大厂专区
Lngram v2：带有可解释离散表示的潜在N元语法记忆
机构 * Beijing University of Posts and Telecommunications（北京邮电大学） ； Kuaishou Technology（快手科技）
AI总结 针对Transformer记忆容量受限问题，提出Lngram v2解耦记忆与骨干网络参数，提升可扩展性，在30B参数VLMs上性能提升且降低参数，离散ID可稳定关联语义。
PRQ-KMeans：用于语义ID分词的投影残差量化
机构 * Kuaishou Technology（快手科技）
AI总结 针对语义ID分词的残差量化局限，提出PRQ-KMeans方法，在工业搜索及推荐基准上实现分词器最优性能，获命中率、平均倒数排名的显著提升。
DMRL：用于广告推荐中技能优化的文档介导强化学习
机构 * Shanghai Jiao Tong University（上海交通大学） ； Kuaishou Technology（快手科技）
AI总结 针对广告推荐技能优化的奖励归因难题，提出DMRL框架，结合双相对策略优化与长期奖励预测器，在短视频广告平台上实现优于基线的性能。
谁驱动了视觉语言模型（VLMs）的概率游戏？一个时序因果驱动评估框架
机构 * College of Artificial Intelligence, Beijing Normal University（北京师范大学人工智能学院） ； Kuaishou Technology（快手科技）
AI总结 该研究提出时序因果驱动评估框架，推导VCD、QCD、PCD指标，经多数据集与模型验证，揭示VLMs生成引导的转变，相关指标可用于多模态生成的源级诊断。
分布式隐含危害：基于多模态大语言模型（MLLM）的视频 moderation 中的组合安全盲点
机构 * The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳）） ； State University of New York at Buffalo（纽约州立大学布法罗分校） ； Kuaishou Technology（快手科技）
AI总结 该研究发现基于 MLLM 的视频 moderation 存在分布式隐含危害（DIH）这一组合安全盲点，开发多智能体合成框架构建含超9000个视频的数据集，测试30余种MLLM发现其检测DIH存在显著缺陷。
闭合验证循环：用于长段落详细音频字幕的自检查字幕生成
机构 * The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）） ； Kuaishou Technology（快手科技）
AI总结 本研究针对长段落详细音频字幕的未解决问题，提出SCC框架，构建LACap-50k语料库与LC-SFT方法，使系统在开源字幕生成器中达最优性能。
Comments EMNLP2026
CineForge：用于长时序视频生成的自改进智能体
机构 * Tongji University（同济大学） ； Kuaishou Technology（快手科技） ； Fudan University（复旦大学）
AI总结 本研究提出CineForge框架，结合CineForge-Produce与CineForge-Evolve，通过CPPE策略演进机制提升长时序故事驱动视频生成效果，在CineScope指标及基准测试中表现优于现有方法，减少了审查LLM调用量。
GUIDE：基于语音与视觉共享ID编码的生成式无监督中文查询纠错方法
机构 * Kuaishou Technology（快手科技） ； School of Data Science, Fudan University（复旦大学数据科学学院）
AI总结 本文针对中文查询纠错中监督方法维护成本高、无监督方法易意图偏移的问题，提出基于语音与视觉共享ID编码的生成式无监督框架GUIDE，在公开与真实数据集上均优于基线，线上测试也验证了其有效性。
Comments Accepted to EMNLP 2026 Industry Track; 7 pages, 3 figures, 8 tables
LaME: 通过信息瓶颈在潜在空间中进行多模态嵌入的推理学习
机构 * University of Science and Technology of China（中国科学技术大学） ； Kuaishou Technology（快手科技） ； Zhejiang University（浙江大学） ； Tsinghua University（清华大学）
AI总结 提出LaME方法，将面向嵌入的潜在推理建模为弱监督信息瓶颈，使用可学习推理令牌在单次前向传播中完成推理，避免显式CoT的高计算成本和标注依赖，实现60倍加速。
Comments Accepted by EMNLP 2026
通过不确定性校准的MOPD在领域专业化过程中保留通用能力
机构 * Kuaishou Technology（快手科技）
AI总结 该研究针对大语言模型领域专业化时通用能力下降的问题，提出不确定性校准的MOPD方法，在角色扮演和医疗领域实验中提升通用能力且保持垂直领域性能。
PercepCap：具有结构化时空感知的视频字幕生成器
机构 * Nanjing Univerisity（南京大学） ； Kuaishou Technology（快手科技） ； Shanghai AI Laboratory（上海人工智能实验室）
AI总结 研究视频字幕生成问题，提出PercepCap框架，遵循感知-描述生成链，设计两阶段训练策略及相关数据构建方法，在评估中优于基线，提升视频字幕生成质量。
超越视频：统一视频推理与深度研究的开放世界视频智能体
机构 * Shandong University（山东大学） ； Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所） ； Beihang University（北京航空航天大学） ； City University of Hong Kong（香港城市大学） ； Nanyang Technological University（南洋理工大学） ； Kuaishou Technology（快手科技） ； Southern University of Science and Technology（南方科技大学）
