AI 情报文章归档

ThinkV2V 是一个推理驱动的指令引导视频编辑框架，通过 MLLM-to-DiT 架构让 MLLM 在视觉生成前先对源视频和指令进行显式思考，生成精炼的条件信号。它结合渐进式课程训练与推理时思考扩展，并配套 ThinkV2V-150K 数据集和 ThinkV2V-Bench 基准。实验显示其 5B 规模 DiT 模型在复杂与标准编辑场景均达 SOTA，大幅超越 10B 规模基线。

HelixWorld 是一个实时交互式音视频世界模型，视觉场景与基于相机的空间立体声在用户交互下原生协同演化。研究团队构建了带真实立体声与公制相机位姿的高保真空间音视频数据集，预训练以 6-DoF 相机轨迹和用户动作为条件的双向教师模型，再通过在线轨迹蒸馏损失蒸馏为少步流式学生模型，在单张 GPU 上以 24 FPS 实现无漂移的联合音视频推演。

针对 LLM 智能体在多步决策中难以迁移到未见环境的问题，研究者提出后训练方法 EVOKE，通过在固定状态下引入目标多样性，迫使同一候选动作在不同目标下重新排序，从而激发预训练中已内化的世界知识。在三种骨干模型的多类任务上，EVOKE 提升了任务表现、未见环境泛化能力与数据效率。

研究提出智能体主动性的内容维度：横向主动性追问当前上下文已隐含的信息，纵向主动性追问只有早期证据才能揭示的需求。基于基准自身分解构建的 need graph 可在无模型评判的情况下对两种主动性打分。Q&D 训练提问者偏好能检索更多所需证据的问题，在三个多跳问答基准的留出集上，同等检索开销下两种主动性均优于同模型提示版本，并在其中两个基准上超过 15 倍大的提示模型。

一项受控实验系统考察了循环语言模型（LoopLMs）中循环机制的适用条件、作用位置与条件注入方式。结果显示，循环可提升超出训练范围的推理表现，但会损害知识类任务，且更难的推理样本未必获益更多；非循环输出层能提升欠展开时的鲁棒性。

WEFT 是一套面向通用智能体的工具使用后训练框架，将智能体交互系统构建、执行驱动的自进化与稳定后训练耦合起来。WEFT-8B 和 WEFT-14B 在 BFCL V4、τ^2-Bench 和 Claw-Eval 上均超过同规模环境扩展基线，其中 WEFT-14B 较 Agent-World-14B 分别提升 6.41、2.23 和 12.27 个百分点。

研究指出系统提示中被隐藏注入的当前日期会让 LLM 评测结果随日期波动，影响可复现性和排行榜公平性。在 9 个模型和 6 个数据集上，仅因日期变化，多项选择题 QA 最高波动 6%，数学推理 14%，代码生成 7%，机器翻译 2.84 BLEU，模型排名也会因此改变；该效应超过 batch size 和数值精度等非确定性来源，链式推理和 few-shot 提示均无法缓解，链式推理甚至放大波动。

WUSH-KV 是一种面向低比特 KV cache 的量化方法，利用矩阵乘积两个因子的二阶统计量构建数据感知变换，为 key 和 value 分别构造变换，其中 value 变换折叠进模型权重、key 变换在 RoPE 之后应用。

LoopVL 将 Loop Transformer 扩展到视觉语言模型，通过 Module-Loop 与 Model-Loop 组合，用共享模块迭代更新统一的视觉语言状态，并从零开始完成语言预训练、多模态训练与后训练。它在多模态理解与视觉推理基准上超过多款同规模及更大规模的非循环模型，还出现跨循环视觉注意力显著转移的 Visual Aha Moments。

针对 JEPA 世界模型中各向同性高斯正则导致的表示几何与任务代价不匹配问题，研究者提出 AnisoWM 与 ΛReg，用固定迹和各向异性约束下的可学习对角协方差替代固定各向同性高斯目标，预测目标、预测器架构与欧氏规划器均保持不变。在四个视觉控制环境中，AnisoWM 的规划成功率均优于 LeWorldModel，其潜在规划代价与任务结果也更一致。

