ByteDance（字节跳动）

Aspire: Can Models Self-Evolve from Vague Goals?

ASPIRE：模型能否从模糊目标中实现自我进化？

Yuhao Wu, Jingyuan Zhang, Jiajun Shi, Yuxuan Zhang, Xinping Lei, Junting Zhou, Zexuan Wang, Yuchen Wu, Huan Zhou, Duo Wang, Yinzhu Piao, Yongchang Peng, Yunfeng Shi, Jin Chen, Zuo Wang, Jinkai Liu, Jiaheng Liu, Wenxuan Zhang, Shen Yan, Wenhao Huang, Ge Zhang

机构 * ByteDance Seed（字节跳动 Seed） ； Singapore University of Technology and Design（新加坡科技设计大学） ； M-A-P 纠错

AI总结 本文提出ASPIRE基准，探究模型能否从模糊目标实现自我进化，实验发现当前智能体虽能完成基础循环，但权重提升不稳定，最强进化harness仍低于Qwen-Agent基准。

Comments https://self-developing-agents.github.io/

S3Gym: Can LLMs Turn Self-Testing and Self-Judging into Self-Improvement?

S3Gym：大型语言模型能否将自我测试与自我判断转化为自我提升？

Jiajun Shi, Siyuan Tao, Yuhao Wu, Zexuan Wang, Jingyuan Zhang, Jiaheng Liu, Xinping Lei, Xinrong Zhang, Siyuan Fang, Zhewen Tan, Tianle Cai, Junhao Fang, Jiameng Huang, Yueyang Wang, Jinkai Liu, Yuxuan Zhang, Jian Yang, Zhoujun Li, Shen Yan, Wenhao Huang, Ge Zhang

机构 * ByteDance Seed（字节跳动Seed） ； M-A-P 纠错

AI总结 本研究推出交互式基准S³Gym，评估LLM通过自我测试、自我判断、自我提升能力实现的自我提升，发现其效果依赖任务结构，参数训练等途径各有优劣。

Lucida: Parse, Generate, and Place for Composable Real-to-Sim Scene Modeling

Lucida：用于可组合真实到仿真场景建模的解析、生成与放置

Minghan Qin, Yuang Wang, Xiuyu Yang, Yushi Long, Yujian Zhang, Ruihuan Wang, Kai Ye, Yangang Zhang, Hang Li

机构 * ByteDance Seed（字节跳动Seed） ； Peking University（北京大学） ； Zhejiang University（浙江大学） 纠错

AI总结 Lucida是一种可组合真实到仿真场景建模方法，通过重新分配流程要求，在三个步骤中利用真实采集的可靠信息，结合GizmoAct策略提升了场景建模相关任务的性能。

Comments Project Page: https://lucida-r2s.github.io/

ERR+: Sequential Entropy Resolution for Efficient and Decisive LLM Reasoning

ERR+: 用于高效且果断的LLM推理的顺序熵分辨率

Xin Jiang, Minhao Wang, Wen Wu, Zhentao Xie, Shangheng Du, Jinxin Shi, Jiabao Zhao

机构 * School of Computer Science and Technology, East China Normal University（华东师范大学计算机科学与技术学院） ； ByteDance（字节跳动） 纠错

AI总结 该研究针对RLVR方法对推理过程质量指导不足的问题，提出两阶段RLVR框架ERR+，通过顺序优化熵缓解奖励与稳健相对效率奖励，在五个数据集上实现了LLM推理准确率与简洁性的提升。

Comments 16 pages, 5 figures

State-Conditioned Visual Evidence Retrieval for Fine-Grained Perception in Document Vision-Language Models

面向文档视觉语言模型中细粒度感知的状态条件视觉证据检索

Mingxu Chai, Chenyu Liu, Ziyu Shen, Jiazheng Zhang, Kaidi Zhang, Ruoyu Chen, Jun Long, Jihua Kang, Tao Gui, Qi Zhang

机构 * College of Computer Science and Artificial Intelligence, Fudan University（复旦大学计算机科学与人工智能学院） ； Shanghai Innovation Institute（上海创新研究院） ； Shanghai Artificial Intelligence Laboratory（上海人工智能实验室） ； ByteDance, LarkAI（字节跳动 LarkAI） ； Shanghai Key Lab of Intelligent Information Processing（上海智能信息处理重点实验室） 纠错

AI总结 针对现有VLM文档解析方法效率低的问题，提出SCVER方法，通过状态条件检索高分辨率区域，结合SGLO稳定训练，提升了低输入分辨率下的鲁棒性与准确率-效率权衡。

Comments 18 pages, 12 figures