Baidu（百度）

Beyond Token-Level Policy Gradients for Complex Reasoning with Large Language Models

超越令牌级策略梯度：用于大语言模型复杂推理的多令牌策略梯度优化

Mufan Xu, Kehai Chen, Xuefeng Bai, Zhengyu Niu, Muyun Yang, Tiejun Zhao, Min Zhang

机构 * School of Computer Science and Technology, Harbin Institute of Technology, China（哈尔滨工业大学计算机科学与技术学院） ； Baidu Inc.（百度公司） 纠错

AI总结 本文提出MPO框架，通过多令牌级优化提升大语言模型在复杂推理任务中的性能。

LM-Lexicon: Improving Definition Modeling via Harmonizing Semantic Experts

LM-Lexicon：通过和谐语义专家提升定义建模

Yang Liu, Jiaye Yang, Weikang Li, Jiahui Liang, Yang Li, Lingyong Yan

机构 * BIGAI ； Baidu Inc.（百度公司） ； Peking University（北京大学） 纠错

AI总结 LM-Lexicon通过语义专家学习和混合架构提升定义建模效果，实现BLEU分数提升7%，并优化领域级路由机制

Comments EACL 2026 (Oral), 22 pages, 12 figures, 12 tables

Stay in Character, Stay Safe: Dual-Cycle Adversarial Self-Evolution for Safety Role-Playing Agents

保持角色，保持安全：双循环对抗自进化用于安全角色扮演代理

Mingyang Liao, Yichen Wan, shuchen wu, Chenxi Miao, Xin Shen, Weikang Li, Yang Li, Deguo Xia, Jizhou Huang

机构 * Baidu Inc.（百度公司） ； The University of Queensland（昆士兰大学） ； Peking University（北京大学） 纠错

AI总结 本文提出双循环对抗自进化框架，通过角色扮演防御机制提升安全性和角色忠实度，实验表明在多个大语言模型上有效提升角色扮演的稳定性与安全性。