大厂专区
整体三维结构的稳定且可扩展的光束平差法
机构 * ETH Zurich（苏黎世联邦理工学院） ； Microsoft Spatial AI Lab（微软空间人工智能实验室） ； Australian National University（澳大利亚国立大学） ； Lund University（隆德大学）
AI总结 本文提出统一框架扩展光束平差法，将高阶几何关系建模为类相机实体，保留稀疏性并提升稳定性，在相当运行时下生成更丰富三维结构与更高几何精度。
Comments To appear at ECCV 2026. Code available as part of the LIMAP toolbox at https://github.com/cvg/limap/
OctWorld：基于八叉树三维映射的长程世界一致视频生成
机构 * University of Science and Technology of China（中国科学技术大学） ； Microsoft Research Asia（微软亚洲研究院） ； Tsinghua University（清华大学）
AI总结 研究提出带持久三维记忆的视频扩散框架OctWorld，通过引入空间自适应三维记忆OctMap解决长程生成的空间一致性难题，生成的视频在基准及长程设置下优于现有方法。
Comments Accepted to ECCV 2026 Project page: https://maxtirerror.github.io/octworldpage/
免费暂停令牌
机构 * Microsoft（微软） ； Cornell University（康奈尔大学）
AI总结 该研究提出免费暂停令牌，通过权重共享主干的并行预测流承载额外计算，在不增加推理开销的前提下，以1.14倍训练计算成本实现Transformer下一个令牌预测性能提升2-3centinats。
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。
MSign: 通过稳定秩恢复防止大语言模型训练不稳定
机构 * National University of Singapore（新加坡国立大学） ； Microsoft Research（微软研究院）
AI总结 MSign通过稳定秩恢复机制防止大语言模型训练不稳定，有效减少训练失败并降低计算开销
UTP-Bench：不确定性感知旅行规划基准
机构 * Microsoft（微软） ； IIT Bhubaneswar（布巴内斯瓦尔印度理工学院）
AI总结 本研究针对现有旅行规划基准未考虑不确定性的局限，推出UTP-Bench基准并设计三项评估指标，实验发现GPT-5等先进LLMs生成的旅行行程与人工行程存在显著差距。
Comments 34 pages, 12 figures, 16 Tables, EMNLP 2026
洞察式诊断：基于行为抽象的智能体失败结构化分析
机构 * Tsinghua University（清华大学） ； Microsoft Research（微软研究院） ； Microsoft（微软公司） ； University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）
AI总结 本文提出神经符号方法AGENTSCOPE，通过将智能体轨迹行为抽象为结构化表示并结合LLM引导推理，在Who&When、AgentErrata数据集上显著提升智能体失败的故障定位与归因准确率。
多行动，少决策：面向长 horizon 大语言模型智能体的技能引导自适应动作分块
机构 * Rutgers University（罗格斯大学） ； University of Toronto（多伦多大学） ； The Hong Kong Polytechnic University（香港理工大学） ； Amazon（亚马逊公司） ； Microsoft（微软公司）
AI总结 本文提出 SPACE 方法，通过从成功轨迹的编程技能中提炼分块边界监督，优化 LLM 智能体的动作分块策略，在 ALFWorld 和 ScienceWorld 上提升了长 horizon 任务的成功率并减少了决策轮次。
Comments EMNLP 2026 Camera Ready
基于两阶段检测与生态型分类级联的虎鲸高效被动声学监测
机构 * Microsoft AI for Good Research Lab（微软AI公益研究院） ； Universidad de los Andes（安第斯大学）
AI总结 本研究针对虎鲸被动声学监测的需求，提出基于ResNet的两阶段级联模型，在DCLDE 2027数据集上实现高精度检测与分类，可适配新声学域且推理速度快，适用于虎鲸保护的实时监测。
超越检索：学习紧凑用户表示以实现可扩展的LLM个性化
机构 * Microsoft（微软公司） ； Shanghai International Studies University（上海国际问题研究大学） ； Zhejiang University（浙江大学） ； Department of Data Science and Artificial Intelligence, The Hong Kong Polytechnic University（数据科学与人工智能系，香港理工大学）
AI总结 提出TAP-PER框架，通过可学习的用户状态前缀嵌入编码用户偏好，避免显式提示构建和繁重的每用户适配器，在六个LaMP任务上优于基线方法，并显著减少参数开销。
Comments EMNLP 2026 Findings
超越状态一致性：文本基础世界模型中的行为一致性
