Alibaba（阿里巴巴）

SkillZip: Evaluation-Free Skill Compression for Self-Evolving Agents by Discovering Reusable Structure

SkillZip：通过发现可重用结构实现自进化智能体的免评估技能压缩

Xiaofan Bai, Hongqiang Lin, Chao Liu, Yantao Zhang, Xuan Jin, Xipeng Cao, Yuhong Li

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

AI总结 SkillZip 是一种免评估的自进化智能体技能压缩方法，通过提炼重复规则与动作序列实现高效压缩，在性能、泛化性及成本上优于评估引导压缩。

DiffImaginE: Imagine to Verify Entity Types with Diffusion

DiffImaginE：通过想象验证实体类型

Feng Zhang, Feiyu Han, Rongxin Yang, Yang Liu, Yancheng Chen, Rui Wang, Yingguang Yang, Tian Xueyun, Chongyang Zhang, Hao Zheng, Xu Kefu, Congjing Ran, Fuhai Chen, Bin Chong

机构 * Fuzhou University（福州大学） ； Chinese Academy of Sciences（中国科学院） ； Peking University（北京大学） ； Alibaba Group（阿里巴巴集团） ； University of Science and Technology of China（中国科学技术大学） ； Fullive Innovation (Beijing) AI Technology Co., Ltd.（福莱创新（北京）人工智能科技有限公司） ； Baidu（百度） ； Wuhan University（武汉大学） 纠错

AI总结 DiffImaginE将多模态命名实体识别的类型验证建模为条件潜在扩散推理，在Twitter-2015和Twitter-2017数据集上，相比确定性对照模型取得了一致的性能提升。

BridgeAlign: Bridging Preference Alignment for Humanities and Social Sciences

BridgeAlign：面向人文社科的偏好对齐框架

Ru Peng, Haokai Xu, Xijun Gu, Tianyu Zhao, Zhiting Fan, Yawen Zeng, Yihong Zhuang, Jinyang Zhang, Kexin Yang, Jian Wu, Hao Chen, Junyang Lin, Dayiheng Liu, Junbo Zhao

机构 * Alibaba Group（阿里巴巴集团） ； Ant Group（蚂蚁集团） 纠错

AI总结 该研究针对人文社科领域的偏好对齐需求，提出BridgeAlign框架，经21万+合成偏好样本对齐后，使Qwen3-8B在17个基准测试中优于11个强基线，且人工偏好与知识能力无权衡。

RT-Lynx: Putting GEMM Sparsity in the Right Place for Diffusion Models

RT-Lynx：以正确方式将GEMM稀疏性应用于扩散模型

Xing Cong, Hanlin Tang, Kan Liu, Tao Lan, Lin Qu, Chenhao Xie

机构 * Alibaba Group（阿里巴巴集团） ； Independent Researcher（独立研究者） 纠错

AI总结 针对扩散模型推理成本高的问题，提出将N:M半结构化稀疏性从权重转移到激活，结合误差补偿技术，实现线性层平均1.55倍加速且保持生成质量。

Comments 33 pages, 18 figures, Accepted by ICML 2026

Retrofit: Continual Learning with Controlled Forgetting for Binary Security Detection and Analysis

Retrofit: 二进制安全检测与分析中的受控遗忘持续学习

Yiling He, Junchi Lei, Hongyu She, Shuo Shao, Xinran Zheng, Yiping Liu, Zhan Qin, Lorenzo Cavallaro

机构 * University College London（伦敦大学学院） ； Zhejiang University（浙江大学） ； Alibaba Group（阿里巴巴集团） 纠错

AI总结 Retrofit通过受控遗忘机制在持续学习中平衡知识保留与适应性，无需历史数据，在恶意软件检测和二进制摘要任务中提升了性能和泛化能力。

Comments Accepted by USENIX Security 2026. The artifact received all three badges

HLE-Verified: A Systematic Verification and Structured Revision of Humanity's Last Exam

HLE-Verified: 人类最后考试的系统验证与结构化修订

Weiqi Zhai, Zhihai Wang, Jinghang Wang, Boyu Yang, Xiaogang Li, Xander Xu, Bohan Wang, Peng Wang, Xingzhe Wu, Anfeng Li, Qiyuan Feng, Yuhao Zhou, Taolin Han, Wenjie Luo, Yiyuan Li, Xiang Zheng, Yaxuan Wang, Ruixiang Luo, Guojie Lin, Peiyao Xiao, Chengliang Xu, Ben Wang, Zeyu Wang, Zichao Chen, Jianan Ye, Yijie Hu, Jialong Chen, Zongwen Shen, Yuliang Xu, An Yang, Bowen Yu, Dayiheng Liu, Junyang Lin, Hu Wei, Que Shen, Bing Zhao

机构 * Alibaba Group（阿里巴巴集团） ； Qwen Team, Alibaba Group（通义实验室，阿里巴巴集团） 纠错

AI总结 HLE-Verified通过系统验证和结构化修订，减少噪声并提高模型评估的准确性。

Comments 14 pages, 10 figures

PRO-Bid: Pareto-Prioritized Regret Optimization for Constraint-Aware Generative Auto-Bidding

基于帕累托优先的约束感知生成自动出价

Binglin Wu, Yingyi Zhang, Xianneng Li, Ruyue Deng, Chuan Yue, Weiru Zhang, Xiaoyi Zeng

机构 * Dalian University of Technology Dalian China ； Dalian University of Technology \& City University of Hong Kong Dalian China ； Alibaba International Digital Commerce Group Hangzhou China ； Dalian University of Technology ； Dalian University of Technology \& City University of Hong Kong ； Alibaba International Digital Commerce Group 纠错

AI总结 PRO-Bid通过约束解耦帕累托表示和反事实遗憾优化机制，提升自动出价在约束下的性能和价值获取能力。

Comments Accepted to CIKM2026 Full Research Paper Track

EchoMask: Speech-Queried Attention-based Mask Modeling for Holistic Co-Speech Motion Generation

EchoMask：用于整体同步语音动作生成的基于语音查询注意力的掩码建模

Xiangyue Zhang, Jianfang Li, Jiaxu Zhang, Jianqiang Ren, Liefeng Bo, Zhigang Tu

机构 * Wuhan University（武汉大学） ； Tongyi Lab, Alibaba Group（通义实验室，阿里巴巴集团） 纠错

AI总结 本研究提出EchoMask框架，通过MAM和SQA实现动作对齐的语音特征引导的掩码建模，生成高质量同步语音动作，性能优于现有最先进方法。

Comments 10 pages, 12 figures. Accepted to ACM Multimedia 2025. Project page: https://xiangyuezhang.com/EchoMask/; code and pretrained models: https://github.com/Xiangyue-Zhang/EchoMask

Journal ref Proceedings of the 33rd ACM International Conference on Multimedia (MM '25), 2025, pp. 10827-10836