大厂专区
AliyunConsoleAgent：通过蒸馏和强化学习在真实云环境中训练Web智能体
机构 * Alibaba Cloud China（阿里云中国）
AI总结 提出AliyunConsoleAgent框架，通过蒸馏前沿模型轨迹进行监督微调，再结合GRPO和双通道结果奖励模型在真实云环境中强化学习，实现文档验证自动化，以低成本达到接近前沿专有模型的成功率。
CapRL++：基于可验证奖励的统一强化学习用于密集图像和视频描述生成
机构 * Tsinghua University（清华大学） ； University of Science and Technology of China（中国科学技术大学） ； Microsoft（微软） ； Shanghai AI Laboratory（上海人工智能实验室） ； Shanghai Innovation Institute（上海创新研究院） ； Alibaba Cloud（阿里云） ； The Chinese University of Hong Kong（香港中文大学）
AI总结 提出CapRL++框架，利用可验证奖励的强化学习（RLVR）优化多模态描述生成，通过非视觉语言模型回答问题的准确性作为奖励，提升密集描述质量，在20多个基准上超越传统监督微调。
Comments 26 pages, 10 figures. Project page: https://github.com/InternLM/CapRL. arXiv admin note: text overlap with arXiv:2509.22647
从粗到细：管理时空数据中的时间粒度以实现细粒度交通预测
机构 * College of Computer Science and Artificial Intelligence, Fudan University（复旦大学计算机科学与技术学院） ； Tongyi Lab, Alibaba Group（阿里巴巴集团通义实验室） ； The Hong Kong University of Science and Technology（香港科技大学） ； Guangzhou University（广州大学）
AI总结 针对粗粒度采样数据难以支持细粒度预测的问题，提出时空细化预测器（STRP），通过树卷积和逆膨胀卷积实现高效时空建模，在六个数据集上显著优于现有方法。
LexRubric：面向开放式法律任务的基于评分指南的诊断基准
机构 * Beijing University of Posts and Telecommunications（北京邮电大学） ； Tsinghua University（清华大学） ； University of Waterloo（滑铁卢大学） ； Alibaba Group（阿里巴巴集团）
AI总结 提出LexRubric基准，包含649个中国法律咨询与司法考试实例及12,337条原子评分标准，通过六维框架评估LLM在开放式法律任务中的可靠性，发现当前模型仍面临挑战。
BareWave: 波形原生流匹配文本转语音
机构 * Anhui Province Key Laboratory of Digital Security（安徽省数字安全重点实验室） ； Tongyi Fun Team, Alibaba Group（阿里巴巴集团通义Fun团队）
AI总结 提出BareWave，一种完全波形原生的流匹配TTS框架，通过训练时表示对齐、分阶段噪声调度和速度感知感知对齐解决直接波形训练难题，实现零样本语音克隆的高质量合成。
Comments Under Review
PRPO: 通过令牌级动态优势重塑的感知强化策略优化
机构 * Amap CV Lab, Alibaba Group（阿里巴巴集团高德地图计算机视觉实验室） ； Peking University（北京大学）
AI总结 提出令牌级强化学习框架PRPO，通过鲁棒视觉依赖（RVD）指标识别关键感知令牌，并利用感知优势重塑（PAR）技术增强其学习信号，在7个多模态推理基准上平均提升23.3%（3B模型）和21.1%（7B模型）。
MechLens：事实知识的晚期结晶解释语言模型中的干预有效性
机构 * Alibaba Cloud（阿里云）
AI总结 本文发现LLM中的事实知识在最后层突然“结晶”，而非逐层涌现，并基于此提出结晶引导的干预原则，优于现有方法。
工业场景中的零样本学习：新的大规模基准、挑战与基线
机构 * Zhejiang University（浙江大学） ； Alibaba Group（阿里巴巴集团） ； Huawei Technologies（华为技术有限公司） ； Tsinghua University（清华大学） ； Microsoft Research（微软研究院）
AI总结 针对工业场景中视觉语言模型应用难、数据稀缺的问题，提出大规模多模态工业开放数据集MMIO和精炼文本-视觉提示RTVP，实现零样本工业缺陷检测，在MMIO上达到SOTA。
MM-Matryoshka：通过二维多模态套娃训练框架实现预算弹性视觉文档检索
机构 * Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）） ； Alibaba Cloud Computing（阿里云计算） ； Hong Kong University of Science and Technology（香港科技大学）
AI总结 提出MM-Matryoshka，一种二维套娃训练框架，使视觉文档检索器在向量维度和编码器深度上实现弹性预算选择，无需为不同预算训练独立模型。