机构 * Dalian University of Technology（大连理工大学） ； MBZUAI ； Peking University（北京大学） ； Microsoft（微软）
AI总结 本文提出行为一致性训练方法，通过改进世界模型与真实环境的功能一致性，提升长期对齐效果，实验显示在WebShop和TextWorld中表现优异，同时保持单步预测质量。
Comments 20 pages, 2 figures
逐步思考-批判：一种用于鲁棒且可解释的大语言模型推理的统一框架
机构 * University of Science and Technology of China（中国科学技术大学） ； Microsoft Research Asia（微软亚洲研究院）
AI总结 本文提出STC框架，通过在推理与自我批判间交替进行，提升大语言模型的鲁棒性和可解释性，实验显示其在数学推理任务中表现出色。
Comments Under Review
更少微调，更好检索：通过合成数据和模型合并重新思考LLM适应于生物医学检索器
机构 * IKIM, University Hospital Essen（IKIM，埃森大学医院） ； Microsoft Healthcare & Life Sciences（微软医疗与生命科学）
AI总结 本文提出STM框架，通过合成数据和模型合并提升生物医学检索性能，实验显示在任务特定专家上提升23.5%并优于基线模型。
Comments Accepted to Findings of EMNLP 2026
通过解耦身份和运动实现主体驱动的视频生成
机构 * Seoul National University（首尔国立大学） ； POSTECH ； Microsoft Research Asia（微软亚洲研究院）
AI总结 本文提出一种通过解耦身份和运动实现主体驱动视频生成的方法，在零样本条件下优于现有模型。
Comments [ECCV 2026 camera-ready] Project Page : https://carpedkm.github.io/projects/disentangled_sub/index.html
StudentSim：基于大语言模型的学生模拟器训练框架
机构 * Microsoft Research（微软研究院） ； University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）
AI总结 本研究提出 StudentSim 框架，结合标准化评估协议 StudentSimEval，在国际象棋、写作、数学领域训练出优于 GPT-5.4 的学生模拟器，用作奖励模型可生成更优质的个性化辅导系统。
视觉-语言模型中视觉注意力的忠实性具有异质性
机构 * SAP（思爱普） ； College of Computing and Data Science, Nanyang Technological University（南洋理工大学计算与数据科学学院） ； Microsoft（微软公司）
AI总结 研究发现VLMs的视觉注意力忠实性具有异质性，分三种模式，人工标注区域与模型注意力存在约60%的全面性契合度，且该特性随任务和模型架构变化。
Comments EMNLP 2026
SAGE：面向任务型对话智能体的基于状态、感知弃权的评估方法
机构 * Microsoft（微软）
AI总结 SAGE是一种基于状态、感知弃权的任务型对话智能体评估方法，其SAGE-Core零LLM成本且在四个数据集切片上表现不劣于各类LLM评判器，经人工审计标签保真度高。
ReDeck：面向文档到幻灯片生成的步骤级渲染驱动的优化方法
机构 * Microsoft Corporation（微软公司） ； Shanghai Jiao Tong University（上海交通大学） ； Fudan University（复旦大学）
AI总结 ReDeck是一种步骤级渲染驱动的文档转幻灯片生成优化框架，采用多粒度反馈机制，在DeckQuiz基准及GPT-5.4等模型上性能优于现有同类智能体，证实反馈时机与粒度的重要性。
最强的教师并不总是最好的教师：以学生为中心的答案选择
机构 * University of Washington（华盛顿大学） ； University of Texas at Austin（德克萨斯大学奥斯汀分校） ； University of Southern California（南加州大学） ； Independent Researcher（独立研究者） ； National University of Singapore（新加坡国立大学） ； Microsoft（微软） ； Google（谷歌） ； Mohamed bin Zayed University of Artificial Intelligence（穆罕默德·本·扎耶德人工智能大学） ； Northwestern University（西北大学） ； Allen Institute for AI (AI2)（人工智能研究院（AI2））
AI总结 提出以学生为中心的答案采样（SCAS）框架，通过估计学生中心的学习成本选择教师生成的答案，从而提升学生模型性能。
潜在循环Transformer：架构探索、训练策略与扩展行为
机构 * Microsoft（微软公司） ； University of Wisconsin-Madison（威斯康星大学麦迪逊分校） ； University of Washington（华盛顿大学）
AI总结 提出潜在循环Transformer（LRT），通过跨层循环潜在路径重用前一token的高层隐藏状态作为记忆，在不增加暂停token或额外深度循环的情况下，以约2倍基线计算实现并行训练，在匹配有效计算下提升语言建模损失和上下文学习能力，仅增加0.3%参数。
