大厂专区
Loong: 一种类人长文档翻译代理，具有观察与行动的适应性上下文选择
机构 * Institute of Computing and Intelligence, Harbin Institute of Technology, Shenzhen（哈尔滨工业大学深圳研究院） ； NLP 2 CT Lab, Department of Computer and Information Science, University of Macau（澳门大学计算机与信息科学学院自然语言处理与CT实验室） ； Huawei Translation Services Center（华为翻译服务中心）
AI总结 提出Loong代理，通过3E记忆模块和强化学习优化上下文策略，解决长文档翻译中上下文窗口限制和冗余信息问题，在英⇄中、德、法翻译中平均提升13.0分。
基于稳健评分规则的强化学习
机构 * Huawei Technologies Co., Ltd.（华为技术有限公司）
AI总结 针对部分可验证的视觉-语言任务，提出RLR^3方法，通过双路径执行评分规则、最小暴露策略和层次聚合，实现从任务级到准则级验证的扩展，在15个基准上平均提升4.7分。
HPO: 稀疏奖励机制下稳定高效训练的滞后策略优化
机构 * Paris Research Center, Huawei Technologies（华为技术有限公司巴黎研究中心）
AI总结 针对GRPO在稀疏验证奖励下的失败模式，提出HPO通过降低负优势更新权重和均值长度归一化改进训练，并引入自适应版本A-HPO，在TeleLogs和Countdown实验中显著提升奖励。
DocRetriever：面向多模态文档检索的即插即用框架与综合基准
机构 * Zhejiang University（浙江大学） ； Huawei Technologies Co., Ltd（华为技术有限公司）
AI总结 提出DocRetriever即插即用框架，通过布局感知的稀疏嵌入和推理增强的重排序器解决多模态文档检索中语义模糊和泛化瓶颈问题，并构建MultiDocR基准实现更严格评估。
Comments Accepted at KDD 2026 Research Track
冗余还是必要？检测智能体轨迹中冗余步骤的基准
机构 * Huawei Technologies（华为技术有限公司） ； Noah Arks’ Lab（Noah Arks实验室） ； Institute of Computing Technology, Chinese Academy of Sciences（中国科学院计算技术研究所）
AI总结 针对LLM智能体轨迹中的冗余步骤检测问题，提出RedundancyBench基准，包含标注轨迹的数据集，并评估三种方法，发现最佳方法仅达到24.88%的检测分数。
Hista 和 Numca：为 LLM 强化学习有效估计状态值
机构 * Department of Computer Science and Engineering, The Chinese University of Hong Kong（香港中文大学计算机科学与工程系） ； Huawei Technologies Ltd（华为技术有限公司）
AI总结 针对 LLM 强化学习中状态值估计不准确的问题，提出 Numca（利用数值跨度作为可分级里程碑）和 Hista（利用隐藏状态加权平均不连续轨迹及其回报）两种方法，显著提升估计精度和训练性能。
Comments Accepted at ICML 2026
Domino: 在推测解码中将因果建模与自回归草稿解耦
机构 * EPIC Lab, Shanghai Jiao Tong University（上海交通大学EPIC实验室） ； School of Software Engineering, HUST（华中科技大学软件学院） ； UESTC ； Fudan University（复旦大学） ； Huawei（华为公司）
AI总结 提出Domino框架，通过并行草稿骨干和轻量级Domino头解耦因果依赖建模与自回归草稿执行，结合基础锚定训练课程，在Qwen3模型上实现高达5.49倍端到端加速和5.8倍吞吐量加速。
NICE：一个基于理论的LLM社交智能诊断基准
机构 * Department of Psychology and Behavioral Sciences, Zhejiang University（浙江大学心理学与行为科学系） ； College of Artificial Intelligence, Zhejiang University（浙江大学人工智能学院） ； Human Machine Interaction Lab, Huawei Technologies Co., Ltd.（华为技术有限公司人机交互实验室） ； Zhejiang Key Laboratory of Neurocognitive Development and Mental Health（浙江省神经认知发展与心理健康重点实验室）
AI总结 本文通过构建基于社会理论的社交智能框架，提出诊断基准NICE，用于细粒度评估大语言模型在社交交互中的能力弱点。
CONCAT: 基于共识与置信驱动的即席团队协作以实现高效的基于LLM的多智能体系统
机构 * Southeast University（东南大学） ； Huawei Technologies Ltd（华为技术有限公司）
AI总结 提出一种无需训练的共识与置信驱动即席团队协作框架CONCAT，通过聚类初始答案、选择高置信领导者并基于心智理论预测协作收益来动态组织多智能体交互，显著提升效率并降低延迟。
基于学习的视觉策略用于真实世界中未见过孔洞的插拔
机构 * College of Control Science and Engineering, Zhejiang University, Zhejiang, China.（控制科学与工程学院，浙江大学，浙江，中国） ； The Application Innovate Lab, Huawei Incorporated Company, China.（应用创新实验室，华为公司，中国）
