大厂专区
UniTele：学习设备相关退化以实现统一的智能手机长焦超分辨率
机构 * Shanghai Jiao Tong University（上海交通大学） ； StepFun ； Communication University of Zhejiang（浙江传媒学院）
AI总结 本研究提出UniTele模型，通过学习设备特定退化并合成额外训练对，解决手机超长焦成像的设备依赖退化问题，提升超分辨率恢复的保真度与稳定性。
AutoVend：在长周期自主自动售货运营上对大语言模型智能体进行基准测试
机构 * StepFun（阶跃星辰） ； Zhejiang University（浙江大学） ； Xi’an Jiaotong-Liverpool University（西交利物浦大学） ； FinStep
AI总结 本研究推出AutoVend基准，通过180天模拟测试5个LLM智能体管理20台自动售货机的能力，发现多数智能体未达规则基线，且推理成本与回报的排名存在差异，还揭示了智能体在运营决策上的多项困难。
RubricAtlas：从专家报告中挖掘类型级规则以评估深度研究智能体
机构 * StepFun（阶跃星辰） ； Renmin University of China（中国人民大学） ； University of Adelaide（阿德莱德大学） ； Zhejiang University（浙江大学） ； FinStep
AI总结 本研究提出RubricAtlas，基于3079份中文金融研究报告构建涵盖99种研究类型的类型级规则，用于评估深度研究智能体，实验验证其能有效比较分析完整性且排名一致性良好。
ECHOES：通过递归历史压缩与特权在线策略蒸馏超越当前图像进行感知
机构 * Tsinghua University（清华大学） ； StepFun（阶跃星辰） ； Nanyang Technological University（南洋理工大学） ； Zhejiang Leapmotor Technology Co., Ltd.（浙江零跑科技股份有限公司） ； Honor（荣耀）
AI总结 ECHOES通过CTA格式与特权在线策略蒸馏提升GUI智能体长视距可靠性，在多基准上性能显著，无需历史截图即可实现性能与成本的良好权衡，且零样本迁移表现积极。
Comments 22 pages, 7 figures, 13 tables
机构 * UC San Diego（加州大学圣地亚哥分校） ； UIUC（伊利诺伊大学厄巴纳-香槟分校） ； Nanjing University（南京大学） ； Meta ； StepFun（阶跃星辰）
AI总结 JetSpec++通过算法-系统协同设计，结合块内自精调、块间前瞻草稿生成与流水线操作，实现推测解码的高效性，在保留目标模型输出分布的同时，获得最高7.45倍的自回归解码加速比。
Comments 31 pages, 4 figures, 16 tables. Zhaoxiang Feng and Lanxiang Hu contributed equally. Code and models: https://github.com/hao-ai-lab/JetSpec
$\Phi$-Bench：大型语言模型能否工程化驱动自身的基础设施？
机构 * University of Science and Technology of China（中国科学技术大学） ； StepFun（阶跃星辰） ； Peking University（北京大学） ； The Hong Kong University of Science and Technology（香港科技大学） ； Yale University（耶鲁大学） ； University of Pennsylvania（宾夕法尼亚大学）
AI总结 提出$\Phi$-Bench基准，系统评估LLMs在工程化自身基础设施栈上的能力，涵盖从核级函数补全到端到端优化的多复杂度任务，并揭示前沿模型的现状与局限。
机构 * The Chinese University of Hong Kong（香港中文大学） ； StepFun（阶跃星辰） ； MAP（多媒体分析组）
AI总结 该研究提出结合离散与连续建模的方法，通过VQ tokenizer、SSL衍生变分编码器和全序列流模型，在192个共享提示下提升歌曲生成的SongEval评分、降低微PER并获更高专家评分。
Comments 15 pages, 3 figures
机构 * The Chinese University of Hong Kong（香港中文大学） ； University of California San Diego（加州大学圣地亚哥分校） ； StepFun（阶跃星辰） ； Tsinghua University（清华大学） ； Shanghai Conservatory of Music（上海音乐学院） ； MAP（多模态人工智能平台）
AI总结 本研究推出面向全模态模型的HMU-Bench双语音乐理解基准，含乐谱与音频组件，评估发现全模态模型在音频任务表现差、乐谱与音频排名相关性低，还发现LLM评分的八度错误，将发布相关数据资源。
Comments 5 pages
机构 * Tsinghua University（清华大学） ； Megvii Technology（旷视科技） ； University of the Chinese Academy of Sciences（中国科学院大学） ； StepFun（阶跃星辰） ； Georgetown University（乔治城大学）
AI总结 本文提出ARCON，一种交替生成语义与RGB令牌的自回归视频续写方案，利用大型视觉模型学习结构化信息，并通过光流纹理拼接提升质量，在自动驾驶场景中实现长视频的一致生成。
