大厂专区
WavFlow：在波形空间中进行音频生成
机构 * Meta AI ； Northeastern University（东北大学）
AI总结 本文提出WavFlow框架，直接在原始波形空间生成高保真的音频，无需中间表示，通过波形分块和振幅提升实现稳定优化，通过自动化数据管道生成高质量视频-文本-音频三元组，实验结果显示在视频到音频和文本到音频基准测试中表现优异，证明了无需中间压缩即可实现高质量合成。
Comments Code: https://github.com/facebookresearch/WavFlow
代码作为代理工具
机构 * University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； Meta ； Stanford University（斯坦福大学）
AI总结 本文探讨了代码在代理系统中的作用，提出了一种统一的视角，将代码视为代理基础设施的基础，并讨论了代理工具接口、机制以及扩展到多代理系统的挑战。
Comments GitHub: https://github.com/YennNing/Awesome-Code-as-Agent-Harness-Papers
内存高效的差分隐私训练与梯度随机投影
机构 * University of Delaware（德克萨斯大学） ； University of Southern California（南加州大学） ； Meta ； Amazon（亚马逊）
AI总结 本文提出DP-GRAPE方法，通过随机高斯矩阵替代SVD子空间，减少内存使用并保持与一阶DP方法相当的效用，同时消除了昂贵的SVD计算需求，显著提升内存效率和模型性能。
KISS - 地球科学的科学模拟知识基础设施：一种智能体的支架
机构 * State Key Laboratory of Water Disaster Prevention, Hohai University, Nanjing（水利灾害预防国家重点实验室，河海大学，南京） ； Yangtze Institute for Conservation and Development, Hohai University, Nanjing（长江保护与发展研究院，河海大学，南京） ； Department of Bioresource Engineering, McGill University, Sainte-Anne-de-Bellevue, Quebec, Canada（生物资源工程系，麦吉尔大学，圣安妮-德-贝尔贝夫，魁北克，加拿大） ； Ottawa Research and Development Centre, Agriculture & Agri-Food Canada, Ottawa, Ontario, K1A 0C6, Canada（渥太华研发中心，加拿大农业与食品部，渥太华，安大略，K1A 0C6，加拿大） ； College of Water Conservancy and Hydropower Engineering, Hohai University, Nanjing（水利水电工程学院，河海大学，南京） ； Meta Platforms Inc.（Meta平台公司） ； Nanjing Hydraulic Research Institute, Nanjing（南京水利研究院）
AI总结 本文提出KISS，一种用于科学模拟的知识基础设施，通过将专业知识外化为经过验证的建模操作符、分阶段的领域协议和诊断恢复机制，使智能体能够生成物理合理且可验证的端到端模拟，从而降低非专业用户与过程模拟之间的接入门槛，并促进建模社区的整合。
Tuna-2：像素嵌入在多模态理解和生成中优于视觉编码器
机构 * Meta AI ； The University of Hong Kong（香港大学） ； University of Waterloo（滑铁卢大学）
AI总结 本文提出Tuna-2，一种基于像素嵌入的统一多模态模型，通过直接使用像素嵌入进行多模态理解和生成，展示了统一像素空间建模在高质量图像生成中可以与潜在空间方法竞争，并证明了预训练视觉编码器在多模态建模中并非必要。
Comments Project page: https://tuna-ai.org/tuna-2
CORAL：迈向自主多智能体进化以实现开放性发现
机构 * MIT（麻省理工学院） ； NUS（新加坡国立大学） ； MiniMax ； McGill（麦吉尔大学） ； Stanford（斯坦福大学） ； SambaNova ； Meta ； Singapore-MIT Alliance for Research and Technology（新加坡-麻省理工联合研究技术联盟） ； Amazon（亚马逊） ； Microsoft（微软）
AI总结 本文提出CORAL框架，通过自主多智能体进化方法，实现了在开放性问题上的发现，展示了智能体自主性和多智能体进化对提升开放性发现的显著效果。
在联合嵌入预测世界模型中成功因素是什么？
机构 * Meta FAIR ； Inria Paris（巴黎理工院） ； Ecole normale supérieure / PSL（巴黎高等师范学院 / PSL） ； New York University（纽约大学）
AI总结 本文研究了在物理规划中使用联合嵌入预测世界模型（JEPA-WMs）的成功因素，通过分析模型架构、训练目标和规划算法对规划成功的影响，提出了一种在导航和操作任务中优于现有基线方法的模型。
Comments V2 of the article: - Added AdaLN-zero - Added table comparing JEPA-WMs with baselines with std translating per-seed variability only, no variability across epochs - Reordered figures in main body of the paper V3: added data scaling experiments, theoretical appendix section on autoregressive rollout, acceptance at TMLR
