Manifold-Aware Exploration for Reinforcement Learning in Video Generation
面向流形的探索用于视频生成的强化学习
机构 * Tencent Hunyuan（腾讯文脉）
AI总结 本文提出SAGE-GRPO方法，通过在微和宏观层面约束探索，确保在视频数据流形附近进行，提升视频生成的质量和奖励估计的可靠性。
Comments 17 pages, 12 figures
大厂专区
Tencent（腾讯）
Probing How Scalable Table Data Enhances General Long-Context Reasoning
探究表格数据如何提升长上下文推理的可扩展性
机构 * Large Language Model Department, Tencent（腾讯大语言模型部门） ； Xi'an Jiaotong University, Xi'an, China（西安交通大学） ； Fudan University, Shanghai, China（复旦大学）
AI总结 本文研究表格数据对长上下文推理的增强作用，通过分析表格依赖结构揭示周期性非消失依赖，并提出TableLong框架提升推理能力，实验显示在多个基准上提升8.24%。
Learning Trajectory-Aware Multimodal Large Language Models for Video Reasoning Segmentation
学习轨迹感知的多模态大语言模型用于视频推理分割
机构 * Southern University of Science and Technology（南方科技大学） ； Tencent YouTu Lab（腾讯优图实验室）
AI总结 本文提出TrajSeg框架，通过双向文本轨迹对齐提升视频对象轨迹感知能力，采用帧级内容整合模块和统一掩码解码器实现端到端训练，实验表明其在视频推理分割任务中优于现有方法。
DeepCompress: A Dual Reward Strategy for Dynamically Exploring and Compressing Reasoning Chains
DeepCompress：一种双奖励策略用于动态探索和压缩推理链
机构 * Tencent AI Lab（腾讯AI实验室）
AI总结 DeepCompress通过双奖励策略动态调整推理链长度，提升大推理模型的准确性和效率，实验显示在数学基准上表现优于基线方法。
Comments ICLR 2026
Point-In-Context: Understanding Point Cloud via In-Context Learning
点在上下文：通过上下文学习理解点云
机构 * State Key Laboratory of General Artificial Intelligence（国家一般人工智能重点实验室） ； Peking University（北京大学） ； Shenzhen Graduate School（深圳研究生院） ； School of Intelligent Systems Engineering（智能系统工程学院） ； Sun Yat-sen University（中山大学） ； ETH Zurich（苏黎世联邦理工学院） ； Tencent Inc.（腾讯公司） ； S-Lab（S实验室） ； Nanyang Technological University（南洋理工大学）
AI总结 本文提出Point-In-Context框架，利用上下文学习实现多任务处理，通过联合采样模块和创新训练策略提升点云分割性能，无需微调即可泛化到新领域。
Comments Project page: https://fanglaosi.github.io/Point-In-Context_Pages. arXiv admin note: text overlap with arXiv:2306.08659
Predictive Regularization Against Visual Representation Degradation in Multimodal Large Language Models
预测正则化对抗多模态大语言模型中的视觉表征退化
机构 * NKIARI ； VCIP, CS, Nankai University（VCIP计算机科学系，南开大学） ； AAIS, Nankai University（AAIS，南开大学） ； Tencent Youtu Lab（腾讯优设实验室）
AI总结 本文研究多模态大语言模型中的视觉表征退化问题，提出预测正则化方法以维持视觉表征，提升视觉语言性能。
Comments Accepted at CVPR 2026
MHPO: Modulated Hazard-aware Policy Optimization for Stable Reinforcement Learning
MHPO：基于稳定强化学习的调节危险感知策略优化
机构 * The University of Hong Kong（香港大学） ； Tencent Youtu Lab（腾讯优图实验室）
AI总结 MHPO通过引入Log-Fidelity Modulator和Decoupled Hazard Penalty，实现对策略偏差的精细调控，提升强化学习的稳定性和性能。
Comments 18 pages, 3 figures, 4 tables
AdaptVision: Efficient Vision-Language Models via Adaptive Visual Acquisition
AdaptVision: 通过自适应视觉获取实现高效的视觉-语言模型
机构 * Tencent Hunyuan（腾讯文言）
AI总结 AdaptVision通过自适应视觉获取机制，结合强化学习与工具学习，提升视觉-语言模型在视觉问答任务中的效率与准确性。
Comments Accepted by CVPR 2026. Code and models are available at https://github.com/AdaptVision/AdaptVision
All Patches Matter, More Patches Better: Enhance AI-Generated Image Detection via Panoptic Patch Learning
所有补丁都重要，更多补丁更好：通过全景补丁学习增强AI生成图像检测
机构 * College of Computer Science and Technology, Zhejiang University（浙江大学计算机科学与技术学院） ； Youtu Lab, Tencent（腾讯优图实验室） ； Peking University（北京大学） ； Wechat Pay, Tencent（腾讯微信支付） ； School of Software Technology, Zhejiang University（浙江大学软件技术学院）
AI总结 本文提出全景补丁学习框架，通过随机补丁替换和补丁级对比学习，解决AI生成图像检测中的Few-Patch偏差问题，提升检测鲁棒性和泛化能力。
Multi-Agent Debate with Memory Masking
具有记忆掩码的多智能体辩论
机构 * TMLR Group, Hong Kong Baptist University（香港 Baptist 大学 TMLR 团队） ； Search Algorithm Group, WeChat, Tencent（微信搜索算法团队，腾讯）
AI总结 本文提出MAD-M$^2$框架，通过在每轮辩论前屏蔽错误记忆以提升多智能体辩论的鲁棒性，实验证明其在数学和逻辑推理任务中表现更优。
Comments ICLR 2026
