Company Research
按论文发表机构汇总科技公司的最新研究成果。直属研究团队按母公司归类，机构信息由 AI 分析生成，仅供参考。
Hydra-0：面向通用世界建模与控制的动作流
机构 * NVIDIA（英伟达） ； Brown University（布朗大学） ； Columbia University（哥伦比亚大学） ； Harvard University（哈佛大学）
AI总结 本研究提出Hydra-0通用世界模型，以动作流为条件实现跨实体、任务等的通用建模控制，在RoboLab基准获高相关性，还涌现出逆模式，可助力机器人控制。
Comments Project page: this https URL (https://nvidia-isaac.github.io/video_to_data/hydra-0/)
从语料到协同进化的能力：面向通用图像生成的以能力为中心的数据设计
机构 * Alibaba Group（阿里巴巴集团）
AI总结 该研究提出能力驱动的数据基础设施，构建三类监督引擎，整理大规模图像语料，训练多模态扩散模型，在CPI-Bench等评估中展现良好生成与迁移能力。
Comments 19 pages, 10 figures
自改进智能体的脆弱性：方差、任务顺序与规格不足
机构 * Salesforce AI Research（Salesforce AI研究院）
AI总结 本研究通过多轮运行与打乱任务顺序的实验，揭示当前基于记忆的自改进智能体存在脆弱性，发现其性能受方差与任务顺序影响，还指出规格不足是相关诱因，呼吁采用更严格评估方案与人工监督机制。
Comments Code: this https URL (https://github.com/SalesforceAIResearch/self-improve-fragility) Data: this https URL (https://huggingface.co/datasets/Salesforce/self-improve-fragility)
EditBridge：迈向忠实且高效的超高清图像编辑
机构 * School of Artificial Intelligence, Shanghai Jiao Tong University（上海交通大学人工智能学院） ； Qwen Business Unit of Alibaba（阿里巴巴通义千问业务部） ； National University of Singapore（新加坡国立大学）
AI总结 针对现有扩散图像编辑模型无法高效处理超高清图像的问题，提出EditBridge扩散桥框架，通过先验引导的块级稀疏注意力机制实现4K高保真编辑，速度提升显著。
用于持续改进大语言模型的经验链（Chain-of-Experience, CoE）
机构 * UC Santa Cruz（加州大学圣克鲁兹分校） ； Bytedance Seed（字节跳动Seed）
AI总结 该研究提出经验链（CoE）方法，通过迭代交互让LLM从经验中持续改进，在多领域8种LLM上验证其比无反馈基线更优，结合互补反馈可进一步提升，且每令牌准确率高于现有测试时策略。
Comments H.T. and Y.F. contributed to this work equally
IOL-AI挑战赛：一项旨在推进语言推理的开放挑战赛
机构 * University College London（伦敦大学学院） ； Meta ； CentraleSupélec（中央高等电力学院） ； McGill University（麦吉尔大学） ； Cohere Labs（Cohere实验室） ； Princeton University（普林斯顿大学） ； University of Amsterdam（阿姆斯特丹大学） ； Stockholm University（斯德哥尔摩大学） ； Faculty of Liberal Arts and Sciences（文理学院） ； Universidade Federal de Goiás（戈亚斯联邦大学）
AI总结 本文介绍基于2026年IOL个人赛未公开题目的IOL-AI挑战赛，评估含自动与评审团评分，测试显示模型能力不由规模决定，语言推理是泛化推理技能的强基准代理。
基于记忆树引导的关键帧查询的高效三维问答
机构 * University of Washington（华盛顿大学） ； Amazon（亚马逊公司） ； The University of Texas at Austin（德克萨斯大学奥斯汀分校）
