首个面向多语言智能体的文化感知基准，覆盖状态保持、多语种性能与真实场景适配
近7日信号 1 条
提出基于评分标准的强化学习框架ARISE-RL，解决开放型智能体长周期任务训练中缺乏可验证答案与可扩展评分标准的难题
近7日信号 1 条
提出对比式路由机制，解决MoE中专家专业化受限问题，提升模块化专家路由效果
近7日信号 1 条
首次系统评估编码智能体工作记忆的异构性，提出多维评测框架，涵盖指令、产物、工具输出与自生成状态等不同语义角色的记忆行为
近7日信号 1 条
发现并量化LLM推理链中的‘读出间隙’，证明失败预测未必反映能力缺失
近7日信号 1 条
探索基于可验证奖励的强化学习（RLVR）向数学与代码之外领域扩展的路径，指向超级智能
近7日信号 1 条
将工业级大模型后训练类比为棕地维护，提出数据工程视角下的增量优化范式
近7日信号 1 条
提出BLOOM-WILT方法，通过logit倾斜技术在自动化LLM审计中激发部署中罕见但关键的行为
近7日信号 1 条
揭示高效评估方法可能导致负责任AI基准结论失稳，强调计算成本削减对评估鲁棒性的潜在影响
近7日信号 1 条
提出四阶段黑盒身份验证协议，应对AI模型匿名发布带来的数据治理、供应链风险与能力预期不确定性问题
近7日信号 1 条
提出上下文感知交错批处理方法，解决WhisperX因音频分段隔离导致标点与术语连贯性下降的问题
近7日信号 1 条
构建ElephantBench评测集，首次系统探测LLM在长尾歧义知识下的认知盲区
近7日信号 2 条
首次在范式层面开展In-context Learning文本到SQL任务的精度-成本权衡分析，揭示复杂流水线的实际增益边界
近7日信号 1 条
揭示结构化输出约束可能静默禁用工具调用，提出基于调度层仪器化的智能体数据表抽取诊断框架
近7日信号 1 条
研究基于强化学习的计算器工具调用机制，提升大语言模型在数学推理中对外部工具的可靠集成能力
近7日信号 1 条
提出COVER评估协议，可识别多智能体团队变更引发的路由效应，而非仅依赖端到端准确率差异
近7日信号 1 条
提出基于细粒度强化学习的上下文管理教学框架ContextPilot，解决长程智能体任务中工作记忆持续膨胀问题
近7日信号 1 条
首个面向AlphaGeometry的自然语言到形式化数学问题自动转换评测基准
近7日信号 1 条
系统综述大语言模型智能体在软件与系统安全分析流程（假设生成、工具调用、计划迭代）中的方法、应用与评估框架
近7日信号 1 条
面向文本辅助机器人视频预测的粒子世界建模方法，解耦运动推理与外观保真度
近7日信号 1 条
提出层重配置策略优化MoE模型训练通信效率，显著降低All-to-All开销
近7日信号 1 条
提出Decoder-Aware表示调优技术DARTS，解决多任务模型合并中的表征偏移问题
近7日信号 1 条
系统揭示语音识别错误如何导致具身AI执行危险指令，提出首个EAI语音安全风险测绘框架
近7日信号 1 条
提出基于跨进程总线的Agent Harness架构Logos，形式化定义能力组件时空可组合性
近7日信号 1 条
从信息论角度证明仅靠文本语料无法完全恢复说话人意图，对LLM语义能力提出根本性理论约束
近7日信号 1 条
面向灵巧操作学习的仿真就绪型腱驱动机械手设计，支持具身智能研究
近7日信号 1 条
探讨AI智能体社会演化、崩溃与治理的思辨性长文，提出‘代理文明’概念框架
「不是技术产品，而是AI治理范式的临界点信号弹——它正把‘AI安全’从模型层危机，升维为文明级基础设施风险命题。」
近7日信号 2 条
提出从真实视频逆向生成可编辑MuJoCo物理场景代码的智能体闭环框架，支持物理推理训练
近7日信号 1 条
首个跨机器人本体的视频世界模型，实现零样本物理仿真，突破单一体型视频模型局限
近7日信号 2 条
面向VLA模型的时间感知流式多模态建模框架
近7日信号 1 条