Huawei（华为）

Understanding Evolution Strategies for LLM Reasoning: Broader Reasoning Coverage than GRPO

理解用于大语言模型推理的进化策略：比GRPO更广泛的推理覆盖范围

Yunpeng Ba, Zhi Zheng, Yue Xie, Jiaqing Li, Xialiang Tong, Tao Zhong, Mingxuan Yuan, Zhichao Lu, Xuyang Wu, Zhenkun Wang

机构 * Southern University of Science and Technology（南方科技大学） ； National University of Singapore（新加坡国立大学） ； Harbin Institute of Technology, Weihai（哈尔滨工业大学（威海）） ； Huawei Noah’s Ark Lab（华为诺亚方舟实验室） ； City University of Hong Kong（香港城市大学） 纠错

AI总结 本文研究用于LLM推理的进化策略（ES），发现ES比GRPO有更广泛的推理覆盖范围，开发了结合两者优势的GRPO-ES策略，还揭示了ES的功能稀疏性等特性，确立其为独特的推理后训练范式。

What Makes Good Agentic Data? An ACE Lens on Data Generation for LLM Agents

什么构成优质的智能体数据？LLM智能体数据生成的ACE视角

Xingshan Zeng, Zishan Xu, Boju Zhang, Yuzhou Wu, Lingzhi Wang, Jianghao Lin, Liangyou Li, Yasheng Wang, Lifeng Shang, Xin Jiang, Weinan Zhang, Yong Yu, Qun Liu, Weiwen Liu

机构 * Huawei Technologies Co., Ltd（华为技术有限公司） ； Shanghai Jiao Tong University（上海交通大学） ； Northwestern University（西北大学） ； Harbin Institute of Technology, Shenzhen（哈尔滨工业大学（深圳）） ； Shenzhen Loop Area Institute（深圳河套学院） 纠错

AI总结 本研究针对LLM智能体数据生成领域提出两级框架与ACE视角，明确核心挑战是为演化的智能体与环境分配有效、非冗余的经验。

Ancient-Bench: A Comprehensive Multi-millennial, Multi-medium, and Multi-script Benchmark for Ancient Chinese Artifact Text Recognition

Ancient-Bench：用于中国古代文物文字识别的综合多千年、多介质、多文字基准数据集

Hiuyi Cheng, Nuo Xu, Yuyi Zhang, Xuhan Zheng, Wei Pan, Jing Zhang, Dezhi Peng, Minghui Liao, Yihua Teng, Jihao Wu, Haoyu Ren, Lianwen Jin

机构 * South China University of Technology（华南理工大学） ； Huawei Technologies Co., Ltd.（华为技术有限公司） 纠错

AI总结 针对现有古代文本基准数据集碎片化问题，推出Ancient-Bench基准数据集，含2700张图像，覆盖多千年、多介质、多文字，经实验发现古代文物文字识别仍存在异体字等挑战。

Comments Accepted by EMNLP 2026

DEEPCHART: How Far are LLMs from Faithful Data-Science Chart Generation?

DEEPCHART：大型语言模型在忠实的数据科学图表生成方面存在多大差距？

Jiahui tang, Kuicai Dong, Dexun Li, Hongchao Gu, Haocheng Yu, Wei Han, Chen Zhang, Yong Liu, Hao Wang, Enhong Chen

机构 * University of Science and Technology of China（中国科学技术大学） ； Huawei Technologies Co., Ltd.（华为技术有限公司） 纠错

AI总结 该研究推出专家标注的DEEPCHART基准，将图表生成分为提取-推理-可视化流程，发现现有LLMs生成的图表常隐藏数据幻觉，仅靠大上下文窗口无法实现忠实图表生成，需可靠的证据提取与定量推理。

Activation Outliers Matter: Robust Recovery for Quantized Multimodal LLMs

激活异常值很重要：量化多模态大语言模型的鲁棒恢复

Tanzila Rahman, Mehran Taghian Jazi, Yunke Peng, Zhuang Ma, Anandharaju Durai Raju, Yao Wang, Xing Huang, Hei Yi Mak, Shadan Golestan, Hoang Le, Yonghan Dong, Wei Guo, Yaoyuan Wang