AI总结 本研究针对具身场景三维问答的效率问题，提出MemTree3D记忆树引导的关键帧选择方法，在OpenEQA数据集上显著提升GPT-4o与LLaVA-OneVision-7B的问答性能，优于现有视觉搜索方法。
Comments ECCV 2026
AViTS：用于高效动态分辨率生成的自适应时空令牌选择
机构 * Shanghai Jiao Tong University（上海交通大学） ； Shandong University（山东大学） ； Terminal Intelligent Computing Division, Alibaba Cloud（阿里云终端智能计算事业部） ； Jilin University（吉林大学） ； Xi’an Jiaotong University（西安交通大学）
AI总结 该研究针对扩散变换器动态分辨率采样的冗余计算问题，提出AViTS框架，通过时空重要性感知的选择性上采样减少冗余，在FLUX等模型上实现显著加速且与其他优化技术兼容
Comments Accepted to ECCV 2026. 20 pages including appendix. Code: this https URL (https://github.com/QHR69/AViTS)
GS-Voxel：用于大规模3DGS生成的免拟合结构化隐变量
机构 * Zhejiang University（浙江大学） ； Peking University（北京大学） ； Amap（高德地图） ； Alibaba（阿里巴巴）
AI总结 GS-Voxel是免拟合结构化隐变量框架，可将预优化3DGS重建转为稀疏活跃体素，通过GS专用VAE编码为稀疏3D隐变量，结合图像条件流模型实现大规模航空3DGS场景生成。
再循环
机构 * Google DeepMind（谷歌DeepMind） ； University of Texas, Austin（德克萨斯大学奥斯汀分校）
AI总结 该研究提出推理时架构增强技术“再循环”及其自适应变体，无需额外训练，可显著降低Gemma3系列模型的困惑度、提升推理任务准确率，为架构演进提供新方向。
LinCa：基于可学习分解特征缓存的扩散模型加速方法
机构 * Shanghai Jiao Tong University（上海交通大学） ； Shandong University（山东大学） ； Terminal Intelligent Computing Division, Alibaba Cloud（阿里云终端智能计算事业部） ； South China University of Technology（华南理工大学） ； Jilin University（吉林大学）
AI总结 本文提出LinCa框架，通过可学习可逆网络分解缓存特征并差异化预测，仅需少量额外参数即可在5-7倍加速下使扩散模型保持近无损质量，性能优于现有方法。
Comments Accepted to ECCV 2026. 28 pages including appendix. Code: this https URL (https://github.com/QHR69/LinCa)
GenRec：明确何处重建、何处生成
机构 * KAIST（韩国科学技术院） ； Google（谷歌公司） ； Microsoft（微软公司） ； ETH Zürich（苏黎世联邦理工学院）
AI总结 GenRec 是一种多视图流匹配模型，通过架构等内置重建与生成划分，在 RealEstate10K 等数据集的单视图外推、两视图插值任务中，兼顾观测区域高重建保真度与未观测区域优感知质量。
StartupBench：基于市场验证的端到端工作流程的通用智能体基准测试
机构 * ByteDance Seed（字节跳动 Seed） ； Nanjing University（南京大学） ； M-A-P
AI总结 本文提出StartupBench基准测试，基于市场验证的AI初创产品工作流程评估通用智能体，发现当前最强模型仅完成约30%任务，该基准可衡量智能体完成现实用户任务的进展。
TraceSQL：无参考文本到SQL验证的可追踪答案性估计
机构 * Oracle Corporation（甲骨文公司）
AI总结 针对无参考文本到SQL验证的可追踪性不足问题，提出基于67种诊断特征的轻量模型TraceSQL，在BIRD数据集上优于基线模型，可提供可追溯的预测证据。
Comments 9 pages main paper with 6 pages supplementary material
用多样性轮廓评估AI生成内容的多样性
