Tencent（腾讯）

AdaMem: Adaptive User-Centric Memory for Long-Horizon Dialogue Agents

AdaMem：面向长时对话代理的自适应用户导向记忆

Shannan Yan, Jingchen Ni, Leqi Zheng, Jiajun Zhang, Peixi Wu, Dacheng Yin, Jing Lyu, Chun Yuan, Fengyun Rao

机构 * Tsinghua University（清华大学） ； WeChat Vision, Tencent Inc.（腾讯微信视觉实验室） 纠错

AI总结 AdaMem通过自适应用户导向记忆框架提升长时对话代理的长时推理与用户建模能力，采用统一框架整合工作记忆、事件记忆、人格记忆和图记忆，实现高效信息组织与推理。

Diffusion Reconstruction towards Generalizable Audio Deepfake Detection

扩散重建面向通用化的音频深度伪造检测

Bo Cheng, Songjun Cao, Xiaoming Zhang, Jie Chen, Long Ma, Fei Chen

机构 * Tencent Youtu Lab, China（腾讯优图实验室，中国） 纠错

AI总结 本文提出基于困难样本分类的框架，通过扩散方法生成困难样本并结合多层特征聚合与正则化对比学习提升检测泛化能力，实验显示在平均等错误率上显著优于基线模型。

Comments 5 pages, this paper was submitted to Interspeech2026 for review

SongBench: A Fine-Grained Multi-Aspect Benchmark for Song Quality Assessment

SongBench: 一个细粒度多维度歌曲质量评估基准

Dapeng Wu, Shun Lei, Wei Tan, Guangzheng Li, Yunzhe Wang, Huaicheng Zhang, Lishi Zuo, Zhiyong Wu

机构 * Shenzhen International Graduate School, Tsinghua University, Shenzhen, China（清华大学深圳国际研究生院） ； Tencent（腾讯） 纠错

AI总结 本文提出SongBench，通过七个关键维度评估歌曲质量，构建专家标注数据库，揭示当前模型的细粒度性能差距，推动更专业且音乐连贯的歌曲生成。

Verified Critical Step Optimization for LLM Agents

用于大语言模型代理的验证关键步骤优化

Mukai Li, Qingcheng Zeng, Tianqing Fang, Zhenwen Liang, Linfeng Song, Qi Liu, Haitao Mi, Dong Yu

机构 * Tencent AI Lab（腾讯AI实验室） ； The University of Hong Kong（香港大学） ； Northwestern University（西北大学） 纠错

AI总结 本文提出CSO方法，通过验证关键步骤进行强化学习，以提升代理在复杂任务中的表现，实验显示其在GAIA-Text-103和XBench-DeepSearch上优于SFT基线。

Comments ACL 2026 Findings

Inference-Time Scaling of Verification: Self-Evolving Deep Research Agents via Test-Time Rubric-Guided Verification

推理时的验证扩展：通过测试时的评分指南验证实现自我进化深度研究代理

Yuxuan Wan, Tianqing Fang, Zaitang Li, Yintong Huo, Wenxuan Wang, Haitao Mi, Dong Yu, Michael R. Lyu

机构 * The Chinese University of Hong Kong（香港中文大学） ； Tencent AI Lab（腾讯人工智能实验室） ； Singapore Management University（新加坡管理学院） ； The Renmin University of China（中国人民大学） 纠错

AI总结 本文提出通过测试时评分指南验证实现深度研究代理的自我进化，通过迭代验证策略模型输出，提升验证能力，实验显示在GAIA和XBench-DeepSearch上准确率提升8%-11%。

Comments ACL'2026-Findings

The devil is in the details: Enhancing Video Virtual Try-On via Keyframe-Driven Details Injection

细节决定成败：通过关键帧驱动的细节注入增强视频虚拟试衣

Qingdong He, Xueqin Chen, Yanjie Pan, Peng Tang, Pengcheng Xu, Zhenye Gan, Chengjie Wang, Xiaobin Hu, Jiangning Zhang, Yabiao Wang

机构 * Tencent Youtu Lab（腾讯优图实验室） ； TU Delft（代尔夫特理工大学） ； Fudan University（复旦大学） ； Western University（西部大学） 纠错

AI总结 本文提出KeyTailor框架和ViT-HD数据集，通过关键帧驱动的细节注入策略提升视频虚拟试衣的服装真实性和背景完整性，实验表明其在动态和静态场景中表现更优。

Comments Accepted by CVPR 2026 (Main Conference)

WebAggregator: Enhancing Compositional Reasoning Capabilities of Deep Research Agent Foundation Models

WebAggregator：增强深度研究代理基础模型的组合推理能力

Rui Wang, Ce Zhang, Jun-Yu Ma, Jianshu Zhang, Hongru Wang, Yi Chen, Boyang Xue, Tianqing Fang, Zhisong Zhang, Hongming Zhang, Haitao Mi, Dong Yu, Kam-Fai Wong

机构 * MoE Lab, The Chinese University of Hong Kong（莫埃实验室，香港中文大学） ； Tencent AI Lab（腾讯AI实验室） 纠错

AI总结 本文提出WebAggregator数据合成管道，通过主动探索和组合逻辑提案，提升深度研究代理的组合推理能力，并在多个基准测试中超越GPT-4.1和Claude-3.7-Sonnet。

Rethinking Entropy Interventions in RLVR: An Entropy Change Perspective

重新思考RLVR中的熵干预：从熵变化视角

Zhezheng Hao, Hong Wang, Haoyang Liu, Jian Luo, Jiarui Yu, Hande Dong, Qiang Lin, Can Wang, Jiawei Chen

机构 * State Key Laboratory of Blockchain and Data Security（区块链与数据安全国家重点实验室） ； Zhejiang University（浙江大学） ； Tencent（腾讯） ； Hangzhou High-Tech Zone (Binjiang) Institute of Blockchain and Data Security（杭州高新技术区（滨江）区块链与数据安全研究院） 纠错

AI总结 本文从熵变化角度分析RLVR中的熵崩溃问题，提出STEER方法通过理论估计熵变化来调整token权重，有效缓解熵崩溃并优于现有方法。

Identifying the Achilles' Heel: An Iterative Method for Dynamically Uncovering Factual Errors in Large Language Models

找出阿基里斯之踵：一种用于动态揭示大语言模型事实错误的迭代方法

Wenxuan Wang, Yuk-Kit Chan, Zixuan Ling, Juluan Shi, Youliang Yuan, Jen-tse Huang, Yifei Zhang, Wenxiang Jiao, Zhaopeng Tu, Michael R. Lyu

机构 * Renmin University of China（中国人民大学） ； The Chinese University of Hong Kong（香港中文大学） ； The Chinese University of Hong Kong, Shenzhen（香港中文大学深圳校区） ； Johns Hopkins University（约翰霍普金斯大学） ； Nanyang Technological University（南洋理工大学） ； Xiaohongshu Inc.（小红书公司） ； Tencent Inc.（腾讯公司） 纠错

AI总结 本文提出HalluHunter框架，通过知识图谱和规则基NLP技术，系统揭示大语言模型的事实错误，测试表明可触发55%的问题错误。

Comments Accepted by Findings of ACL 2026