掩码召回率从 75.8% 变为 74.6%。该结果仅在金融、法律和企业文本中得到部分复现。
研究团队发布 MajorTOM:Elliot Pretrain,这是包含 279,166 个 10 公里图块的多传感器、多时间尺度地球观测预训练数据集,总大小 6.3 TB,以云优化 GeoTIFF 形式开放获取。
研究团队推出 LATTEArena 框架,将 15 种 LLM 特征工程方法归纳为 6 维分类法。该框架通过 24 种核心配置进行评测,量化了 token 效率并得出 17 项实证发现。
MemQ 将 TD(λ) 资格迹应用于记忆 Q 值,通过记录新记忆创建时检索了哪些记忆的溯源 DAG 进行反向信用分配。 信用权重随 DAG 深度 d 按 (γλ)^d 衰减,该框架被形式化为外生上下文 MDP。 在五个交互、代码生成和智能体基准测试中,MemQ 在平均留出、最终运行时和累积成功率上分别比基线高 2.53、4.23 和 2.13 个百分点。
OracleProto 框架通过知识截止与时间掩码技术,在受控环境中实现大语言模型预测能力的可复现评估。 该框架在 24,300 次预测试验中评估了 27 组模型配置,经审计检索结果中残留信息泄露率仅为 1.37%。 OracleProto 将已解决的预测任务转化为可复用资源,支持预测数据集的持续积累与系统性评估。
针对现有评估缺乏层级化攻击面与部署级安全标准的局限,Risky-Bench 提出基于部署的生活辅助智能体安全评估框架。 该框架在食物配送、店内辅助及在线预订等场景下,对 7 个先进智能体执行 750 项任务,攻击成功率介于 25% 至 60% 之间。 研究揭示了威胁模型特定漏洞、攻击面依赖风险集中度及显式推理的模型依赖性效应。
提出动态切空间 LoRA(DT-LoRA),通过稳定分支和动态分支分配固定秩预算,捕获 LoRA 变体中未被利用的残差梯度方向。 方法基于正交补和秩约束下的局部二次模型最优更新,采用无矩阵随机化 SVD 避免显式构建残差梯度,实现训练稳定。
智能体 ATTUNE 在 Llama-3.1-405B 和 GLM-4.5 上分别将吞吐量提高 6.7% 和 33.9%。 其调优在相同预算下优于 OptiCo 和贝叶斯优化,并在 1 天内收回 GPU 成本。 团队开源了 ATTUNE 代码及 TrainingThroughputBench 基准。
作者发布 TontaubeV1 模型,利用 Qwen3 系列架构实现了单卡流式文本转语音,首包延迟约 200 ms。该模型在盲测中 70.25% 的听众认为其韵律优于 Fish Audio S2 Pro,权重已在 Hugging Face 开放。
FlashVSR+ 提出混合注意力架构和 Ry-DMD 训练策略,实现单步生成且用户偏好对齐的视频超分辨率。 混合注意力带来最高 2× DiT 加速,峰值内存降低 45%,可在单张 24GB RTX 4090 上完成非空间切片 4K 推理。
提出视觉 token 压缩框架 ReConV,利用重建引导机制在 ImageNet 上以少 48% GMACs 超越未压缩基线。 该方法引入轻量级位置条件解码器重建当前 token,通过 Summary Bank (SMB) 压缩共享信息并保留重建残差较大的细节。 ReConV 支持复用图像级表征以高效进行多轮推理,代码已在 TokenDrop 开源。
针对多智能体辩论(MAD)中非理性假设的缺陷,研究者提出多智能体卧底博弈(MUG)协议。该协议利用多模态反事实测试,通过修改参考图像检测“卧底”智能体(即存在幻觉的智能体)。 MUG 在事实验证、跨证据推理和主动推理三个维度上优化了 MAD 协议,通过动态修改证据源而非依赖静态输入,提升了多模态推理的可靠性。 该研究已被 AAAI 2026 接收,源代码已公开。
