Alibaba（阿里巴巴）

One Sample to Rule Them All: Extreme Data Efficiency in Multidiscipline Reasoning with Reinforcement Learning

一个样本统治一切：通过强化学习实现多学科推理的极端数据效率

Yiyuan Li, Zhen Huang, Yanan Wu, Weixun Wang, Xuefeng Li, Yijia Luo, Wenbo Su, Bo Zheng, Pengfei Liu

机构 * Taobao & Tmall Group of Alibaba（阿里巴巴淘宝天猫集团） ； GAIR 纠错

AI总结 本文提出多学科学习框架，通过一个训练样本提升多领域推理能力，证明样本质量而非数量对模型性能的关键作用。

ContextBudget: Budget-Aware Context Management for Long-Horizon Search Agents

ContextBudget: 长时间 horizon 搜索代理的预算感知上下文管理

Yong Wu, YanZhao Zheng, TianZe Xu, ZhenTao Zhang, YuanQiang Yu, JiHuai Zhu, Chao Ma, BinBin Lin, BaoHua Dong, HangCheng Zhu, RuoHui Huang, Gang Yu

机构 * Zhejiang University（浙江大学） ； Alibaba Group（阿里巴巴集团） 纠错

AI总结 本文提出BACM方法，通过预算约束的序列决策问题管理上下文，结合BACM-RL强化学习方法，在多目标问答和长时间网页浏览任务中优于现有方法，尤其在高复杂度场景下表现突出。

DeltaMem: Towards Agentic Memory Management via Reinforcement Learning

DeltaMem：通过强化学习实现面向代理的记忆管理

Qi Zhang, Shen Huang, Chu Liu, Shouqing Yang, Junbo Zhao, Haobo Wang, Pengjun Xie

机构 * Alibaba Tongyi Lab, Hangzhou, China（阿里巴巴通义实验室，杭州，中国） ； Zhejiang University, Hangzhou, China（浙江大学，杭州，中国） 纠错

AI总结 本文提出DeltaMem，通过强化学习实现单代理环境下的人格中心记忆管理，结合用户-助手对话数据集和操作级记忆更新标签，引入基于记忆的Levenshtein距离以提升记忆管理能力。

Comments preprint, under review

DOne: Decoupling Structure and Rendering for High-Fidelity Design-to-Code Generation

DOne：解耦结构与渲染以实现高保真设计到代码生成

Xinhao Huang, Jinke Yu, Wenhao Xu, Zeyi Wen, Ying Zhou, Junzhuo Liu, Junhao Ji, Zulong Chen

机构 * HKUST (Guangzhou)（香港科技大学（广州）） ； Alibaba Group（阿里巴巴集团） ； HKUST（香港科技大学） ； University of Electronic Science（电子科技大学） ； Zhejiang Lab（之江实验室） 纠错

AI总结 DOne通过解耦结构理解与元素渲染，提升设计到代码生成的高保真度，通过布局分割模块、混合元素检索器和模式引导生成范式，克服了现有方法在结构与细节协调上的不足。