AI总结 本研究提出统一视频推理与深度研究的VideoRover框架，构建相关数据集与基准，其8B-RL模型在无工具直接回答场景性能接近专有模型，优于同工具套件的更大开源模型。
SpatialDiff：基于隐式空间建模的三维感知物体运动
机构 * Sun Yat-sen University（中山大学） ； South China University of Technology（华南理工大学） ； Kuaishou Technology（快手科技） ； Shenzhen Loop Area Institute（深圳河套学院）
AI总结 SpatialDiff通过隐式三维空间建模和全局空间监督，解决了现有图像编辑方法难以处理复杂场景中物体空间运动的问题，提升了空间运动的准确性与保真度。
Comments Accepted by CVPR2026
用于生成式推荐：从静态多级小语义码本到动态单级大语义码本
机构 * Kuaishou Technology（快手科技）
AI总结 该研究针对生成式推荐中多级残差量化的缺陷，提出单级大语义码本及动态更新机制，在公开数据集、服务架构及在线测试中均实现推荐性能与效率的提升。
Comments 6 figures, 10 tables, and 1 algorithm
ACQ：一种用于大规模在线广告中自动创意配额分配的已部署两阶段框架
机构 * Huazhong University of Science and Technology（华中科技大学） ； Kuaishou Technology（快手科技）
AI总结 针对大规模在线广告中创意配额自动确定的问题，提出ACQ两阶段框架，通过多任务模型与多选择背包问题算法求解，在快手平台实现广告收入6.20%增长。
流偏好优化中的流形漂移：奖励黑客的根本原因
机构 * Zhejiang University（浙江大学） ； Kuaishou Technology（快手科技） ； Westlake University（西湖大学）
AI总结 本文针对流偏好优化中流形漂移导致奖励黑客的问题，提出ThermoDPO及其加权变体，在玩具基准和SD3.5-M数据集上均取得优于FlowDPO等方法的性能。
ORV：基于占用的4D机器人视频生成
机构 * Beijing Academy of Artificial Intelligence（北京人工智能研究院） ； IIIS, Tsinghua University（清华大学人工智能研究院） ； Shanghai Jiao Tong University（上海交通大学） ； Eastern Institute of Technology, Ningbo（宁波工程技术院） ； The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳）） ； S-Lab, Nanyang Technological University（南洋理工大学S实验室） ； ByteDance（字节跳动） ； Kling, Kuaishou Technology（Kling，快手科技） ； GigaAI（极佳科技） ； AIR, Tsinghua University（清华大学人工智能研究院）
AI总结 ORV提出一种基于占用的4D机器人视频生成框架，通过结合动作先验与占用视觉先验，提升视频生成质量与可控性，实现多视角一致合成和仿真到现实的迁移。
Comments CVPR 2026. Project page: https://orangesodahub.github.io/ORV/ Code: https://github.com/OrangeSodahub/ORV
SingDance：基于角色感知音频条件的组合式零样本歌舞视频生成
机构 * Kuaishou Technology（快手科技）
AI总结 SingDance是统一视频扩散框架，将语音表达设为语义角色，通过硬紧凑路由等技术实现组合式零样本歌舞视频生成，参数少且性能具竞争力。
Comments 9 pages, 5 figures
PlayWorld：基于智能体玩家的长程目标世界模型基准测试
机构 * The Chinese University of Hong Kong（香港中文大学） ； The University of Hong Kong（香港大学） ； Zhejiang University（浙江大学） ； Kuaishou Technology（快手科技）
AI总结 该研究针对现有世界模型跨模型公平比较的难题，推出含171个场景的PlayWorld基准，通过多模态智能体玩家从多维度评估9种先进世界模型，发现其长程交互式目标表现仍不可靠。
Comments project page: https://kxding.github.io/project/PlayWorld/
HandsOnWorld: 无约束的自我中心视频生成，具有相机解耦的手部控制
机构 * Tsinghua University（清华大学） ； Kling Team, Kuaishou Technology（快手科技 Kling 团队） ； Chinese University of Hong Kong（香港中文大学）
AI总结 提出HandsOnWorld框架，通过单目重建从无约束视频中学习手部控制，利用Plücker手部映射解耦相机与手部运动，生成高保真自我中心视频。
Comments Project Page: https://shad0wta9.github.io/handsonworld-page/
DiffGRM：基于扩散的生成式推荐模型
机构 * Kuaishou Technology（快手科技）
AI总结 针对生成式推荐中SID的结构问题，提出DiffGRM模型，通过MDM、PSE、OCN、CPD等技术优化，在多数据集上使NDCG@10提升6.9%-15.5%。
Comments 12 pages, 6 figures. Accepted at The ACM Web Conference 2026. Camera-ready version; author list updated to match the published version; presentation revised, results unchanged
Journal ref Proceedings of the ACM Web Conference 2026 (WWW '26), pp. 5853-5864, ACM, 2026
