大厂专区
CommitDistill: 一种轻量级的知识导向内存层用于软件仓库
机构 * Microsoft Corporation（微软公司）
AI总结 本文提出CommitDistill，一种轻量级的知识导向内存层，通过确定性正则表达式从本地git历史中提取类型化知识单元，并通过TF-IDF检索器进行检索，以提高软件仓库中历史信息的利用率。
前向学习离散扩散：学习如何更快地噪声去噪声
机构 * University of Amsterdam（阿姆斯特丹大学） ； Microsoft Research, Cambridge（微软研究院，剑桥）
AI总结 本文提出前向学习离散扩散（FLDD），通过引入可学习的前向（噪声）过程，减少目标分布与模型分布之间的差距，实现少步生成。该方法采用非马尔可夫形式，利用可学习的边缘和后验分布，使生成过程保持因子化同时匹配噪声过程定义的目标。实验表明，在相同采样步数下，FLDD生成的样本质量优于传统离散扩散模型。
通过在线策略自我蒸馏减少大语言模型安全对齐的安全部署税
机构 * International Computer Science Institute（国际计算机科学研究所） ； Microsoft（微软） ； Berkeley Lab（伯克利实验室）
AI总结 本文提出了一种名为OPSA的在线策略自我蒸馏方法，通过引入教师翻转率指标，有效减少大语言模型在安全对齐过程中因分布不匹配导致的安全税，实验显示其在不同模型规模上均优于传统方法。
Comments 20 pages, 5 figures
DocReward: 一种用于文档结构化和风格化的文档奖励模型
机构 * CUHK（香港大学） ； UCAS（中国科学技术大学） ； XJTU（西安交通大学） ； UMich（密歇根大学） ； Microsoft（微软）
AI总结 本文提出DocReward，一种用于评估文档结构和风格的奖励模型，通过构建包含117,000对文档的DocPair数据集，采用Bradley-Terry损失训练，有效提升了文档生成的结构和风格专业性。
TaskGround：全场景家庭推理的结构化可执行任务推断
机构 * Tsinghua University（清华大学） ； Microsoft Research Asia（微软亚洲研究院） ； Peking University（北京大学） ； Fudan University（复旦大学） ； Zhejiang University（浙江大学）
AI总结 本文提出TaskGround框架，通过结构化任务推断提升全场景家庭推理能力，其核心贡献是引入FullHome评估套件，验证了在家庭场景中执行任务结构推断的重要性，并展示了紧凑本地模型在实际家庭部署中的有效性。
Comments Project page: https://aaronfengzy.github.io/TaskGround/
多智能体AI系统在创造力上超越人类团队
机构 * Microsoft Research Asia（微软亚洲研究院）
AI总结 研究探讨了多智能体AI系统在创造力任务中的表现，发现其在四个多样化问题解决任务中，比单智能体和人类团队更具创造力，核心方法是通过语义空间路径分析生成过程，主要贡献是揭示了AI和人类团队在创造力预测上的不同机制。
交互评估需要一种设计科学
机构 * University of Texas Austin（德克萨斯大学奥斯汀分校） ； California Institute of Technology（加州理工学院） ； Carnegie Mellon University（卡内基梅隆大学） ； Stanford University（斯坦福大学） ； University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； Microsoft Research（微软研究院） ； Northwestern University（西北大学） ； University of Cambridge（剑桥大学）
AI总结 本文探讨了交互评估应被视为一种原则性的评估范式，而非仅仅是新的智能体基准。通过定义评估为证据到判断的自主映射，文章展示了交互评估如何改变这一映射的两方面，并提出双轴分类法，制定设计原则和报告标准，分析了长期评估挑战在轨迹层面的再现。
Comments 10 pages
VeriCache: 将损失性KV缓存转换为无损LLM推理
机构 * University of Chicago（芝加哥大学） ； Tensormesh Inc.（Tensormesh公司） ； Samsung Semiconductor（三星半导体） ； Microsoft Research（微软研究院）
AI总结 本文提出VeriCache框架，通过利用压缩的KV缓存生成token并验证其与完整KV缓存的一致性，实现了与完整KV缓存解码相同输出的同时保持高解码吞吐量。
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。
多类预测中的诚实校准误差
机构 * Peking University（北京大学） ； Northwestern University（西北大学） ； Microsoft Research, New England（微软研究院（新英格兰）） ； Northeastern University（东北大学） ； Khoury College of Computer Sciences（计算机科学学院）
AI总结 本文研究了多类预测中诚实校准误差的实用作用，提出了完美诚实校准误差以处理标签分布的多维线性属性，并分析了这些诚实误差在决策理论上的影响，从而解释并缓解了分箱校准误差的排名鲁棒性问题。
PersonaArena: 用于评估和提升大语言模型层面角色扮演的动态模拟
