DreamX-Creator: Democratizing Native Audio-Video Generation at 2K Resolution
DreamX-Creator：实现2K分辨率原生音视频生成的民主化
机构 * Alibaba Group（阿里巴巴集团）
AI总结 DreamX-Creator 1.0是基于7B生成器的紧凑原生联合音视频生成系统，通过多阶段训练与2K细化流水线实现2K分辨率同步音视频生成，性能达开源先进水平，旨在推动该领域研究民主化。
大厂专区
Alibaba（阿里巴巴）
SkillZip Pro: Execution-Aware Dynamic Compression of Progressively Loaded Skills for Self-Evolving Agents
SkillZip Pro：面向自进化智能体的渐进式加载技能的执行感知动态压缩
机构 * Alibaba Group（阿里巴巴集团） ； Zhejiang University（浙江大学）
AI总结 SkillZip Pro 是面向自进化智能体的渐进式加载技能的执行感知压缩器，可高效降低技能 bundle 的 token 成本且不损失性能，还能保留路由和公共入口。
E-Commerce Bench: Evaluating LLM Agents on Long-Horizon Autonomous Business Operation
电商基准测试集：评估大语言模型智能体在长周期自主商业运营中的表现
机构 * Qwen Team, Alibaba Group（通义千问团队，阿里巴巴集团） ； Department of Computer Science and Engineering, HKUST（香港科技大学计算机科学与工程系） ； Taobao & Tmall Group, Alibaba Group（阿里巴巴集团淘宝天猫集团）
AI总结 该研究推出首个开源电商长周期自主商业运营基准E-Commerce Bench，评估18个前沿LLM智能体，发现无单一模型占优，GPT-5.6 Sol盈利最高，Qwen3.8-Max-Preview为开源模型最优。
PAC: Progress-Augmented Advantage Curriculum for Multi-Task Reinforcement Learning of LLMs
PAC：面向大语言模型多任务强化学习的进度增强优势课程
机构 * Alibaba Group（阿里巴巴集团）
AI总结 该研究针对LLM多任务RL后训练的任务分配问题，提出PAC方法结合优势与奖励增益信号，经多场景验证可提升样本效率与最终性能。
Comments Accepted at EMNLP 2026 (Main)
PRIME: Mitigating Subgroup Optimization Competition in Shared CTR Top Networks with Plug-in Residual Input-Conditioned Mixture of Expert
PRIME：通过插件式残差输入条件混合专家缓解共享CTR顶层网络中的子组优化竞争
机构 * Ant Group（蚂蚁集团） ； Henan Polytechnic University（河南理工大学） ； Alibaba Inc.（阿里巴巴集团）
AI总结 PRIME以Dense为锚点的残差输入条件混合专家，解决共享CTR顶层网络的子组优化竞争，在Avazu、Criteo等数据集上提升AUC、降低LogLoss且优于APG，参数更少、延迟更低。
Comments 14 pages, 4 figures
Scaffolding Foundation Models into Physical-World Agents Pushes the Frontier of Long-Horizon Navigation
将基础模型搭建为物理世界智能体以推动长时程导航前沿
机构 * Shanghai Jiao Tong University（上海交通大学） ； Alibaba Inc（阿里巴巴集团） ； Zhongguancun Academy（中关村学院） ； Adelaide University（阿德莱德大学） ； Peking University（北京大学） ； Tsinghua University（清华大学）
AI总结 本文提出NavMCP框架，结合VLM推理智能体与NFM执行器实现长时程导航，在多个具身问答基准及Unitree Go2机器人上取得优于基线的性能，验证了该方法的有效性。
Comments 22 pages, 6 figures
Answer Probing-Guided Search for Diverse Solution Exploration of LLMs
基于答案探测引导的大语言模型多样化解决方案探索搜索
机构 * University of Science and Technology of China（中国科学技术大学） ； Zhongguancun Academy（中关村学院） ； Alibaba Group（阿里巴巴集团） ； Shanghai Jiao Tong University（上海交通大学） ； Tsinghua University（清华大学）
AI总结 该研究针对LLMs推理易收敛于单一解的问题，提出Answer Probing引导的树搜索APTS，经实验证实可提升多推理任务的解决方案多样性，具备有效性与鲁棒性。
Comments Accepted to the EMNLP 2026 Main
On the Design of Qwen3.8-Next Architecture: Evaluation, Efficiency, and Training Stability
Qwen3.8-Next架构设计：评估、效率与训练稳定性
机构 * Qwen Team（千问团队）
AI总结 该研究设计了Qwen3.8-Flash-Next稀疏混合专家模型，通过混合注意力、门控残差等结构及Muon优化器，在参数、计算量大幅降低的同时，实现了更高效、更稳定且性能接近前代模型的效果。
CateKV: On Sequential Consistency for Long-Context LLM Inference Acceleration
CateKV：面向长上下文大语言模型推理加速的顺序一致性研究
机构 * Shanghai Jiao Tong University（上海交通大学） ； Alibaba Group（阿里巴巴集团） ； Fudan University（复旦大学）
AI总结 本研究针对长上下文LLM推理的内存与延迟挑战，提出混合KV缓存方法CateKV，利用注意力头的顺序一致性特性减少冗余KV信息，在保持准确率的同时显著降低内存占用、提升解码与批量处理效率。
Comments Published at ICML 2025
Journal ref Proceedings of the 42nd International Conference on Machine Learning (ICML), PMLR 267:27569-27585, 2025
DICS: Exploring Data Intrinsic Consistency for Visual Instruction Selection