机构 * Tsinghua University（清华大学） ； MBZUAI（穆罕默德·本·扎耶德人工智能大学） ； Microsoft Research（微软研究院） ； University of Cambridge（剑桥大学） ； McGill University（麦吉尔大学）
AI总结 针对现有AI生成内容多样性评估标量指标的矛盾性与局限性，提出曲线值的多样性轮廓框架，为生成式AI评估提供更透明、感知分辨率的多样性比较方案。
基于流匹配模型的快速视频生成的幅度-方向解耦方法
机构 * Nanjing University of Science and Technology（南京理工大学） ； Huawei（华为）
AI总结 针对流匹配视频生成模型计算开销高的问题，提出MDD方法，通过解耦幅度与方向复用轻量模型，在Wan2.1上实现最高2.95倍加速，性能优于现有方法且保真度高。
MoNe：用于高效长上下文推理的模块化神经记忆
机构 * Qualcomm AI Research（高通人工智能研究部门） ； Qualcomm Technologies, Inc（高通技术公司）
AI总结 研究提出MoNe，一种可附加到冻结预训练Transformer的轻量级模块化神经记忆，通过两阶段设计实现高效长上下文推理，在128K令牌场景下较ICL降低约80%计算与内存开销，泛化性能优于ICL。
编写、执行、优化：通过执行反馈强化学习从技能跟随者到技能优化器
机构 * Harbin Institute of Technology, Shenzhen（哈尔滨工业大学（深圳）） ； The Chinese University of Hong Kong（香港中文大学） ； Huawei Technologies Co., Ltd.（华为技术有限公司） ； Harbin Institute of Technology（哈尔滨工业大学）
AI总结 本研究提出WER多阶段框架，通过冻结执行器、程序验证器打分及混合轨迹优化训练技能优化器，在BFCL v4和tau2-bench上显著提升智能体工具使用性能，4B优化器表现优于通用模型。
CoinVE-200K：用于组合式指令引导视频编辑的大规模高质量数据集
机构 * Tencent（腾讯）
AI总结 本文提出用于组合式指令引导视频编辑的大规模高质量数据集CoinVE-200K，构建基准CoinVE-Bench及22B参数模型CoinVE-Edit，在基准测试中表现优异。
Comments Project page: this https URL (https://coinve200k.github.io); Dataset is available at this https URL (https://huggingface.co/datasets/FireCRT/CoinVE-200K;) see source codes at this https URL (https://github.com/coinve200k/CoinVE-200K)
Agent Lightning v1.0：走向可控的智能体强化学习
机构 * Microsoft（微软） ； Fudan University（复旦大学） ； Zhejiang University（浙江大学） ； University of Edinburgh（爱丁堡大学）
AI总结 研究针对可控智能体强化学习的挑战，推出轻量级框架 Agent Lightning v1.0，经评估可将 Qwen3.5-9B 在 SWE-bench Verified 上的性能提升14.6个百分点，发布完整流程脚本以推进相关可复现研究。
SE-MoLoRA：用于特定领域摄影评估的共享专家LoRA适配器
机构 * Faculty of Information Technology（信息技术学院） ； University of Jyväskylä（于韦斯屈莱大学） ； Adobe Research（奥多比研究院） ； University of Helsinki（赫尔辛基大学）
AI总结 本文提出SE-MoLoRA框架，通过共享LoRA专家与路由适配器解耦通用摄影知识和专业判断，在摄影评论生成任务上显著提升BERTScore-F1，且更受偏好、参数更少。
FireRedTTS3：基于语义丰富的语音表征的统一语音生成与编辑
机构 * Xiaohongshu（小红书）
AI总结 本研究提出FireRedTTS3框架，利用冻结音频编码器正则化特征空间缓解自回归误差，其两个变体在对应任务数据集上均优于竞争系统，实现稳定可控的高保真语音生成与编辑。
MoE-ViE：用于高效图像与视频理解的混合专家视觉编码器
机构 * Meta
