首次实证检验多智能体系统中角色代理是否真正可互换，挑战当前生产级多Agent架构的核心假设
近7日信号 1 条
提出GUT框架，通过图复杂度量化并优化大语言模型推理过程中的不确定性分支结构
近7日信号 1 条
提出RISE递归自外推策略蒸馏框架，突破教师质量瓶颈，实现语言模型推理能力的持续自我增强
近7日信号 1 条
提出AdaGate-DF自适应门控检测器，专为低分辨率与资源受限环境优化的轻量级深度伪造检测方案
近7日信号 1 条
提出RoboSPA评测协议，系统评估VLA模型在复杂场景与长视野任务中的泛化与鲁棒性边界
近7日信号 1 条
首次系统性研究LLM智能体记忆在模型升级后的可迁移性，揭示嵌入版本混用、语义漂移等导致记忆失效的关键机制
近7日信号 1 条
研究视觉运动模仿策略中的条件视觉定位失效问题，提出诊断与改进方法以提升跨相似物体泛化能力
近7日信号 1 条
提出Ref-GeNVS——一种无需训练、专为镜面场景设计的生成式新视角合成方法，显式建模反射内容利用
近7日信号 1 条
提出基于行为证据的LLM解释评估框架，区分解释中必要因子与充分因子对实际决策的影响
近7日信号 1 条
面向韩国政府开放API的多步工具调用基准与数据合成方法，聚焦数据主权合规下的开源本地LLM智能体能力评估
近7日信号 1 条
提出ROBORMBENCH基准，揭示视觉语言奖励模型在机器人学习中缺乏语义等价目标描述下的奖励一致性（即同轨迹不同奖励问题）
近7日信号 1 条
构建首个基于真实可穿戴设备长期数据的健康推理评测基准WearableQA，填补AI健康推理评估空白
近7日信号 1 条
提出统一模型UniMate，支持跨骨架类型（人、动物、机器人）的运动生成，突破现有动画模型拓扑约束
近7日信号 1 条
伦敦国王学院等机构探讨AI相关精神病是否应成为临床诊断，基于OpenAI自报数据展开研究
近7日信号 1 条
提出空间智能世界模型Atlas，用于具身导航与物理交互建模
近7日信号 1 条
研究大模型代码编辑中的过度修改现象，强调最小化、可审阅性与原始实现保真度
近7日信号 2 条
面向大模型品牌推荐审计的标准化重复查询协议，规范迭代次数与稳定性指标
近7日信号 1 条
面向AI智能体漏洞修复能力的评测基准，关注PoC之外的补丁完整性与泛化性
近7日信号 1 条
通过重排序器蒸馏提升多模态大模型嵌入的组合推理能力
近7日信号 1 条
面向长周期智能体训练的细粒度信用分配方法，使用动态评分标准解决无真值成功信号问题
近7日信号 1 条
面向具身智能的自适应视觉-语言-抓取框架，支持跨不同机械手的通用抓取合成
近7日信号 1 条
提出LLM推荐的认知担保框架，为无真值场景下的用户信赖提供可操作依据
近7日信号 1 条
提出终端智能体环境协同演化框架，动态提升合成环境挑战性以匹配前沿模型能力
近7日信号 1 条
提出首个面向AI智能体的自然语言交互协议（NLIP），统一异构框架间通信语义
近7日信号 1 条
提出基于人-AI交互的高效测试时自适应方法，在开放任务中提升专业级产出可靠性
近7日信号 1 条
开源微型阿克曼车辆端到端自动驾驶实验平台，含物理车、城市轨道与数据工具链
近7日信号 1 条
提出Terminal-Universe框架，将海量终端智能体轨迹转化为可复用、可查询的可执行环境
近7日信号 1 条
提出SENTINEL-RL架构，将拓扑推理卸载至专用RL模块，提升SOC场景下LLM智能体可扩展性
近7日信号 1 条
构建因果框架区分‘欺骗性输出’与‘欺骗性机制’，推动LLM欺骗研究科学化
近7日信号 1 条
提出SWE-Gate基准，强调代码工程智能体需满足评审约束而不仅是功能测试通过
近7日信号 1 条