大厂专区
用于特征发现与控制的多模态模型差异分析
机构 * University of Oxford（牛津大学） ； Microsoft（微软公司）
AI总结 本研究提出MMDiff多模态模型差异分析框架，训练多模态SAEs以识别多模态训练改变的特征，实现特征隔离、检测与控制，在空间、OCR任务及多模态安全攻击评估中展现出良好效果。
Comments Preprint. Accepted at ICML 2026 Trustworthy AI for Good Workshop
反思自进化智能体：我们仍需要规定优化流程吗？
机构 * Microsoft Research（微软研究院）
AI总结 该研究提出开放端优化（OEO），对比SkillOpt、GEPA等规定优化流程，发现GPT-5.5驱动的OEO在多数场景优于规定流程，且资源消耗更低，表明足够强大的优化器可自主构建改进路径。
全带宽Transformer
机构 * Johns Hopkins University（约翰斯·霍普金斯大学） ； Princeton University（普林斯顿大学） ； Microsoft（微软公司）
AI总结 该研究提出全带宽Transformer，通过潜在反馈拓宽解码步骤间的垂直反馈通道，经训练验证其在多项任务上性能提升，且解码开销可忽略。
EgoTrack3D：一种用于第一人称视角三维目标跟踪的模块化框架
机构 * ETH Zürich（苏黎世联邦理工学院） ； Microsoft Research（微软研究院） ； TUM（慕尼黑工业大学） ； MCML（慕尼黑计算与机器学习中心）
AI总结 EgoTrack3D是一种模块化框架，可从第一人称视角RGB视频重建动态三维场景，在ADT数据集上较基线提升11% PCL，还能在退化观测下维持准确空间表示。
广泛推理，而非深度推理：将推理溢价分摊到提炼技能中
机构 * Microsoft（微软公司）
AI总结 该研究提出将推理模式的重复分摊为跨任务提炼的技能，在四个智能体基准上大幅降低代币量的同时恢复多数推理性能，部分场景下优于推理模式。
Comments COLM 2026 Efficient Reasoning Workshop
回到未来：用于电子表格创建基准测试的工作簿时光机
机构 * Microsoft（微软公司）
AI总结 本研究提出workbook time machine流水线，构建了含150个任务的电子表格创建评估基准wtmbench，揭示了查询特异性等因素对大语言模型Excel任务性能的关键影响。
Comments COLM 2026
Argus：面向长程推理的通用智能体运行时
机构 * Microsoft（微软公司） ； Shanghai Jiao Tong University（上海交通大学） ； Fudan University（复旦大学） ； Nanjing University（南京大学） ； Tsinghua University（清华大学） ； The University of Hong Kong（香港大学） ； Peking University（北京大学） ； The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳）） ； Donghua University（东华大学）
AI总结 Argus是面向长程推理的通用智能体运行时，通过多角色协作与自进化，在多个基准测试中表现优于同类方法，还完成了实际应用任务并产出结构化轨迹。
Embodied.cpp：面向异构机器人的具身AI模型可移植推理运行时
机构 * Southeast University（东南大学） ； Nanjing University（南京大学） ； Microsoft Research（微软研究院） ； Institute for AI Industry Research (AIR), Tsinghua University（清华大学人工智能产业研究院（AIR））
AI总结 提出Embodied.cpp，一个基于C++的可移植推理运行时，通过五层架构支持多速率执行、延迟优先融合推理和可扩展接口，在异构机器人上高效部署VLA和世界动作模型。
Comments 18 pages, 2 figures, Project website: https://github.com/SEU-PAISys/Embodied.cpp
OATS: 用于时间序列基础模型的在线数据增强
机构 * 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） ； Griffith University（格里菲斯大学） ； Datadog AI Research（Datadog AI研究院）
AI总结 OATS通过动态生成合成数据提升时间序列基础模型的性能，采用探索-利用机制和扩散框架，在多个数据集上优于传统方法。
LAUDE: 基于LLM的硬件设计单元测试生成与调试
机构 * Dept. of Electrical and Computer Engineering, University of Illinois Chicago（伊利诺伊大学芝加哥分校电子与计算机工程系） ； Microsoft（微软公司）
AI总结 LAUDE利用大语言模型能力，实现硬件设计的单元测试生成与调试，有效检测和修复设计中的错误。
Comments 11 Pages, 9 Figures, 9 Tables Submitted to AAAI 2027
协作差距：开放世界智能体协作的探索与基准测试
机构 * EPFL（瑞士联邦理工学院） ； Microsoft Research（微软研究院）
AI总结 该研究提出协作迷宫求解基准，评估32个模型的协作能力，发现模型存在协作差距，提出中继推理等缓解措施，强调协作相关评估、训练与交互设计的重要性。
Comments Accepted to COLM 2026, code available at https://github.com/trdavidson/collaboration_gap
重新思考MDLM的推理：早期退出、事后推理及其他
机构 * Columbia University（哥伦比亚大学） ； Department of Computer Science, New York University（纽约大学计算机科学系） ； Microsoft Research（微软研究院） ； Center for Data Science, New York University（纽约大学数据科学中心）
AI总结 本文提出“推理即填充”技术，基于掩码扩散语言模型（MDLMs）实现早期退出、事后推理等能力，在GSM8k数据集上微调LLaDA-8B-Base提升准确率14.9%，证明MDLM训练目标对推理有显著优势。
Comments COLM 2026 Camera Ready
EgoBrain：协同心智与视觉以实现人类行为理解
机构 * The University of Tokyo（东京大学） ； Microsoft Research Asia（微软亚洲研究院）
AI总结 研究人员构建了全球首个同步脑电与第一人称视觉的大规模多模态数据集EgoBrain，开发多模态学习框架实现行为理解，跨参与者与环境验证达66.70%准确率，为脑机接口研究提供新范式。
Comments Accepted to ICLR 2026. Camera-ready version. Project page: https://lin-nie.github.io/EgoBrain/
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