机构 * College of Computer Science and Software Engineering, Shenzhen University（深圳大学计算机科学与软件工程学院） ； Microsoft Research Asia（微软亚洲研究院） ； Microsoft Gaming（微软游戏） ； Provincial Key Laboratory of Intelligent Communication and Digital Society Governance, Shenzhen University（深圳大学省级智能通信与数字社会治理重点实验室）
AI总结 本文提出PersonaArena框架，通过动态模拟评估和提升大语言模型在角色扮演层面的能力，利用用户生成的社会内容构建细致的个性库，并在模拟社交环境中进行多轮上下文丰富的交互，通过多代理辩论裁判实现全面公正的评估。
Comments ACL 2026 Findings
GroupMemBench: 多方对话中LLM代理记忆的基准测试
机构 * UC Santa Barbara（加州大学圣芭芭拉分校） ； Microsoft（微软）
AI总结 本文提出GroupMemBench，用于评估多方对话中LLM代理的记忆能力，揭示现有记忆系统在群体动态、信念跟踪和语言适应方面的不足。
强化共轭匹配：扩散和流匹配模型的后训练强化学习扩展
机构 * MIT CSAIL（麻省理工学院计算机科学与人工智能实验室） ； King's College London（伦敦国王学院） ； Microsoft Research New England（微软研究院新英格兰分部） ； University of Oxford（牛津大学）
AI总结 本文提出Reinforce Adjoint Matching方法，通过强化学习后训练优化扩散和流匹配模型，无需SDE回滚或梯度，提升生成质量与人类偏好匹配度。
精确调试基准：你的模型是在调试还是重生成？
机构 * University of Southern California（南加州大学） ； Microsoft（微软） ； University of Wisconsin–Madison（威斯康星大学麦迪逊分校） ； University of Toronto（多伦多大学）
AI总结 本文提出PDB基准，评估LLM调试能力，发现前沿模型调试精度低，即使受指令引导也难以达到高精度。
扩散对偶性，第二章：Ψ-采样器
机构 * EPFL, Lausanne, Switzerland（苏黎世联邦理工学院，洛桑分校） ； Microsoft AI（微软人工智能） ； Cornell Tech, NY（康奈尔科技）
AI总结 本文提出了一种通用的预测-校正采样器，用于离散扩散模型，提升了语言和图像建模的生成质量，并展示了其在训练效率上的优势。
DevBench：一个现实的、面向开发者的代码生成模型基准测试
机构 * California Institute of Technology（加州理工学院） ； Microsoft（微软公司）
AI总结 DevBench通过真实开发者数据和生成模型合成，构建了包含六种编程语言和任务的1800个实例，评估大语言模型在代码补全任务中的表现，揭示模型在语法精度、语义推理和实用价值上的差异。
基于领域重构与新颖性评估的人机协同科学构想系统
机构 * University of Washington（华盛顿大学） ； Microsoft（微软） ； Allen Institute for AI（人工智能研究院）
AI总结 Scideator通过领域重构与新颖性评估模块，帮助用户在科学构想中生成更具创造性的想法，实验显示其在想法探索和表达性方面优于传统LLM方法。
Comments Updated based on most recent submission
检索增强生成系统中的可信度：综述
机构 * Tsinghua University（清华大学） ； Renmin University of China（中国人民大学） ； The Chinese University of Hong Kong（香港中文大学） ； Beijing Academy of Artificial Intelligence（北京人工智能研究院） ； Hong Kong Polytechnic University（香港理工大学） ； Microsoft Research Asia（微软亚洲研究院） ； University of Illinois（伊利诺伊大学）
AI总结 本文综述了检索增强生成系统中可信度的关键维度，提出Trust-RAG Compass框架，评估事实性、鲁棒性等六个方面，并建立评估基准，揭示不同LLM在可信度方面的性能差异，指出未来研究方向。
WinDeskGround：复杂多窗口桌面环境中的鲁棒GUI定位基准
机构 * School of Cyberspace, Hangzhou Dianzi University, Hangzhou, China（杭州电子科技大学信息学院） ； Microsoft（微软公司）
AI总结 本文提出WinDeskGround基准，通过参数生成复杂桌面场景，评估GUI定位鲁棒性。实验显示顶级模型在简单环境表现佳，但部分遮挡下准确率下降。
SignMuon：高效的分布式μon优化
机构 * Microsoft（微软公司） ； IIIT Hyderabad（Hyderabad印度理工学院）
AI总结 本文提出Sign-Muon优化器，结合signSGD的符号聚合与Muon的极步框架，通过矩阵感知的1位优化方法，在减少通信开销的同时提升训练效率，实验表明其在多个数据集上均取得最佳性能。
Comments 40 pages, 9 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