研究提出生成流框架 FOSA,通过有根任务生成器发现具身特定能力,提升复杂长时程机器人任务性能。 该框架将抽象策略参数化为生成流网络以构建符号任务骨架,并在仿真中通过低层策略学习表现提供奖励信号。 跨异构机器人平台测试显示,FOSA 发现了多样的可执行任务,并将策略蒸馏后提高了未见复杂任务的执行表现。
开源 Python 工具 SCANAR 和 AIDOC 被提出用于通过自动化新闻检索和 LLM 辅助过滤,加速医疗保健领域的前沿扫描。 SCANAR 通过去重和排名自动化检索,AIDOC 利用 LLM 和文本嵌入计算语义相似度,在 95% 召回率下可实现约 65% 的理论人工审查工作量减少。 这些工具有助于缓解方法学限制,支持更广泛、更快速的前沿扫描。
研究团队发布开源 AI 研究工作台 AIPOCH Open-Science,其核心功能是可移植的 .science 会话包与交换协议,用于完整记录 AI 辅助研究中的指令、计算及校验关系。
Index-Translate 发布,包含 2B、9B 和 35B-A3B 三个尺寸,支持 150 种语言翻译及指令遵循,性能比肩 100B 规模模型。 系列还引入 Index-Echo 端到端语音翻译、Index-Homura 音节受控配音及 Index-NativeLong 长文档翻译,覆盖多元任务场景。
TrustMOPD 提出一种标签无关、token 级别监督分配的多教师在线策略蒸馏方法,解决了动态适应性难题。 实验显示,该方法在 SingleCap 和 MultiCap 上分别填补了 91.5% 和 98.0% 的师生分数差距,优于最强基线。 其性能接近基于标签的蒸馏方法,且无需领域标签,代码已公开。
研究人员提出 ProAS 框架,利用智能体参考图(ARG)解决无 Critic 强化学习算法中的均匀信用分配困境。 该方法通过掩蔽不合理激励和非对称惩罚重分配实现细粒度信用分配,在 Qwen2.5-1.5B-Instruct 上 ALFWorld 任务成功率达 91.9%。 ProAS 使训练收敛加速最多 2.44 倍,并保持了针对不完美 ARG 的强鲁棒性。
针对 Agent 技能明文分发易泄露问题,SkillMarker 提出一种 KGW 水印方法,平衡功能保留与水印嵌入强度。 方法结合质量约束改写与信号导向候选搜索,将关键知识与灵活表达分离,确保指令准确性,并探索替代表达以增强水印信号。 工具包开源,支持水印嵌入、质量审计和检测,旨在实现技能生态中的所有权验证与泄露追溯。
研究提出属性引导的体裁扩展框架,构建包含13种创意体裁、5万条样本的Multi-Genre Collection数据集,旨在解决LLM创意写作数据过度依赖故事中心的局限。 该框架利用人工策划的体裁属性结合人类故事提示词,生成经质量过滤的体裁忠实问答对,用于模型微调。 实验表明,在模型上应用此数据可显著超越基线模型及现有写作语料训练模型,证实受控体裁扩展是提升创意写作能力的核心驱动因素。
HGA-Quant 提出无训练的 PTQ 框架,在 Infinity 模型上以 W4A5.6 混合精度实现接近全精度生成质量,而现有 W4A6 方法仍可见画质退化。 框架包含 T-BGR 权重校准目标与 CAPS 激活精度调度,在多个 ARVG backbone 上提升低比特量化鲁棒性,代码已开放。
研究提出 LLM-OSDA 机制,将 Bellman 最优停止、胜者分配与包络定价结合,用于多轮对话中的原生广告。在模拟语料实验中,该机制相比最强固定时机基线提升净收益 11%,且用户留存率保持相当。 机制通过独立的 LLM 层评估上下文点击质量并渲染广告,出价仅进入承诺拍卖机制;学习 StopNet 近似 Bellman 动作值,其激励损失与近似误差相关。