机构 * UC San Diego（加州大学圣地亚哥分校） ； Zhejiang University（浙江大学） ； UIUC（伊利诺伊大学厄巴纳-香槟分校） ； Nanjing University（南京大学） ； StepFun（阶跃星辰）
AI总结 提出JetFlow框架，通过因果并行草稿头结合树推测解码，将更大草稿预算转化为更长接受前缀和更高端到端加速，在Qwen3模型上实现最高9.64倍加速。
机构 * Nanyang Technological University（南洋理工大学） ； National University of Singapore（新加坡国立大学） ； University of Hong Kong（香港大学） ； Stepfun
AI总结 DyadMem提出用户条件关系智能体记忆（URAM）基准，包含大量多会话标注，揭示前沿模型在完整流水线问答中性能骤降，并验证URAM对20个模型均有积极效果。
ChainLoRA：用于大语言模型持续学习的几何保持任务向量合并
机构 * Shanghai Jiao Tong University（上海交通大学） ； Shanghai Innovation Institute（上海创新研究院） ； Beijing Zhongguancun Academy（北京中关村学院） ； StepFun（阶跃星辰） ； Huazhong University of Science and Technology（华中科技大学） ； IAAR（智能自动化研究院）
AI总结 ChainLoRA提出一种基于链式更新任务向量几何的无重放持续合并框架，通过自适应SVD合并与Procrustes适应实现几何近似分离，在多个基准上达到先进性能。
Comments 18 pages
机构 * HKUST (GZ)（香港科技大学（广州）） ； SJTU（上海交通大学） ； UCAS（中国科学院大学） ； THU（清华大学） ； StepFun（阶跃星辰）
AI总结 本文提出将循环Transformer的隐藏状态视为快速权重，从优化视角推导循环转换，并设计OperLoop方法，在匹配计算量下提升生成与常识推理性能。
机构 * Beijing University of Posts Telecommunications（北京邮电大学） ； StepFun（阶跃星辰）
AI总结 CadenceRL通过结构性的工作负载重塑（节奏控制与集中）解决异构回放池中异步RL后训练的调度难题，显著提升解码吞吐量并降低轨迹延迟。
机构 * StepFun（阶跃星辰） ； Shanghai Jiao Tong University（上海交通大学） ； University of California, Los Angeles（加州大学洛杉矶分校） ； FinStep
AI总结 本研究基于50个量化因子挖掘任务，探究自主研究智能体中搜索扩展对性能的影响，发现模型能力决定初始表现、深度搜索缩小差距、并行优于顺序搜索，并指出未来需更强模型与自适应计算部署策略。
Comments 33 pages, including appendices
忠诚智能体：在战略信息不对称下训练LLM智能体保护委托人利益
机构 * Tsinghua University（清华大学） ； Shanghai Qi Zhi Institute（上海人工智能实验室） ； Stepfun（阶跃星辰）
AI总结 本文提出智能体忠诚概念及LoyalAgent-Bench基准，通过在线GRPO框架训练LLM智能体减少信息泄露并抵制操纵，实验显示显著提升忠诚相关指标且不损害通用能力。
机构 * Nanyang Technological University（南洋理工大学） ； StepFun
AI总结 EditWorld通过门控因果注意力和稀疏上下文机制，实现可交互世界中的精确编辑与灵活引用，在WBench-Editing上以73.8总分和80.0编辑分领先。
机构 * Institute of Computing Technology, Chinese Academy of Sciences（中国科学院计算技术研究所） ； University of Chinese Academy of Sciences（中国科学院大学） ； StepFun
AI总结 提出主动探测框架P2A，通过将DOM符号渲染为像素证据并在决策时对齐，提升浏览器智能体任务成功率，在VisualWebArena上显著提升专有和开源模型性能。
Comments EMNLP 26 Findings
机构 * StepFun ； South China University of Technology（南方科技大学） ； Peking University（北京大学） ； Tsinghua University（清华大学） ； Institute of Automation Chinese Academy of Sciences（中国科学院自动化研究所） ； The University of Chicago（芝加哥大学） ； Nanyang Technological University（南洋理工大学）
AI总结 GEBench提出一个评估GUI生成模型动态交互和时间一致性的基准测试，通过五维指标揭示模型在多步交互中的瓶颈问题。
Comments 24 pages, 11 figures. Project page: https://github.com/stepfun-ai/GEBench
机构 * StepFun
AI总结 KITE通过KV不变扩展实现模型从小到大的高效训练，并降低推理成本；SST双塔解码器在可比计算下优于更大基线模型。
onPanda：通过词元级修正高效标注LLM与智能体的策略内对齐数据
机构 * StepFun（阶跃星辰） ； Xiamen University（厦门大学）
AI总结 onPanda通过词元级修正交互机制，将LLM对齐数据标注时间中位数降低52%，并生成保留采样分布的策略内数据及细粒度监督信号。
