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

论文提出实用智能体系统的简单性、可控性与成本可预测设计

视觉噪声引导的上下文蒸馏实现多模态大语言模型遗忘

BenHalluEval：面向孟加拉语的大语言模型多任务幻觉评估框架

AutoMedBench 提出面向医学 AI 自动化研究的流程感知基准

超双曲与证据优先专家：新MoE架构解决LVLM模态不对称

视觉链式思维代理：工具多样性优于频率，用于3D与医学推理

RuleEdit：规则引导的AI模型编辑系统，可预检失败与影响

深度研究代理轨迹中的跨度级错误定位新方法

WorldCoder-Bench：评估LLM生成物理正确3D世界的基准

RAFT数据精炼与自适应蒸馏：缓解领域微调中的能力遗忘

MemGraphRAG：记忆型多智能体图检索增强生成

从人类视频到机器人操作：可扩展视觉-语言-动作学习综述

SIRI框架让LLM智能体自我内化技能无需外部生成器

eMoT：符号锚定与记忆腐蚀驱动LLM思维记忆进化

研究：具身视觉语言规划需从语言预测转向物理因果推理

DAPD：基于注意力的依赖感知并行解码加速扩散LLM

BudgetDraft提出接受感知多视图训练，实现稀疏KV投机解码

LLM智能体工具调用：有效性衡量与RL训练效率研究

What Makes a Strong Model? A Unified Spectral Analysis of Knowledge Transfer ove