Amazon（亚马逊）

QUBRIC: Co-Designing Queries and Rubrics for RL Beyond Verifiable Rewards

QUBRIC：为超越可验证奖励的强化学习协同设计查询与评分标准

Rongzhi Zhang, Rui Feng, Zhihan Zhang, Jingfeng Yang, Qingyu Yin, Xin Liu, Zixuan Zhang, Priyanka Nigam, Bing Yin, Tuo Zhao, Chao Zhang

机构 * Amazon（亚马逊） ； Georgia Institute of Technology（佐治亚理工学院） 纠错

AI总结 针对基于评分标准的强化学习中查询分布固定导致的评分标准质量瓶颈，提出QUBRIC框架，通过协同设计查询与评分标准，利用教师关键点、对比生成和可学习性过滤，在ArenaHard上取得+5.5点提升，并泛化到法律、道德和叙事推理任务。

Physics-Guided Policy Optimization with Self-Distillation

基于物理引导的自蒸馏策略优化

Ke Wang, Yuning Wu, Haoran Liu, Chaoqun Jia, Devin Chen, Kai Wei

机构 * Amazon（亚马逊） 纠错

AI总结 针对自蒸馏策略优化中固定步长导致训练不稳定的问题，提出受粘性流体动力学启发的物理引导策略优化（PGPO），通过互信息估计动态调整步长，在Science-QA数据集上提升性能并保持训练稳定性。

Spectral-Progressive Thought Flow for Lightweight Multimodal Reasoning

光谱渐进式思维流：轻量级多模态推理

Yixian Shen, Zhiheng Yang, Qi Bi, Changshuo Wang, Shuai Wang, Jia-Hong Huang, George Floros, Prayag Tiwari, Anuj Pathania

机构 * Informatics Institute, University of Amsterdam, Amsterdam, The Netherlands（阿姆斯特丹大学信息学院） ； Department of Computer Science, University College London（伦敦大学学院计算机科学系） ； University of Thessaly, Volos, Greece（塞萨洛尼基大学） ； Department of Electronic and Electrical Engineering, Trinity College Dublin, Dublin, Ireland（都柏林信任学院电子与电气工程系） ； School of Information Technology, Halmstad University, Halmstad, Sweden（哈姆斯塔德大学信息科技学院） ； Amazon AGI, Seattle, USA（亚马逊人工智能研究部） 纠错

AI总结 提出光谱渐进式思维流（SpecFlow），通过在固定大小离散余弦空间中表示中间视觉思维，并利用无分类器引导将视觉状态更新与文本意图对齐，实现轻量级多模态空间推理，在保持竞争性能的同时将计算和KV缓存成本降低高达2.1倍。

Comments Accepted at ICML 2026

Training-Free Object-Agnostic Jam Detection in Fulfillment Centers

无训练、对象无关的配送中心堵塞检测

Ruiliang Liu, Tina Dongxu Li, Joshua Migdal, Fernando Ruch, Kenneth Meszaros, Moses Trevor Dardik

机构 * Amazon, USA（亚马逊公司） 纠错

AI总结 提出一种无需训练和标注数据的对象无关堵塞检测方法，通过监控参考点持续遮挡来识别堵塞事件，在1069个视频上达到100%精度和93.33% F1分数。

Comments 4 pages, 6 figures. Accepted at the 2026 IEEE International Conference on Automation Science and Engineering (CASE 2026) as a presentation-only paper

Instant Personalized Large Language Model Adaptation via Hypernetwork

通过超网络实现即时个性化大型语言模型自适应

Zhaoxuan Tan, Zixuan Zhang, Haoyang Wen, Zheng Li, Rongzhi Zhang, Pei Chen, Fengran Mo, Zheyuan Liu, Qingkai Zeng, Qingyu Yin, Meng Jiang

机构 * University of Notre Dame（诺丁汉大学） ； Amazon.com Inc（亚马逊公司） ； Université de Montréal（蒙特利尔大学） 纠错

AI总结 提出Profile-to-PEFT框架，使用超网络将用户编码直接映射到适配器参数，实现无需用户训练的即时个性化，在降低计算成本的同时优于现有方法。

Comments accepted to ACL 2026