PRISM 是一个 real-to-sim-to-real 框架，通过视频到视频（V2V）生成将少量真实视频扩增为数百段"反事实"人-物交互视频，再经接触锚定的 real-to-sim 流程重建人与物体运动，把不完美视频数据重定向为物理合理的轨迹。该框架训练出单一策略，可泛化到同类未见物体，并在真实机器人上零微调部署，仅用机载深度观测完成箱子、桶、储物箱和球的抓取、搬运与放置。

EasyPPO 通过仅对 actor 做超长过滤、按采样回报标准差倒数加权 critic 回归、并适度缩小 critic mini-batch，解决了 PPO 中 critic 的两类失稳问题。

一篇论文在六个领域系统评测 GPT-6 Astra 作为通用具身策略的能力，覆盖直接控制、与学习策略协作及反馈驱动适应。

FlexRouter 是一个显式建模模型互补性的 LLM 路由框架，以答案覆盖率为优化目标，最大化所选模型中至少一个给出正确答案的概率。该方法将路由建模为覆盖导向的子集选择问题，用 Determinantal Point Processes（DPPs）刻画模型能力与冗余度，并通过基于失败集边缘化的训练目标直接优化覆盖率。

PixelUMM 是一个无需视觉编码器的统一多模态模型，直接在像素空间完成图像与视频的理解和生成。它将图像表示为空间 patch、视频表示为时空 tubelet，通过单层线性投影接入共享多模态主干，并采用 Mixture-of-Transformers 架构结合共享注意力与任务专属参数，同时支持自回归文本预测和像素空间流匹配。

EpiCon 是一个无需更新宿主模型参数的多模态共享记忆框架，通过两个独立训练的 2B 模型——记忆控制器与树状自组织器——连接问题级记忆演化与持久经验库，实现不同智能体之间的经验复用。在覆盖四个多模态任务域的 11 个基准上，第二个 harness 将原系统宏平均分提升 2.6 分；四种宿主配置下较无记忆基线提升 1.7 至 4.9 分，记忆操作时间减少 67% 至 74%。

论文提出 TabFM，一个 400M 参数的表格基础模型，将监督式表格预测建模为 in-context learning，单次前向传播即可产生校准的零样本预测，无需任务特定调参。

针对稀有失败场景下 CVaR 估计需大量昂贵 rollout 的问题，研究者提出 Tail-Influence Sampling（TIS），通过从试点模型估计各条件分布的尾部影响并重新分配查询预算。

研究者提出 Triadic Linear Attention，将线性注意力的矩阵隐状态扩展为三阶（3D）张量状态，通过 key、第二个 key 与 value 的三元外积写入，并用两个 query 分别与两条 key 轴收缩读出。

AREX-2 通过从机器学习和算法编程任务合成长期改进轨迹，训练出基于 Qwen3.8-27B 的智能体，在 MLE-bench Lite 上得分 81.8、Frontier-CS 上 70.7。

论文提出 MotorMind，一个连接 VLM 中层动作与确定性机器人控制并带异步监控和后台记忆更新的操作框架，无需任务特定策略训练、编码智能体或 SAM3 等额外工具。

研究者提出全自主框架 Agentic Idea Manager（AIM），用于管理并探索"想法驱动"的自动化研究，通过 Agentic Surrogate 与 Agentic Acquisition 机制组织并筛选研究想法，并以 Solution Auditor 维护想法与实现的一致性。

LongLive-Plug 是一个一次性蒸馏框架，把可复用能力以 LoRA 形式学在基座模型上，无需重训练即可即插即用到兼容的下游模型。这些能力涵盖单次 classifier-free guidance、少步采样和自回归生成的长上下文纠错，即使下游模型新增条件分支或扩展输出通道仍可复用。团队在三个骨干家族、八类任务的 54 个下游模型上验证了免训练部署，包括世界建模、机器人、编辑和多模态生成。

研究团队提出 LIFT，一个统一的图像到视频生成框架，用末帧布局作为显式控制信号，让用户指定未来视角中出现什么内容及其位置。由于稀疏布局引导比逐帧密集布局更难学习，LIFT 引入 on-policy self-distillation（OPSD），将密集布局教师模型的控制能力迁移给末帧布局学生模型。

针对音视频大语言模型（AVLLM）的"来源混淆接地幻觉"，研究者通过路径干预与表征分析发现"问题中继"机制：问题状态会携带干扰模态的线索，削弱对所需模态证据的接地。