CUA-Gym：为计算机使用智能体扩展可验证的训练环境和任务
机构 * The University of Hong Kong（香港大学） ； Qwen Team, Alibaba Inc.（阿里巴巴集团Qwen团队） ； University of California, San Diego（加州大学圣地亚哥分校） ； Tsinghua University（清华大学）
AI总结 提出CUA-Gym可扩展流水线，通过协同生成任务指令、环境状态和奖励函数，构建大规模可验证强化学习训练数据，并合成CUA-Gym-Hub模拟网络应用环境，训练出的智能体在OSWorld-Verified和WebArena上取得领先性能。
全注意力再临：在数百次训练步骤内将全注意力转化为稀疏
机构 * Nanjing University（南京大学） ； Alibaba Group（阿里巴巴集团）
AI总结 本文提出RTPurbo方法，通过利用模型内在稀疏性，在少量训练步骤内实现高效的稀疏注意力，从而在保持接近无损精度的同时，显著提升推理效率。
Comments 20 pages, 9 figures
灵活性陷阱：重新思考扩散语言模型中任意顺序的价值
机构 * LeapLab, Tsinghua University（清华大学Leap实验室） ； NLPLab, Tsinghua University（清华大学自然语言处理实验室） ； Tsinghua University（清华大学） ； Alibaba Group（阿里巴巴集团） ； BNRist, Tsinghua University（清华大学北京研究院）
AI总结 本文发现，尽管扩散语言模型（dLLMs）允许任意生成顺序，但这种灵活性可能限制其推理能力，通过采用标准的Group Relative Policy Optimization（GRPO）方法，即JustGRPO，在保持并行解码能力的同时提升了推理性能。
Comments Code and pre-trained models: https://github.com/LeapLabTHU/JustGRPO
SurveyLens：一个学科感知的自动综述生成基准
机构 * The Hong Kong Polytechnic University（香港理工大学） ； Sichuan University（四川大学） ； Central South University（中南大学） ； Alibaba Cloud（阿里巴巴云）
AI总结 提出SurveyLens，首个学科感知的自动综述生成基准，包含跨10个学科的1000篇人工撰写综述数据集和双视角评估框架，发现深度研究智能体在跨学科鲁棒性上最优，而所有范式在参考文献质量上仍薄弱。
Comments 8 pages, 9 figures
注意力揭示大语言模型推理：预规划与锚定节奏实现细粒度策略优化
机构 * Shanghai Jiao Tong University（上海交通大学） ； Shanghai Innovation Institute（上海创新研究院） ； Alibaba Group（阿里巴巴集团）
AI总结 本文通过注意力机制揭示大语言模型推理中的预规划与锚定节奏，并据此提出三种细粒度强化学习策略，在多种推理任务上取得一致性能提升。
Comments 31 pages, 9 figures, 20 tables. Accepted at ICML 2026
CLPO：课程学习与策略优化相结合用于大语言模型推理
机构 * Peking University（北京大学） ； Qwen Applications Business Group, Alibaba Group（通义实验室，阿里巴巴集团） ； Xiamen University（厦门大学）
AI总结 提出CLPO框架，通过在线策略准确率动态调整问题难度，使课程与策略共同进化，在数学和通用推理基准上显著优于GRPO和DAPO。
时间序列与时空数据的大模型：综述与展望
机构 * Griffith University（格里菲斯大学） ； University of Oxford（牛津大学） ； Hong Kong University of Science and Technology (Guangzhou)（香港科学与技术大学（广州）） ； Zhejiang Normal University（浙江师范大学） ； Ant Group（蚂蚁集团） ； Alibaba Group（阿里巴巴集团） ； Deloitte Service LLP（德勤服务有限责任公司） ； The University of Hong Kong（香港大学） ； NEC Laboratories America（NEC美国实验室） ； A*STAR ； National Yang Ming Chiao Tung University（阳明交通大学） ； JD Technology（京东科技） ； Squirrel Ai Learning
AI总结 综述了面向时间序列和时空数据的大模型，按数据类型、模型类别、范围和应用领域分类，总结了通用与领域专用模型，并整理了相关资源与开放问题。
Comments Accepted by ACM Computing Surveys; 35 Pages; Github Repo: https://github.com/qingsongedu/Awesome-TimeSeries-SpatioTemporal-LM-LLM
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