训练后凸集估值
机构 * Department of Computer Science, University of Illinois Urbana-Chamapign, Urbana, IL, USA（伊利诺伊大学厄巴纳-香槟分校计算机科学系） ； Meta, Menlo Park, CA, USA（Meta）
AI总结 本文研究了在训练后利用凸集估值选择辅助数据集以提升大语言模型性能，提出基于核均值匹配的凸集估值方法，有效解决数据冗余问题，实验表明其在低计算开销下表现优于现有方法。
Comments Published as a conference paper at ICML '26. 30 pages, 8 figures
极性探针线性解码LLM中的语义结构
机构 * LSCP, ENS, PSL, EHESS, CNRS（LSCP、ENS、PSL、EHESS、CNRS） ； Paris Brain Institute（巴黎脑研究所） ； Earth Species Project（地球物种计划） ； Meta AI
AI总结 研究通过极性探针线性恢复LLM中的语义结构，发现其基于嵌入距离和方向表示实体存在与关系类型，且在中层表现更优，能泛化至新实体但随语义结构规模下降。
FlightSense: 一个端到端的MLOps平台，通过旋转链传播特征和代理对话式AI实现实时航班延误预测
机构 * Stevens Institute of Technology（史蒂文斯理工学院） ； Axtria Inc.（Axtria公司） ； Meta
AI总结 本文提出FlightSense平台，通过旋转链传播特征和对话式AI实现实时航班延误预测，采用三级特征工程框架提升预测性能，最终达到AUC 0.879。
Comments 12 pages, 5 figures, 9 tables; machine learning, MLOps, aviation delay prediction
MeshReGen: 一种统一的3D几何再生框架
机构 * KAIST Meta Reality Labs（韩国科学技术院元宇宙实验室）
AI总结 MeshReGen通过基于VecSet的条件机制，实现从2D图像和初始3D形状再生3D对象，支持增强、重建和编辑等任务，无需额外标注即可在多个任务中实现可控的3D生成。
Comments Project page: https://geonyeong-park.github.io/meshregen/ 32 pages, 18 figures, 6 tables. Includes Appendix
DARC：通过风险约束解码实现的分歧意识对齐
机构 * Fudan University, Shanghai, China（复旦大学，上海，中国） ； Independent Researcher（独立研究者） ； Meta AI ； Incubation Institute, Fudan University, Shanghai, China（创新与孵化院，复旦大学，上海，中国）
AI总结 DARC通过风险约束解码方法，在不重新训练的情况下，通过最大化KL-鲁棒满意度目标来缓解分歧和尾部风险，保持高质量输出。
统一对比学习与生成目标以实现视觉理解和文本到图像生成
机构 * MIT Computer Science \& Artificial Intelligence Laboratory（Meta AI） ； Meta AI
AI总结 本文提出DREAM框架，通过Masking Warmup解决对比学习与文本到图像生成的矛盾，提升模型在多个任务上的性能。
GVGAI-LLM：通过无限游戏评估大语言模型代理
机构 * New York University（纽约大学） ； University of the Witwatersrand（沃尔特·斯通大学） ； Meta ； Lingnan University（岭南大学）
AI总结 GVGAI-LLM通过 arcade 式游戏测试大语言模型的推理与问题解决能力，定义了可解释的评估指标，揭示了模型在空间推理和基本规划中的局限性。
面向数据中心软件升级的成本感知持续时间预测
机构 * Meta
AI总结 本文提出Acela框架，通过考虑不对称预测成本和选择最佳模型，提升数据中心软件升级调度效率和吞吐量，实测提升升级窗口利用率1.25倍，升级数量增加33%。
Comments 18 pages, 25 figures. The 9th MLSys Conference (Industry Track), Bellevue, WA, USA, 2026
TTE-Flash: 通过思考-然后-嵌入标记加速基于推理的多模态表示
机构 * Meta AI
AI总结 本文提出TTE-Flash模型，通过引入隐式思考标记替代显式推理链，实现多模态表示的高效推理。模型在MMEB-v2基准上优于显式CoT方法，且在零样本评估中展示了可扩展性。
反向提问：交互层反知识蒸馏水印
机构 * University of California, Los Angeles（加州大学洛杉矶分校） ； Lawrence Berkeley National Laboratory（伯克利国家实验室） ； Meta
AI总结 本文提出交互层反知识蒸馏水印，通过教师模型的行为特征进行水印，验证其在不同模型上的有效性与鲁棒性。
Comments 34 pages, 17 figures
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