DICS：探索数据内在一致性用于视觉指令选择
机构 * School of Artificial Intelligence, University of Chinese Academy of Sciences（中国科学院大学人工智能学院） ； MAIS, Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所） ； Alibaba Token Hub, Alibaba Group（阿里巴巴集团）
AI总结 提出基于数据内在一致性（DIC）的自适应视觉指令选择方法DICS，仅用25%数据就超越现有最优方法，还构建600万样本语料库，用不足25%训练数据达到InternVL3-8B-Instruct的94.52%性能
Comments Accepted by EMNLP2026
Beyond Global Realism: Virtual Try-On Evaluation and Optimization with Dimension-wise Garment Fidelity Assessment
超越全局真实感：基于维度化服装保真度评估的虚拟试穿评估与优化
机构 * Taobao & Tmall Group of Alibaba（阿里巴巴淘宝与天猫集团） ； Harbin Institute of Technology（哈尔滨工业大学）
AI总结 针对现有虚拟试穿评估指标难以捕捉服装多维保真度的问题，提出DAT框架，分解服装一致性为7个维度并训练专用评估模型，其性能优于多款专有模型，还可用于优化Qwen-Image-Edit的虚拟试穿生成。
Comments 12 pages, 6 figures
Test-Time Scaling for Video Diffusion Models via Diagnosis-Guided Candidate Recycling
基于诊断引导候选回收的视频扩散模型测试时缩放
机构 * Peking University（北京大学） ； Alibaba Group（阿里巴巴集团）
AI总结 该研究针对视频扩散模型测试时缩放的“生成-丢弃”范式缺陷，提出无需训练的 GEARS 框架，通过阶段感知调度器与候选回收器提升轻量模型性能，在 VBench 上使 13 亿参数模型得分接近 140 亿参数模型。
Comments Accepted by ACM TOG (SIGGRAPH Asia 2026)
Learning Simple Test-Time Environments for LLM Web Agents
为大型语言模型网页智能体学习简单的测试时环境
机构 * College of Computer Science and Technology, Jilin University（吉林大学计算机科学与技术学院） ； Dept. of Comp. Sci. & Tech., Tsinghua University（清华大学计算机科学与技术系） ； School of Electronic and Information Engineering, Beijing Jiaotong University（北京交通大学电子信息工程学院） ； Institute for AI Industry Research (AIR), Tsinghua University（清华大学人工智能产业研究院） ； Tongyi Lab, Alibaba Group（阿里巴巴集团通义实验室）
AI总结 本研究针对LLM网页智能体在复杂真实环境中性能下降问题，提出测试时环境分解（TTED）方法，通过将复杂环境分解为子模块并利用子环境经验提升组合泛化能力，验证了其在合成与真实基准上的有效性。
Comments Code and data are released at https://github.com/THUNLP-MT/TTED
RAGDiffusion++: From Macro-Retrieval to Micro-Fidelity Alignment for Garment Generation
RAGDiffusion++：面向服装生成的从宏观检索到微观保真度对齐
机构 * Shanghai Jiao Tong University（上海交通大学） ； Alibaba Group（阿里巴巴集团）
AI总结 该研究针对服装生成的高频轨迹坍塌问题，提出RAGDiffusion++模型，通过AR-GRPO策略结合STGarment-Plus数据集、FLUX架构与Garment-RM奖励模型，实现服装图像的宏观结构准确与微观纹理保真。
Revolutionizing Turn-by-Turn Navigation with Cloud-Edge Deep Learning
基于云边端深度学习的逐向导航技术革新
机构 * AMap, Alibaba Group（高德地图，阿里巴巴集团）
AI总结 该研究针对传统逐向导航音频指令的不足，提出结合Transformer与混合专家（MoE）的云边协同深度学习框架，大幅降低车辆偏航率，是深度学习在驾驶音频导航的首次大规模应用，推动了智能交通技术发展。
Comments This paper has accepted by IEEE Transactions on Intelligent Transportation Systems
Journal ref Volume: 27, Issue: 7, July 2026, Page(s): 7882 - 7892
Can Large Language Models Identify Meaningful Touchpoints in Conversion Attribution?
大型语言模型能否识别转化归因中有意义的接触点？
机构 * State Key Laboratory for Novel Software Technology, Nanjing University（南京大学计算机软件新技术国家重点实验室） ； School of Intelligence Science and Technology, Nanjing University（南京大学智能科学与技术学院） ； Taobao & Tmall Group of Alibaba（阿里巴巴淘宝天猫集团）
AI总结 该研究针对转化归因接触点选择的语义差距问题，评估LLMs识别隐藏关联的能力，分析提示策略与模型选择的影响，还将LLM归因标签用于提升CVR模型性能。
Comments 6 pages, 4 figures, 3 tables; accepted as a short paper at CIKM 2026
Enabling Proactive Spoken Turns via a Generalized Style-Aware Full-Duplex Framework
通过广义风格感知全双工框架实现主动口语话轮
机构 * Token Foundry, Alibaba Group（阿里巴巴集团Token Foundry）
AI总结 该研究构建含LPS-TC控制器、WildTurn数据集及两级评估方案的风格感知全双工框架，结合半双工/全双工模型后，可实现更自然类人的主动口语交互，时机与响应质量表现优异。
Comments Accepted by ACM MM 2026
