大厂专区
HalluTracer：基于深度平均真值信号的幻觉检测方法
机构 * University of Technology Sydney（悉尼科技大学） ； City University of Macau（澳门城市大学） ； Meta ； actAVA AI（actAVA人工智能公司） ； Microsoft AI（微软人工智能） ； Squirrel Ai Learning（松鼠人工智能学习公司） ； East China Normal University（华东师范大学）
AI总结 HalluTracer是一种在模型生成答案前聚合各层真值证据的幻觉检测框架，在六个开源语言模型和五个基准上优于白盒基线，将幻觉检测转化为深度聚合问题。
基于廉价辅助信号的语言模型条件评估
机构 * University of California, Los Angeles（加利福尼亚大学洛杉矶分校） ； University of Science and Technology of China（中国科学技术大学） ； Microsoft（微软公司） ； National University of Singapore（新加坡国立大学）
AI总结 针对现有语言模型条件评估中廉价辅助信号存在偏差的问题，提出半监督估计器LACE，结合局部中心化与岭控制变量，在多个基准数据集上完成实证评估。
CAPO：面向大语言模型智能体的感知约束提示优化
机构 * Microsoft（微软）
AI总结 本研究提出CAPO与DCAPO两种方法，通过原始对偶框架优化LLM智能体的系统提示，在智能体及助手式任务中均提升了可行性与性能。
DA-RAC：面向可信AI审计的大语言模型评判器的距离感知校准
机构 * Microsoft（微软公司）
AI总结 针对LLM评判器因无关参考示例导致的校准偏差问题，提出DA-RAC距离感知参考锚定校准方法，在多轮评估基准上提升了校准效果并降低了误通过风险，为可信AI审计提供支撑。
技能块：智能体应如何加载其技能？预加载、按需工具加载、渐进式披露与混合方式的缓存正确比较
机构 * Microsoft（微软）
AI总结 该研究比较四种智能体技能加载方法，发现Hybrid等方法可显著减少token使用，且无质量损失，条件加载在技能大部分无需每轮使用时最有益。
SocialCoach: 基于强化学习的智能辅导与练习的个性化社交技能学习
机构 * HKUST (GZ)（香港科技大学（广州）） ； Duke University（杜克大学） ； MSRA Beijing（微软研究院北京） ； Microsoft Beijing（微软北京）
AI总结 提出SocialCoach系统，利用多智能体管道构建知识语料库、强化学习优化自适应练习调度，并结合沉浸式实践与反思辅导，以解决社交技能学习中专家辅导稀缺和知行差距问题。
想象感知标记增强多模态语言模型的空间推理能力
机构 * University of Washington（华盛顿大学） ； Allen Institute for AI（Allen人工智能研究所） ； Microsoft（微软） ； OpenAI（开放人工智能研究院）
AI总结 提出想象感知标记（IPT）作为中间感知表征，通过监督学习提升多模态语言模型在不可见视角推理、遮挡路径追踪等空间推理任务上的性能，在三个新构建的数据集上优于文本思维链训练。
通过合成任务扩展实现AI科学家
机构 * Princeton University（普林斯顿大学） ； Microsoft Research（微软研究院）
AI总结 本文提出一种合成环境生成管道，用于训练能从实践中学习的机器学习代理。通过真实数据集验证和自调试循环，生成高质量合成任务，提升Qwen3-4B和Qwen3-8B在MLGym上的性能，AUP指标分别提升9%和12%。
合成网络：用于诊断语言代理知识弱点的对抗性定制迷你互联网
机构 * Microsoft（微软）
AI总结 本研究提出合成网络基准测试，通过对抗性内容测试揭示语言代理在处理冲突信息时的弱点，为高风险领域中的可靠代理开发提供评估框架。
Comments This version includes a revised manuscript presentation and formatting, expanded methodological and experimental details, enhanced reproducibility documentation, and improved benchmark framing and evaluation descriptions
全面的语言-图像预训练用于3D医学图像理解
机构 * Microsoft（微软公司） ； German Cancer Research Center (DKFZ)（德国癌症研究中心） ； Department of Radiology, University of Cambridge and Cambridge University Hospitals NHS Foundation Trust（剑桥大学放射科及剑桥大学医院国家健康服务体系基金会信托） ； Pattern Analysis and Learning Group, Heidelberg University Hospital（海德堡大学医院模式分析与学习组） ； Department of Radiology, Mayo Clinic（梅奥诊所放射科）
AI总结 本文提出COLIPRI编码器，通过结合报告生成目标和视觉-only预训练，提升3D医学图像的语义理解和生成能力。
