PaSBench-Video 发布流视频主动安全预警基准测试

TVIR 提出文本-视觉交错报告生成基准及深度研究代理构建

LayerRoute：基于LoRA的自适应层跳过方法降低智能体模型推理成本

块级引导生成：现成LLM作为数学推理过程评分器

招商局狮子山AI实验室用LiOS打通具身智能全链路

DataShield：高效过滤LLM良性微调中的安全降级数据

CART 提出参数高效循环Transformer，交叉注意冻结KV实现稳定训练

PEFT规模化：万亿参数基础模型上的百万个性化模型

RoboTrustBench：四类场景评估机器人操作视频世界模型可信度

Sympatheia：基于连续情感调节的自适应语音助手

OpenWebRL 以在线多轮强化学习缓解视觉网页代理数据依赖

BenchEvolver通过解为中心演化合成前沿基准任务

EuroBERT：面向欧洲语言的多语言编码器规模化扩展

AgentRedBench：针对SaaS集成的LLM代理动态红队与集成感知防御

大语言模型奖励模型仍存长度、谄媚和过度自信三大偏见

BranPO用可扩展对比分支采样解决大模型长期代理强化学习难题

Med-V1以3B参数小模型实现零样本生物医学证据归因

ADRA-Bank：评估学术深度研究代理的模块化基准

COMAP实现语言代理世界模型与策略的共同进化

Agent-R1：面向智能体强化学习的统一模块化框架

WAON：大规模日语图文数据集增强视觉语言模型文化适应能力

PaperVoyager 用视觉语言模型将论文转为交互式网页

Global PIQA：覆盖100+语言文化的常识推理评估基准

SmartThinker 提出渐进式链式思考长度校准提升推理效率

SWE-rebench V2 发布大规模语言无关软件工程任务集

语音语言模型自我意识对齐弥合语义理解与声学表达鸿沟

Code2Math：利用代码执行环境自动演化数学难题以突破LLM瓶颈

TIGER：基于图证据路由的可追踪推理缓解多模态生成幻觉

LLM利用密集反馈替代标量奖励合成多智能体策略

大语言模型赋能交通系统管理运营：从文本推理到多模态决策支持

弱批评者蒸馏：用弱模型指导强模型的可扩展监督方法

MindClaw：闭环具身心智状态推理实现精准干预

DeLask：通过跳过深层解码器层缓解大语言模型幻觉

Ryze自动从生物医学论文提取证据并合成训练数据

StreamingVLM：面向无限视频流的实时理解模型

LFTutor用LLM教普通人识别逻辑谬误，从源头打击错误信息

Qwen3弱模型偏好差异与LoRA合并训练强语言模型

CAREAgent：结构化推理与工具集成的临床医嘱生成智能体

Science Earth：面向AI原生科学发现的星球级操作系统

TriLens：逐层Logit透镜熵实现白盒幻觉检测

POIROT：通过智能体审问检测多智能体系统故障

HomeFlow可验证仿真数据飞轮驱动智能家居代理训练

SIRIUS-SQL：执行反馈锚定多候选消除SQL生成冗余

SkillSmith：技能与工具协同进化框架实现智能体自我改进

EAPO：让智能体学会何时不使用工具，缓解工具滥用

研究显示AI算法会诱导人类道德判断趋同

测试时提示优化提升VLM奖励模型零样本奖励准确性

MIND模型：显式建模数据流形几何的扩散图像生成

LLM Agent弥合时间序列预测的最后一公里业务上下文鸿沟

SMH-Bench：智能家居LLM智能体环境推理与动作基准