Comments Project page: https://on-panda.github.io/research/
ConsistWorld：用于一致多智能体世界模型的证据路由
机构 * Westlake University（西湖大学） ； StepFun ； University of California, Los Angeles（加利福尼亚大学洛杉矶分校）
AI总结 ConsistWorld提出一种多智能体世界模型，通过姿态条件记忆检索和可见性门控同行共享的证据路由机制，从单张图像生成一致的多视角视频流，实现跨时间与跨智能体的一致性。
机构 * StepFun ACE ； The Chinese University of Hong Kong（香港中文大学） ； University of California San Diego（加利福尼亚大学圣迭戈分校）
AI总结 StepAudio 3 Music 通过离散-连续设计、ABC 记谱法显式规划和 DPO 强化学习，实现长达 5 分 30 秒的高质量长格式音乐生成，在多项基准上取得领先。
Comments 18 pages, 6 figures. Audio demonstrations: https://stepaudiollm.github.io/step-audio-3-music
HyperTransfer：理解基础优化器与超球之间的等价性
机构 * StepFun（阶跃星辰） ； University of Chinese Academy of Sciences（中国科学院大学） ； Tsinghua University（清华大学）
AI总结 HyperTransfer通过证明超球优化器与基础优化器在尺度不变网络中的动态等价性，仅用初始化和学习率调度即可复现目标优化器动态，并扩展至非尺度不变网络，实验验证了轨迹一致性。
Aphanta：面向多模态推理的任务对齐图像编辑中间产物诊断框架
机构 * StepFun（阶跃星辰） ； Fudan University（复旦大学）
AI总结 本文提出Aphanta框架，用于诊断MLLM与图像编辑中间产物的任务对齐性，实验显示图像编辑是专用视觉工作空间，该框架可用于评估相关流水线效用。
ContestTrade：一种基于内部竞争机制的多智能体交易系统
机构 * Stepfun ； FinStep
AI总结 针对基于LLM的智能体在金融交易中决策受市场信息影响的问题，提出ContestTrade多智能体交易系统，通过“量化 - 预测 - 分配”竞争机制及两个专业团队协作，在A股回测中取得较好收益和风险调整绩效。
机构 * State Key Laboratory of Novel Software Technology, Nanjing University（南京大学计算机软件新技术国家重点实验室） ； StepFun（阶跃星辰）
AI总结 针对混合RL回滚调度的异构性问题，提出MISA-T策略，在多基准实验中显著提升回滚吞吐量并降低平均轮次时间，同时维持缓存命中率与工作负载混合比例。
机构 * Peking University（北京大学） ； Stepfun（阶跃星辰） ； Beijing University of Posts and Telecommunications（北京邮电大学）
AI总结 该研究针对LLM基础设施中张量管理策略复用受阻的问题，提出TensorCast分布式张量管理层，将张量状态管理与计算逻辑解耦，在保持性能的同时提升多轮智能体工作负载的TTFT达93.2%。
机构 * South China University of Technology（南方科技大学） ； StepFun ； Institute of Automation Chinese Academy of Sciences（中国科学院自动化研究所） ； Nanyang Technological University（南洋理工大学） ； The Chinese University of Hong Kong（香港中文大学）
AI总结 CoCo通过代码驱动的推理框架，提升文本到图像生成的精度和可控性，实现结构化图像生成和稀有概念生成。
Comments 21 pages, 7 figures, and 3 tables. Accepted to ECCV 2026
MMPhysVideo: 通过联合多模态建模提升视频生成的物理合理性
机构 * State Key Laboratory of Multimodal Artificial Intelligence Systems, CASIA（中国科学院自动化研究所多模态人工智能系统国家重点实验室） ； School of Artificial Intelligence, University of Chinese Academy of Sciences（中国科学院大学人工智能学院） ； StepFun（阶跃星辰） ； Beijing Key Laboratory of Super Intelligent Security of Multi-Modal Information（多模态信息超级智能安全北京市重点实验室） ； School of Information Science and Technology, Shanghai Tech University（上海科技大学信息科学与技术学院）
AI总结 MMPhysVideo通过联合多模态建模提升视频生成的物理合理性，将感知线索统一为伪RGB格式，提出双向控制教师架构以减少跨模态干扰，并通过MMPhysPipe构建物理丰富的多模态数据集，提升物理合理性和视觉质量。
Comments Project Page: https://shubolin028.github.io/MMPhysVideo-Page
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