AI总结 提出一种基于学习的视觉插拔方法，通过解耦感知与策略模块，在仿真中训练多种形状，并仅需少量仿真到现实迁移成本即可适应真实世界中任意未见形状。
Opt-Verifier：通过双面验证释放大语言模型在优化建模中的潜力
机构 * MoE Key Laboratory of Brain-inspired Intelligent Perception and Cognition（脑启发式感知与认知MoE实验室） ； University of Science and Technology of China（中国科学技术大学） ； Noah's Ark Lab, Huawei Technologies（华为技术诺亚实验室） ； Tianjin University（天津大学）
AI总结 提出Opt-Verifier框架，通过结构侧和解决方案侧的双面验证，利用大语言模型自动构建数学优化模型，显著提升建模准确性。
Journal ref International Conference on Machine Learning (ICML), 2026
UI-KOBE：面向轻量级图引导GUI代理的知识导向行为探索
机构 * CUHK MMLab（香港大学多模态实验室） ； Huawei Research（华为研究） ； Shenzhen Loop Area Institute（深圳河套学院） ； CPII under InnoHK（创新香港下的CPII）
AI总结 提出UI-KOBE框架，通过自动构建应用知识图谱并引导轻量级GUI代理进行运行时决策，以提升其移动端GUI任务执行效果。
FedSmoothLoRA：面向更平滑和更快速收敛的联邦低秩适配
机构 * Harbin Institute of Technology（哈尔滨工业大学） ； Huawei Noah’s Ark Lab（华为诺亚实验室） ； University College Dublin（都柏林大学学院）
AI总结 针对联邦低秩适配中更新空间有限、轮间状态不匹配和客户端无关起始状态的问题，提出FedSmoothLoRA框架，通过轮匹配矩阵和梯度对齐矩阵实现更平滑和更快速的收敛。
Comments 26 pages, 4 figures
基于熵-KL散度的令牌掩码：一种用于大语言模型选择性微调的新方法
机构 * University of Science and Technology of China（中国科学技术大学） ； Huawei Cloud（华为云）
AI总结 针对低数据场景下标准监督微调导致模型分布偏移的问题，提出EKSFT方法，通过选择性掩码高熵或高KL散度的令牌，在注入任务知识的同时保持预训练分布完整性，在数学推理基准上优于标准SFT并提升后续RL性能。
Comments 17 pages
上下文蒸馏作为潜在记忆管理
机构 * The Chinese University of Hong Kong（香港中文大学） ； Huawei Noah’s Ark Lab（华为诺亚实验室）
AI总结 将上下文蒸馏视为潜在记忆管理问题，通过独立LoRA适配器形成模块化记忆库，并利用自门控机制决定是否激活潜在记忆，以提升检索鲁棒性和效率。
挖掘还是合成？重新思考数学推理迭代对齐中的探索效率
机构 * Institute of Computing and Intelligence, Harbin Institute of Technology, Shenzhen, China（哈尔滨工业大学深圳研究院） ； Huawei Large Model Data Technology Lab（华为大模型数据技术实验室） ； Huawei Multimodal Model Lab（华为多模态模型实验室） ； Department of Statistics and Data Science, Tsinghua University, Beijing, China（清华大学统计与数据科学系）
AI总结 针对数学推理任务中迭代DPO对齐时高N采样收益递减且引入噪声的问题，提出PACE框架，通过低预算探索与纠错合成偏好对，以约1/5计算量达到或超越高N基线性能。
SCOPE: 通过提示进化增强智能体效能
机构 * The Chinese University of Hong Kong（香港中文大学） ； Huawei Technologies Co., Ltd（华为技术有限公司）
AI总结 针对LLM智能体静态提示无法有效管理动态上下文导致失败的问题，提出SCOPE框架，将上下文管理建模为在线优化问题，通过双流记忆机制和视角驱动探索自动进化提示，在HLE基准上将任务成功率从14.23%提升至38.64%。
动态渐进式参数高效专家库混合用于终身机器人学习
机构 * The University of Hong Kong（香港大学） ； Institute of Artificial Intelligence (TeleAI), China Telecom（人工智能研究院（TeleAI），中国电信） ； Huawei Cloud Computing Technologies（华为云计算技术） ； Ola Dimensions ； HKU Shanghai Intelligent Computing Research Center（香港大学上海智能计算研究中心）
AI总结 针对终身学习中任务标识不可用和知识隔离问题，提出动态渐进式参数高效专家库混合（DMPEL），通过构建低秩专家库和轻量路由器实现灵活的前向迁移，并引入专家系数回放缓解遗忘，在LIBERO基准上以最少可训练参数和存储超越现有方法。
Comments Accepted to Transactions on Machine Learning Research (TMLR) at https://openreview.net/forum?id=MHVBrjS8cG . Code is available at https://github.com/HarryLui98/DMPEL
扫码添加微信好友，提出您的宝贵建议 👇
💡 备注请填写：网站反馈