迈向自监督事件流建模的统一方法：进展与展望
机构 * Johannes Kepler University & NXAI GmbH（约翰尼斯·开普勒大学及NXAI GmbH） ； Kreditz AB（Kreditz公司） ； King AI Labs, Microsoft Gaming（King人工智能实验室、微软游戏）
AI总结 本文综述了自监督学习在事件流建模中的统一方法，分析了不同领域的方法适用性，并提出了未来研究方向以开发更通用的SSL框架。
Comments Accepted by JAIR
超越文本条件：面向视频生成的MLLM-DiT融合系统研究
机构 * Chinese Academy of Sciences（中国科学院） ； Microsoft Research（微软研究院） ； Sun Yat-sen University（中山大学） ； Zhejiang University（浙江大学） ； Shanghai Artificial Intelligence Laboratory（上海人工智能实验室） ； Xi’an Jiaotong University（西安交通大学）
AI总结 该研究针对视频生成中MLLM与DiT融合问题，提出BiVidGen框架，通过MLLM生成语义视觉标记辅助DiT渲染，提升了视频的语义对齐度与时间一致性。
ASSERT：用于生成式人工智能（GenAI）审计的测量流水线
机构 * Microsoft（微软）
AI总结 研究人员提出ASSERT测量流水线，将GenAI审计的报告率与测量选择规范关联，案例显示测量选择会影响报告率及系统排名，可提升审计差异的归因与解释性。
从被动代理到策略谈判者：用SocialRL强化小型语言模型的社会推理能力
机构 * Microsoft Research（微软研究院）
AI总结 该研究提出SocialRL方法训练4B语言模型的社会推理能力，经多领域实验，其跨领域整合后模型平均效用达0.627，优于多数GPT系列模型，心智理论蒸馏可提升效用与泛化性。
Comments 25 pages, 3 figures
GRASP: 门控回归感知技能提议器用于自我改进的LLM智能体
机构 * Technical University of Munich and TUM University Hospital（慕尼黑技术大学及慕尼黑大学医院） ； Microsoft Healthcare & Life Sciences（微软医疗与生命科学）
AI总结 提出GRASP方法，通过门控回归感知技能库编辑，在硬回归预算下确保每次技能更新带来净改进，显著提升LLM智能体在结构化环境中的操作可靠性。
TENET：迈向仓库级代码生成的测试驱动开发的第一步
机构 * Purdue University（普渡大学） ； Microsoft Office AI（微软办公人工智能）
AI总结 研究仓库级代码生成的测试驱动开发问题，提出TENET框架，含测试harness机制、定制工具集和细化工作流程，能选简洁测试套件，实现高效检索调试与迭代改进，性能优于基线，还研究了测试套件特征对LLM代理性能的影响。
Comments Accepted at the 37th IEEE International Symposium on Software Reliability Engineering (ISSRE 2026)
通过二进制背包优化统一大语言模型的深度与宽度剪枝
机构 * Yardi School of Artificial Intelligence, Indian Institute of Technology Delhi（德里印度理工学院亚迪人工智能学院） ； Indian Institute of Technology Delhi（德里印度理工学院） ； Microsoft Research (MSR) India（微软研究院印度分部）
AI总结 研究针对LLMs结构化剪枝的贪心启发式算法缺陷，提出SNIPER两阶段剪枝框架，引入CRAFT量化预算保真度，在多架构多任务上较现有剪枝器实现性能与稳定性提升，泛化性强。
Comments 29 pages, 5 figures, 17 tables
正确性不受管控：智能体工作流的来源完整性
机构 * Microsoft（微软公司）
AI总结 本文针对智能体工作流的来源完整性问题，提出确定性因果状态层Matrix作为机构完整性层，可记录依赖、验证证据，使工作可审计，且能限制恢复范围。
Comments 19 pages, 2 figures
行动胜于言语：测量使用工具的智能体的跨语言策略保留率
机构 * Microsoft Research India（微软研究院印度分部）
AI总结 该研究测量使用工具的智能体的跨语言行动策略保留率，发现前沿模型在贪心解码下保留71%-73%策略，参数低于100亿时保留率崩溃，且存在影响测量的混淆因素。
Comments Accepted in COLM 26
智能体技能可能有害：LLM智能体中技能诱导故障的实证研究
机构 * Huazhong University of Science and Technology（华中科技大学） ； Microsoft Research（微软研究院） ； Microsoft（微软） ； University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）
AI总结 本文通过提出差异分析框架，在SkillsBench等数据集上发现LLM智能体的技能会引发功能故障与效率回归，并构建SkillTriage工具，为安全复用技能提供研究方向。