AI总结 本研究提出MoE-ViE，通过细粒度MoE拓扑、无辅助损失平衡变体、专用MoE内核及帧级蒸馏等设计，实现高效图像与视频理解，性能优于对应密集模型及更大规模SOTA编码器。
Comments Accepted to ECCV 2026
LEGO-RL：利用原生强化学习实现编码智能体
机构 * Huawei Technologies Co., Ltd（华为技术有限公司） ； The Chinese University of Hong Kong（香港中文大学）
AI总结 LEGO-RL 是桥接原生编码智能体 harness 与策略梯度优化的框架，通过三大支柱解决训练不匹配问题，提升 Qwen3.5-35B-A3B 在三个编码基准上的性能，且保持高概率相关性。
Comments Webpage: this https URL (https://lego-rl.pages.dev)
Wuying-Browser-Agent：以真实场景为中心的基础长时程浏览器智能体
机构 * Alibaba Cloud（阿里云） ； End-User Intelligent Computing BU（终端用户智能计算业务部） ； AI Model Application & Engineering Team（AI模型应用与工程团队）
AI总结 本文提出Wuying-Browser-Agent统一框架，通过多层面技术对齐解决浏览器智能体实际部署问题，在多项基准取得最优成绩，且具备通用智能体迁移能力。
ASI-Bench：人工智能超级智能的黎明
机构 * Tsinghua University（清华大学） ； Massachusetts Institute of Technology（麻省理工学院） ； Harvard University（哈佛大学） ； Carnegie Mellon University（卡内基梅隆大学） ； University of Michigan（密歇根大学） ； University of Illinois Urbana–Champaign（伊利诺伊大学厄巴纳-香槟分校） ； Boston University（波士顿大学） ； University of Queensland（昆士兰大学） ； University of Science and Technology of China（中国科学技术大学） ； Flatiron Institute（弗拉蒂伦研究所） ； Microsoft Research（微软研究院） ； AG2 AI（AG2 AI公司）
AI总结 研究人员推出首个联合评估AI创新探索与自主科学执行能力的基准ASI-Bench，逐步减少人类方法指导测试AI自主科研能力，发现当前AI仍严重依赖人类指导，该基准面向全球开放邀请贡献。
Comments 16 pages, 5 figures, 2 tables
Co-RL：多智能体强化学习中多样群体涌现的无监督推理
机构 * University of Exeter（埃克塞特大学） ； ByteDance（字节跳动） ； Johns Hopkins University（约翰斯·霍普金斯大学） ； UC San Diego（加州大学圣迭戈分校）
AI总结 本研究提出Co-RL框架，通过参数不共享的多智能体协作训练，利用同伴奖励减少对真实标注的依赖，提升纯文本及多模态任务的推理性能，缓解训练崩溃与响应同质化问题。
Comments 30 pages, 5 figures, 11 tables
愚人金：针对开放权重模型安全移除攻击的防御性欺骗
机构 * Microsoft Azure（微软Azure）
AI总结 针对开放权重模型易被移除安全对齐的问题，提出“愚人金”防御，通过训练仅在被攻击状态显现的伪造诱饵，使被攻击模型对危险请求输出高比例假回答，且无法区分真假，同时不影响干净状态的良性行为。
KnowSim：用学习的用户模拟器评估大语言模型助手的信息校准
机构 * University of Michigan（密歇根大学） ； KAIST（韩国科学技术院） ； Microsoft Research（微软研究院）
AI总结 本研究提出KNOWSIM框架，通过带显式知识状态的用户模拟器评估LLMs的信息校准，验证后其性能优于基线，可揭示用户知识水平与LLMs的适配关系。
Comments 30 pages, 6 figures, 16 tables
PROBE：基于操作的视觉问答（使用VLM智能体）
机构 * NVIDIA（英伟达）
AI总结 针对现实杂乱环境中需操作遮挡物体的视觉问答问题，提出PROBE框架，含模拟器、基准测试集及微调方案，提升VLM智能体性能并验证模拟到现实的迁移。
扫码添加微信好友，提出您的宝贵建议 👇
💡 备注请填写：网站反馈