TRACE Bench：任务驱动的角色扮演智能体清单评估基准
机构 * Kuaishou GameMind Lab（快手GameMind实验室）
AI总结 研究针对角色扮演评估的黑箱问题，提出TRACE Bench框架，通过清单分解与对话跟踪实现更透明的评估，在覆盖度、鲁棒性等方面优于现有基准，支持闭环演化。
Comments Project page: https://kuaishou-gamemind.github.io/projects/trace_bench/. Code: https://github.com/KuaishouGameMind/TRACE-Bench
从推理深度到推理广度：评估大型语言模型中的多点关联推理
机构 * Beijing University of Posts and Telecommunications（北京邮电大学） ； Peking University（北京大学） ； Kuaishou Technology（快手科技）
AI总结 该研究构建了中英双语多点关联推理基准MPAR-Bench，发现大型语言模型的推理深度未自动带来稳健的推理广度，当前基准未充分覆盖推理广度。
VDC-Agent：当视频详细描述器通过代理自我反思而自我进化
机构 * Xi’an Jiaotong University（西安交通大学） ； Kuaishou Technology（快手科技） ； Shenzhen University of Advanced Technology（深圳先进技术大学）
AI总结 VDC-Agent通过自我反思机制实现视频详细描述的自我进化，利用自动生成的(描述，评分)对提升描述准确性与评分表现。
Comments Accepted to ECCV 2026. Project Page: https://vdcagent.github.io
SonicWeave：用于统一音频场景生成的分块路由混合专家模型
机构 * Kuaishou Technology（快手科技） ； The Chinese University of Hong Kong（香港中文大学） ； Shenzhen International Graduate School, Tsinghua University（清华大学深圳国际研究生院）
AI总结 本文提出SonicWeave，一种带CPE-MoE的流匹配模型，可通过单一权重集生成含语音、音乐等的统一音频场景，在多项基准及复杂场景评估中表现优于基线。
UniMoMo：基于专家合并的大推荐模型混合专家（MoE）加速方法
机构 * Kuaishou Technology（快手科技） ； Hohai University（河海大学） ； Wuhan University（武汉大学） ； ByteDance, Seed（字节跳动 Seed） ； Alibaba, Ant Group（阿里巴巴蚂蚁集团） ； ByteDance, Douyin（字节跳动抖音） ； The University of Hong Kong（香港大学） ； Harvard University（哈佛大学）
AI总结 UniMoMo是一种后训练压缩框架，通过功能相似性合并MoE专家并引入层自适应保护，在Amazon Beauty等三个数据集上实现推荐MoE的高效压缩与加速，且性能损失极小。
Comments Preprint
NormGuard: 流匹配强化学习中保持奖励的范数约束
机构 * The Hong Kong University of Science and Technology（香港科技大学） ； Kuaishou Technology（快手科技） ； University of Chinese Academy of Sciences（中国科学院大学）
AI总结 针对流生成器强化学习后训练中感知质量下降的问题，提出NormGuard方法，通过铰链惩罚约束速度范数，在保持奖励的同时提升图像质量和真实性。
Comments v5: Fixed PDF rendering compatibility issue affecting Apple PDFKit (macOS Preview/iOS PDF viewer). No changes to technical content compared to v4
ContextMaster：基于固定预算稀疏上下文路由的交互式多镜头视频创作
机构 * Tsinghua University（清华大学） ； Nanjing University（南京大学） ； Kling Team, Kuaishou Technology（快手科技影团队） ； ShanghaiTech University（上海科技大学） ； The Hong Kong University of Science and Technology（香港科技大学）
AI总结 该研究提出统一模型ContextMaster，以固定预算稀疏上下文路由等技术解决交互式多镜头视频创作问题，在基础任务表现优于专用基线，单GPU达16 FPS且支持灵活工作流。
Comments Project page: https://guoxu1233.github.io/ContextMaster/
A/B Agent：面向工业A/B测试中策略迭代的自进化智能体
机构 * The Hong Kong Polytechnic University（香港理工大学） ； Kuaishou Technology（快手科技） ； University of Electronic Science and Technology of China（电子科技大学） ； Southwest Jiaotong University（西南交通大学）
AI总结 该研究提出A/B Agent智能体，通过层级经验树与Tree-RAG技术优化工业A/B测试的策略迭代，在短视频电商场景实现GMV提升4.829%且护栏指标正向增益。
面向全局层级约束的激励式广告生成优化
机构 * University of Electronic Science and Technology of China（电子科技大学） ； Kuaishou Technology（快手科技）
AI总结 针对全局约束下激励式广告的优化难题，提出GOAL框架与SCPO方法，在降低ROI违规率的同时提升长期收入与用户留存。
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