评估风格个性化文本生成：挑战与方向
机构 * Columbia University（哥伦比亚大学） ； Microsoft（微软公司） ； The University of York（约克大学）
AI总结 研究风格个性化文本生成面临的挑战，通过提出的风格判别基准评估常用指标，发现多样评估指标集成效果更佳，为可靠评估该文本生成提供指导。
Comments Accepted to EMNLP 2026 (main)
Transformer中的性能-效率权衡：一种近似理论视角
机构 * Center for Data Science（数据科学中心） ； Peking University（北京大学） ； Institute for Functional Intelligent Materials（功能智能材料研究所） ； National University of Singapore（新加坡国立大学） ； Department of Mathematics（数学系） ； Microsoft Research Asia（微软亚洲研究院）
AI总结 本研究从近似理论视角分析Transformer性能与效率的权衡，揭示softmax激活的饱和行为，提出注意力头与维度的分层分配策略，为Transformer的理论基础模型效率提供了新见解。
归一化低秩适配
机构 * Yuanshi Intelligence（元氏智能） ； The Chinese University of Hong Kong（香港中文大学） ； Microsoft Research（微软研究院） ； Shenzhen Loop Area Institute（深圳河套学院）
AI总结 针对LoRA训练动态正则化不足的问题，提出归一化低秩适配（NoRA），通过归一化下投影矩阵提升LoRA性能，在多任务中加速收敛、改善稳定性并缓解灾难性遗忘，且无额外计算开销。
TRIPPULSE：基于评论推理的多智能体旅行规划
机构 * Microsoft（微软公司） ； IIT Bhubaneswar（布巴内斯瓦尔印度理工学院）
AI总结 TRIPPULSE是基于评论推理的多智能体旅行规划框架，分解行程生成任务为多智能体并结合10万+评论与RGPA指标，可兼顾约束满足与个性化体验。
Comments 31 pages, EMNLP 2026
学习结果变化的位置：面向多模态几何的信用可寻址推理
机构 * Tsinghua University（清华大学） ； Microsoft Research（微软研究院）
AI总结 该研究针对多模态几何推理中现有方法的缺陷，提出信用可寻址推理，通过Code-CoT和CE-GRPO实现，在9个几何基准上平均准确率达76.04，优于对比模型，凸显协同设计的价值。
SELECT：用于类增量语义分割的选择性上下文迁移
机构 * IIIT Delhi（印度信息技术学院德里校区） ； Microsoft（微软公司） ； IIT Kanpur（印度理工学院坎普尔校区） ； TYUST（太原科技大学）
AI总结 本文针对类增量语义分割的灾难性遗忘与背景偏移问题，提出SELECT选择性上下文迁移方法，通过上下文迁移注意力机制等提升性能，在Pascal VOC和ADE20K上优于现有工作。
Comments Accepted to BMVC 2026
用非推理型大语言模型从自然语言生成工作流有向无环图（DAG）
机构 * Microsoft（微软公司）
AI总结 本文针对企业联络中心自然语言路由转工作流DAG问题，用神经符号分解结合确定性编译器，提升非推理LLM生成质量，在GPT-5.3-chat上与推理模型质量统计等价。
人工神经网络的涌现符号结构
机构 * Yale University（耶鲁大学） ； Johns Hopkins University（约翰斯·霍普金斯大学） ； New York University（纽约大学） ； Microsoft Research（微软研究院）
AI总结 该研究发现神经网络内部表征隐含符号结构，可通过符号结构近似其向量表征，还能精准干预修改大型语言模型行为，为调和智能的符号概念与现代AI的向量本质提供了新途径。
Comments 30 pages, plus 29 pages of references and appendices
LiteSearch-VL：通过轨迹蒸馏和合成步级DPO实现的小型多模态搜索智能体
机构 * Microsoft AI（微软人工智能） ； Ohio State University（俄亥俄州立大学）
AI总结 该研究提出LiteSearch-VL方案，通过轨迹蒸馏和合成步级DPO，在单节点预算下将多模态搜索智能体能力迁移至Qwen3-VL-2B等小型模型，使其在多模态视觉问答任务上取得接近4B模型的性能，明确小型多模态智能体的下一瓶颈是答案验证而非搜索深度。
迈向文化对齐：五个非洲社区对多模态AI故事的以人为中心的评估
机构 * Microsoft Research Africa（微软研究院非洲分部） ； Swansea University（斯旺西大学） ； Cornell University（康奈尔大学） ； Microsoft Research Cambridge（微软研究院剑桥分部）
AI总结 本文以五个非洲社区为对象，通过混合方法评估AI生成多模态故事的文化对齐情况，构建了相关分类体系，并发现多模态LLM裁判需经社区校准才能可靠评估文化对齐。
Comments Accepted to Findings of EMNLP 2026
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