Universal YOCO for Efficient Depth Scaling
通用YOCO用于高效深度扩展
机构 * Microsoft Research（微软研究院） ； Tsinghua University（清华大学）
AI总结 本文提出通用YOCO（YOCO-U），结合递归计算与YOCO解码器解码器架构，实现更高效的推理效率与深度扩展能力，通过参数共享和浅层高效注意力层提升性能。
大厂专区
Microsoft（微软）
RefineRL: Advancing Competitive Programming with Self-Refinement Reinforcement Learning
RefineRL: 通过自我细化强化学习提升竞争性编程
机构 * Microsoft Research（微软研究院）
AI总结 RefineRL通过引入自我细化代理和强化学习方法，提升大语言模型在竞争性编程中的性能，实验表明其在紧凑模型中表现优异，接近大模型单次尝试性能。
Speech LLMs are Contextual Reasoning Transcribers
语音大模型是上下文推理转录器
机构 * Microsoft Core AI（微软核心人工智能）
AI总结 本文提出CoT-ASR，通过构建推理链使大模型先分析语音生成上下文分析，从而提升语音识别性能，实验显示WER和EER分别降低8.7%和16.9%。
E-Scores for (In)Correctness Assessment of Generative Model Outputs
E-Scores用于生成模型输出的正确性评估
机构 * Microsoft Research（微软研究院） ； University of Oxford（牛津大学）
AI总结 本文提出E-Scores作为生成模型输出正确性评估的补充方法，通过e值提高评估的可靠性，并在不同正确性形式下验证其有效性。
Comments International Conference on Artificial Intelligence and Statistics (AISTATS), 2026