论文提出 Context Language Models（CLMs），将上下文视为文件、由模型自由更新以原生管理自身上下文。

苹果研究者提出往返协议，用生成器把算术表达式转成文字题、再由独立提取器还原，并以符号等价作为精确判定，测试十六个模型的所有两两组合。结果显示该通道有损且不对称：交换生成与提取模型可使准确率相差最多 60.4 个百分点，最佳组合达 92.9%；至少 73.6% 的失败源于生成端，难度由树结构而非模型家族决定。

Preferred Networks（PFN）将于 2026 年 10 月 13 日至 16 日在幕张展览馆出展 CEATEC2026，展位为 Xパーク・ホール5 的 5H206。

研究者提出免训练的后门移除方法 NEEDLE，通过激活向量估计后门方向与拒绝子空间，再施加顺序权重正交化，在压制后门的同时避免改变拒绝相关表征。该方法无需干净参考模型或原始投毒训练数据，在多种模型家族与攻击类型上取得最低平均攻击成功率，其中代码注入攻击为 0%，同时 KL 散度最低，能力与安全性变化极小。

Prompt2Skill 框架仅凭自然语言任务描述即可为 LLM 构建技能：从提示词推导任务规范、发现或合成数据集，并通过反思式编辑的闭环迭代优化技能。在问答、阅读理解、表格操作和数学推理四个领域，该方法在开源与前沿模型上平均提升 10.8，稳定优于直接提示基线。

针对传统 token-wise MoE 因均匀专家使用正则化导致的"均匀性陷阱"，SplitMoE 提出分角色稀疏架构，将专家池拆分为语义专家与通用专家，配合原型引导路由和拉推正则化，让 token 按语义属性自然聚类。在等效激活参数预算下，SplitMoE 在收敛速度、路由一致性和视频生成质量上均优于传统负载均衡 MoE。

研究者提出 SMART，一个面向长篇幅字幕翻译的自进化多智能体系统，通过测试时训练构建剧集级持久记忆，并用动态路由与 Mixture-of-Agents 层完成翻译。

改进的分布扩散模型（DDM）通过将粒子扩展推迟到 Transformer 后层，并引入基于动力学区间的时间相关评分规则调度，解决了多粒子训练开销随粒子数增长、评分规则超参数全局固定的问题。

研究者推出 LibraryDesignBench，一个两阶段基准，让智能体根据只定义能力与用例、不规定设计的规格实现完整代码库，再由来自不同模型族的三个用户智能体以程序正确性和简洁性评估。

研究提出 MIST（Misleading-Image Stress Test），用 200 个可作比喻或字面理解的英文句子，分别配对齐图像、误导图像或无图像，要求仅凭句子作答。

EmoRES 提出一种免训练的情感 TTS 向量引导方法，将情感向量拆分为共享分量与残差分量并分别控制，无需重训主干模型。

SaveRouter 是一个稀疏监督的 LLM 路由框架，只选择性获取有信息量的模型反馈并在相关查询间共享能力信息，在四个路由基准上仅用约 33–41% 的可用训练反馈就保持或超过竞争方案的 routing 质量，并将盈亏平衡部署量较最快的传统路由器降低约 1.9–9.5 倍。该研究同时把监督开销与后续服务节省一起纳入评估，发现最小化服务成本的监督水平未必等于最早回本的监督水平。代码已公开。

针对联合音视频扩散模型的多奖励强化学习，研究者提出 Adaptive Reward Routing，在 DiffusionNFT 前向过程 RL 中同时自适应调整更新位置与奖励协调方式。

研究在 470 万条关于提示注入与隐瞒行为的解释上，比较了模型计算信号与仅用聊天结构训练的排序器，发现聊天结构通常能选出更相关的解释，且无需为位置选择做一次模型前向传播。在四个数据集中的三个上，只解释 5% 的位置就能保留解释全部位置时几乎全部的成功率。预训练 verbalizer 还能在无需额外训练的情况下还原模型经微调学会隐瞒的词语。

研究者提出 ALICE，一个仅用合成分布训练的基础模型，可在上下文内估计未见分布的 rectified-flow 速度场，并通过固定恒等式积分联合场与条件场之差的平方得到互信息。ALICE 无需按分布单独训练，原生支持不同数据维度和样本数量，在标准基准及生物学、遗传学、神经科学三个领域实现零样本互信息分析，首次让单一模型追平按分布分别训练的神经估计器。