机构 * Huawei（华为） 纠错

AI总结 本研究针对多模态大语言模型超低比特量化的性能损失问题，提出Residual Fallback Quantization框架，可有效恢复MXFP4、HiF4量化下的性能，缩小与BF16基线的差距。

Comments 14 Pages, 5 figures, 5 tables

HUG-VIS: A Multimodal Benchmark for Human-centered Understanding and Generation in Visual Intelligence

HUG-VIS：面向视觉智能中以人为中心的理解与生成的多模态基准

Fei Ma, Zebang Cheng, Minghui Li, Hongbo Xu, Yuyong Tan, Yihua Shao, Hanling Wang, Zhou Liu, Yuqing Gao, Dong Wang, Long Ma, Laizhong Cui, Nicu Sebe, Qi Tian

机构 * Guangdong Laboratory of Artificial Intelligence and Digital Economy (SZ)（广东省人工智能与数字经济实验室（深圳）） ； Shenzhen University（深圳大学） ； Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所） ； Pengcheng Laboratory（鹏城实验室） ； Tongji University（同济大学） ； Tsinghua University（清华大学） ； The Chinese University of Hong Kong（香港中文大学） ； University of Trento（特伦托大学） ； Huawei（华为） 纠错

AI总结 该研究构建了HUG-VIS多模态基准，包含30名演员的8400段同步多模态视频等数据，评估了四类任务的模型，揭示了情感识别、生成等任务的关键特性与现存问题。

CG4AI: A Column Generation Framework for Training AI Models Under Constraints

CG4AI：一种用于在约束条件下训练AI模型的列生成框架

Youcef Magnouche, Abderrahmane Driouch, Sébastien Martin, Pierre Bauguion

机构 * Huawei Technologies Ltd., France Research Center（华为技术有限公司法国研究中心） 纠错

AI总结 CG4AI是带线性约束的AI模型训练的列生成框架，通过主LP、定价子问题和割平面程序实现，在MNIST和SNDLIB网络上验证，可生成可行预测器且准确率优于单模型基线。

FaithSieve: Fine-Grained Evaluation of Math Proofs with Faithful Formal Evidence

FaithSieve：基于忠实形式证据的数学证明细粒度评估

Ziyu Wang, Qiming Dai, Yishan Wu, Zaiwen Wen

机构 * Peking University（北京大学） ； School of Mathematical Sciences（数学科学学院） ； Huawei Technologies Co., Ltd.（华为技术有限公司） 纠错

AI总结 本研究提出Lean辅助框架FaithSieve，通过分解数学证明为细粒度单元并结合忠实形式证据，在两个专家验证数据集上提升了首个错误定位的精确评估准确率。

Comments 32 pages, 3 figures; preprint with appendix and supplementary experimental details

LoopMoE: Unifying Iterative Computation with Mixture-of-Experts for Language Modeling

LoopMoE：统一迭代计算与混合专家模型用于语言建模

Wenkai Chen, Tianshu Li, Wenyong Huang, Yichun Yin, Lifeng Shang, Chengwei Qin

机构 * Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）） ； Huawei Technologies Co.,Ltd.（华为技术有限公司） 纠错

AI总结 提出LoopMoE，通过迭代自适应层归一化和容量平衡策略，在相同参数和FLOPs下，循环MoE语言模型在多个基准上优于标准MoE。

Plain Transformers Can be Powerful Graph Learners

原始变换器可以成为强大的图学习者

Liheng Ma, Soumyasundar Pal, Yingxue Zhang, Philip H.S. Torr, Mark Coates

机构 * McGill University（麦吉尔大学） ； Mila - Quebec AI Institute（魁北克人工智能研究所） ； Huawei Noah’s Ark Lab, Montreal（华为诺亚实验室，蒙特利尔） ； University of Oxford（牛津大学） 纠错

AI总结 本研究证明原始变换器可通过简单修改成为强大图学习者，提出PPGT架构在图学习任务中表现优异。

Comments TMLR - 2026/06 this https URL (https://openreview.net/pdf?id=bEmDvP0fdv)