Adobe

MASS-DPO: Multi-negative Active Sample Selection for Direct Policy Optimization

MASS-DPO：多负样本主动采样用于直接策略优化

Rohan Surana, Xintong Li, Sheldon Yu, Yiran Jenny Shen, Chuhan Wang, Tong Yu, Prithviraj Ammanabrolu, Jingbo Shang, Julian McAuley, Junda Wu

机构 * UC San Diego（UC圣地亚哥大学） ； Adobe Research（Adobe研究院） 纠错

AI总结 MASS-DPO通过多负样本主动采样方法，在Plackett-Luce模型下扩展直接偏好优化，通过选择信息丰富的负样本子集提升策略更新效率，减少冗余梯度，提升模型性能。

ActivationReasoning: Logical Reasoning in Latent Activation Spaces

ActivationReasoning: 在潜在激活空间中的逻辑推理

Lukas Helff, Ruben Härle, Wolfgang Stammer, Felix Friedrich, Manuel Brack, Antonia Wüst, Hikaru Shindo, Patrick Schramowski, Kristian Kersting

机构 * TU Darmstadt（图恩-达姆施塔特大学） ； Lab1141（Lab1141实验室） ； Aleph Alpha Research（Aleph Alpha研究） ； MPI-Inf, SIC（马克斯·普朗克研究所（MPI-Inf）） ； Meta FAIR ； Adobe Applied Research（Adobe应用研究） ； DFKI（DFKI研究所） ； CERTAIN, Germany（德国CERTAIN） 纠错

AI总结 本文提出ActivationReasoning框架，通过在LLM的潜在空间中嵌入显式逻辑推理，提升模型的推理能力、可控性和对齐性，验证了在多跳推理、抽象与鲁棒性、自然语言推理及安全任务中的有效性。

Comments Proceedings of the 14th International Conference on Learning Representations (ICLR 2026)

Skill-R1: Agent Skill Evolution via Reinforcement Learning

Skill-R1：通过强化学习实现智能体技能进化

Yash Vishe, Rohan Surana, Xunyi Jiang, Zihan Huang, Xintong Li, Nikki Lijing Kuang, Tong Yu, Ryan A. Rossi, Jingbo Shang, Julian McAuley, Junda Wu

机构 * UC San Diego（UC圣地亚哥大学） ； Adobe Research（Adobe研究院） 纠错

AI总结 Skill-R1通过强化学习框架实现实例级递归技能优化，利用可验证奖励训练轻量级技能生成器，提升智能体在复杂多步骤任务中的表现。

Beyond Thinking: Imagining in 360$^\circ$ for Humanoid Visual Search

超越思考：为仿人视觉搜索的360度想象

Jingdong Zhang, Yizhou Wang, Zhengzhong Tu, Xin Li, Wenping Wang, Xiaohang Zhan

机构 * Texas A&M University（德克萨斯A&M大学） ； Adobe（Adobe公司） 纠错

AI总结 本文提出了一种将探索过程分解为专门Imaginator和Actor的框架，通过单步推理语义布局，降低数据工程成本，提升复杂真实环境中的搜索效率和成功率。

Skill-CMIB: Multimodal Agent Skill for Consistent Action via Conditional Multimodal Information Bottleneck

Skill-CMIB: 多模态代理技能用于通过条件多模态信息瓶颈实现一致行动

Zihan Huang, Junda Wu, Tong Yu, Qianqi Yan, Rohan Surana, Uttaran Bhattacharya, Lina Yao, Xin Eric Wang, Julian McAuley

机构 * UC San Diego（UC圣地亚哥大学） ； Adobe Research（Adobe研究院） ； UC Santa Barbara（UC圣芭芭拉大学） ； University of New South Wales（新南威尔士大学） 纠错

AI总结 本文提出Skill-CMIB方法，通过条件多模态信息瓶颈构建多模态技能，解决多模态环境下代理执行不一致的问题，提升执行稳定性。

COSAC: Counterfactual Credit Assignment in Sequential Cooperative Teams

COSAC：在顺序合作团队中的反事实信用分配

Shripad Deshmukh, Jayakumar Subramanian, Raghavendra Addanki, Nikos Vlassis

机构 * Adobe Research（Adobe研究） 纠错

AI总结 COSAC提出一种无批评者策略梯度方法，通过单个岭回归分解团队奖励，计算每个代理的反事实优势，实现低方差和可控的信用分配，适用于顺序合作团队。

Improved Mean Flows: On the Challenges of Fastforward Generative Models

改进的均值流：关于快速前向生成模型挑战的研究

Zhengyang Geng, Yiyang Lu, Zongze Wu, Eli Shechtman, J. Zico Kolter, Kaiming He

机构 * CMU（卡内基梅隆大学） ； MIT（麻省理工学院） ； Adobe（Adobe公司） ； THU（清华大学） 纠错

AI总结 本文改进了MeanFlow框架，通过重新参数化训练目标和指导机制，提升了训练稳定性与灵活性，实现了在ImageNet上的1.72 FID成绩。

Comments Technical report. Code at https://github.com/Lyy-iiis/imeanflow

CachePrune: Teaching LLMs What Not to Follow via KV-Cache Editing

CachePrune: 通过KV缓存编辑教LLMs不遵循指令

Rui Wang, Junda Wu, Yu Xia, Tong Yu, Ruiyi Zhang, Ryan Rossi, Subrata Mitra, Lina Yao, Julian McAuley

机构 * Adobe Research（Adobe研究院） ； University of California San Diego（加州大学圣地亚哥分校） ； University of New South Wales（新南威尔士大学） 纠错

AI总结 CachePrune通过KV缓存编辑识别并修剪指令跟随相关神经元，降低间接提示注入攻击成功率，同时保持LLM执行用户指令的能力。

Sequential Causal Discovery with Noisy Language Model Priors

具有噪声语言模型先验的顺序因果发现

Prakhar Verma, David Arbour, Sunav Choudhary, Harshita Chopra, Arno Solin, Atanu R. Sinha

机构 * ELLIS Institute Finland and Aalto University（芬兰ELLIS研究所和阿尔托大学） ； Adobe Research（Adobe研究） ； University of Washington, Seattle（华盛顿大学（西雅图）） 纠错

AI总结 本文提出一种混合框架，通过适应性整合顺序批次数据与噪声专家知识，提升因果发现的准确性，并扩展到参数估计，展示了对语言模型噪声的鲁棒性。

Comments 32 pages, Transactions on Machine Learning Research - TMLR (04/2026)