大厂专区
为计算机使用覆盖人类动作空间：数据合成与基准
机构 * Southeast University（东南大学） ； Mohamed bin Zayed University of Artificial Intelligence（穆罕默德·本·扎耶德人工智能大学） ； Wuhan University（武汉大学） ； Sun Yat-sen University（中山大学） ； Microsoft（微软公司）
AI总结 本文提出CUActSpot基准，通过数据合成覆盖复杂交互，提升模型在多模态任务中的表现。
LOFT：基于任务感知支持选择的低秩正交微调
机构 * The University of Sydney（悉尼大学） ； Microsoft India（微软印度） ； Indian Institute of Technology Bombay（印度班加罗尔理工学院） ； University of Cambridge（剑桥大学）
AI总结 LOFT通过明确分离适应子空间和变换操作，改进正交参数高效微调方法，提出任务感知支持选择策略，提升效率与性能平衡。
连续离散扩散：使你的扩散语言模型成为潜在推理器
机构 * Massachusetts Institute of Technology（麻省理工学院） ； Microsoft Research（微软研究院） ； Toyota Technological Institute at Chicago（丰田技术研究所（芝加哥）） ； Peking University（北京大学） ； Tsinghua University（清华大学）
AI总结 本文提出CCDD模型，结合连续和离散空间，提升扩散语言模型的表达能力和训练效果，通过联合多模态扩散过程实现高质量的生成与推理。
Comments 29 pages. Accepted to ICML 2026
高效算法用于具有带反馈的逻辑上下文滑动老虎机
机构 * Microsoft Research India（微软印度研究院）
AI总结 本文提出Slate-GLM-OFU和Slate-GLM-TS算法，通过局部规划和全局学习实现低计算成本和低遗憾，实验显示其在合成设置中优于现有基线，并在二分类任务中表现良好。
Comments Accepted to UAI 2025
Agent-BRACE: 通过 verbalized 状态不确定性解耦信念与行动以应对长 horizon 任务
机构 * UNC Chapel Hill（北卡罗来纳大学教堂山分校） ； The University of Texas at Austin（德克萨斯大学奥斯汀分校） ； Microsoft Research（微软研究院）
AI总结 Agent-BRACE 通过解耦信念状态模型与策略模型，利用强化学习优化，在长 horizon 部分可观测任务中提升性能，实现上下文窗口恒定且任务相关信息保留。
Comments Code: https://github.com/joykirat18/Agent-BRACE
Kairos：面向物理AI的可扩展服务系统
机构 * Princeton University（普林斯顿大学） ； Microsoft（微软公司）
AI总结 Kairos是首个支持生成-执行循环的多机器人服务系统，通过主动参与执行阶段，显著降低任务延迟，适用于广泛物理AI模型和机器人。
全球首个10米分辨率的农业田界地图
机构 * Microsoft AI for Good Research Lab（微软AI for Good研究实验室） ； Arizona State University（亚利桑那州立大学） ； Washington University in St. Louis（圣路易斯华盛顿大学） ； Oregon State University（俄勒冈州立大学） ； Clark University（克拉克大学） ； Taylor Geospatial（泰勒地理空间）
AI总结 本文提出首个全球10米分辨率农业田界地图，基于Sentinel-2影像和U-Net模型生成31.7亿个田块，通过验证达到85%召回率，提供全球一致的农业监测数据。
可携带代理记忆：一种用于跨异构AI代理加密验证记忆传输的协议
机构 * Microsoft Corporation（微软公司）
AI总结 本文提出Portable Agent Memory协议，通过结构化内存模型、基于能力的访问控制、抗注入重水化协议和JSON优先的序列化格式，实现跨异构AI代理的安全记忆传输。
Comments 8 pages, 28 references
SkillGen: 验证推理时间智能体技能合成
机构 * Munich Center for Machine Learning, LMU Munich（慕尼黑马尔他学习中心，慕尼黑大学） ； University of Notre Dame（诺特尔达大学） ； Microsoft Research（微软研究院）
AI总结 SkillGen通过对比诱导生成可审计的技能，提升智能体性能，优于现有基线方法，且技能可迁移。
合成函数演示提升低资源编程语言生成能力
机构 * Microsoft Research, Microsoft（微软研究院，微软）
AI总结 本文提出通过生成合成演示数据提升低资源编程语言生成性能，通过教师模型生成训练数据并微调学生模型，在Excel公式领域取得显著效果。
Comments Published at LREC 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