Dion3：全栈正交更新
机构 * Microsoft Research（微软研究院） ； New York University（纽约大学） ； Princeton University（普林斯顿大学） ； NVIDIA（英伟达） ； Yale University（耶鲁大学）
AI总结 Dion3是针对Muon优化器开销的改进版本，通过全栈优化降低了正交化、通信等开销，步长时间最多降6倍，可作为Muon的即插即用替代方案。
Comments 37 pages, 23 figures
基于技能-工具链进化的自演化具身智能体
机构 * Microsoft Research（微软研究院） ； Northeastern University（东北大学）
AI总结 提出免训练的SHAPER框架，通过演化技能与工具链实现冻结模型驱动的自演化具身智能体，在VLABench等数据集上验证其适配优势。
个性化作为逆向规划：通过结构去噪学习智能幻灯片生成的潜在设计意图
机构 * Purdue University（普渡大学） ； Rutgers University（罗格斯大学） ； University at Albany（奥尔巴尼大学） ； Microsoft（微软）
AI总结 提出SPIRE框架，将页面级幻灯片个性化视为逆向规划问题，通过结构去噪和强化学习协作学习潜在设计意图，无需预设模板或用户详细指令。
Comments ECCV 2026
MuseVLA: 一种用于机器人操作的自适应多模态感知视觉-语言-动作模型
机构 * School of Computer Science, Peking University（北京大学计算机科学学院） ； Microsoft Research Asia（微软亚洲研究院） ； Princeton University（普林斯顿大学） ； Tsinghua University（清华大学）
AI总结 提出MuseVLA模型，通过将传感器作为按需工具集成，实现自适应多模态感知；设计传感器图像统一表示，并引入数据合成流水线，在灵巧手操作任务中平均成功率80.6%，显著优于RGB-only和多模态基线。
VidForensics-M1：用于AI生成视频取证的、具备可验证时间定位的元检测强化学习
机构 * Tsinghua University（清华大学） ； Peking University（北京大学） ； Renmin University of China（中国人民大学） ； Microsoft（微软公司）
AI总结 该研究针对AI生成视频检测泛化性不足的问题，首次将元检测引入该领域，提出结合可验证时间证据的VidForensics-M1模型及相关机制，实现了鲁棒可泛化的检测。
Comments 27 pages, 15 figures
重新思考大语言模型验证：证据结构、不确定性与选择性优化
机构 * Indian Institute of Technology Jammu（贾姆穆印度理工学院） ； Microsoft Research（微软研究院） ； SCB Dental College and Hospital（SCB牙科学院与医院）
AI总结 该研究针对LLMs医疗应用的安全问题，提出两阶段框架，利用模型弃权信号优化推理，在GPT-5.5、DeepSeek-R1模型及MedReason、MedQA数据集上显著提升了医疗假设验证的准确率。
Comments Findings Track at the Conference on Empirical Methods in Natural Language Processing (EMNLP 2026)
VERDICT：基于分歧感知共识的多模态推理无训练逐步验证方法
机构 * Indian Institute of Technology, Hyderabad（印度理工学院海得拉巴分校） ； Microsoft Research（微软研究院）
AI总结 该研究针对多模态大语言模型推理链易出错的问题，提出无训练的VERDICT方法，利用跨模态分歧的闭式解计算共识评分，在六个基准上提升最高达5.95%，性能接近需大量监督的特定领域评论家。
Comments European Conference on Computer Vision 2026
RadFusion：迈向阈值可控的放射学报告生成
机构 * Microsoft（微软公司）
AI总结 RadFusion框架为放射学报告生成赋予阈值可控性，融合多标签分类器与VQA报告生成器，提升诊断准确率，支持ROC分析，适配不同临床场景，更易通过监管审批。
REATS：基于大语言模型推理的集成学习用于自适应时间序列预测
机构 * Fudan University（复旦大学） ； Microsoft Research（微软研究院） ； Nankai University（南开大学） ； Jilin University（吉林大学）
AI总结 该研究针对单一时间序列预测模型的局限性，提出基于LLM推理的REATS集成方法，通过三方面设计实现样本自适应可解释加权，在八个基准测试上优于竞争基线，具备强泛化与迁移能力。
MESA：面向长视野智能体记忆的任务自适应多结构证据选择
机构 * Microsoft Research Asia（微软亚洲研究院）
AI总结 MESA是面向长视野智能体记忆的多结构证据选择框架，通过自适应选择融合互补记忆结构，在AMA-Bench上性能优于基线且减少了证据标记使用量。
Comments 18 pages, 5 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