Tencent（腾讯）

TerminalWorld: Benchmarking Agents on Real-World Terminal Tasks

TerminalWorld: 在真实世界终端任务上评估智能体的基准测试

Zhaoyang Chu, Jiarui Hu, Xingyu Jiang, Pengyu Zou, Han Li, Chao Peng, Peter O'Hearn, Earl T. Barr, Mark Harman, Federica Sarro, He Ye

机构 * University College London（伦敦大学学院） ； Nanjing University（南京大学） ； Tencent（腾讯） 纠错

AI总结 本文提出TerminalWorld，一个可扩展的数据引擎，能够自动从真实世界终端记录中反向工程高保真的评估任务。通过处理80,870条终端记录，生成1,530个经过验证的任务，涵盖18个真实世界类别，从短日常操作到超过50步的工作流，覆盖1,280个唯一命令。从中精选出200个代表性任务作为Verified子集。在八个前沿模型和六个智能体上全面评估发现，当前系统仍难以处理真实终端工作流，最高通过率为62.5%。此外，TerminalWorld捕捉到与现有专家整理的基准（如Terminal-Bench）不同的真实终端能力，仅与它们的分数有弱相关性（Pearson r=0.20）。自动化引擎使TerminalWorld本身具有真实性和可扩展性，使其能够评估智能体在真实终端环境中随着开发者实践的发展而变化。数据和代码可在https://github.com/EuniAI/TerminalWorld获取。

Learning to Foresee: Unveiling the Unlocking Efficiency of On-Policy Distillation

学习预见：揭示在线蒸馏的解锁效率

Yuchen Cai, Ding Cao, Liang Lin, Chunxi Luo, Xin Xu, Kai Yang, Weijie Liu, Saiyong Yang, Tianxiang Zhao, Guangzhong Sun, Guiquan Liu, Junfeng Fang

机构 * USTC（中国科学技术大学） ； Tencent（腾讯） ； NUS（新加坡国立大学） ； HKUST(GZ)（香港科技大学（广州）） ； UCAS-IIE（中国科学技术大学国际交流学院） ； SHU（上海大学） 纠错

AI总结 本文研究了在线蒸馏（OPD）的效率来源，提出EffOPD方法通过适应性选择 extrapolation 步长和沿当前更新方向移动来加速OPD，实现了3倍的训练加速同时保持最终性能。

SimCT: Recovering Lost Supervision for Cross-Tokenizer On-Policy Distillation

SimCT: 通过跨分词器策略进行监督恢复

Jie Sun, Mao Zheng, Mingyang Song, Qiyong Zhong, Yilin Cheng, Bichuan Feng, Pengfei Liu, Junfeng Fang, Xiang Wang

机构 * University of Science and Technology of China（中国科学技术大学） ； Large Language Model Department, Tencent（腾讯大语言模型部门） ； Shanghai Innovation Institute（上海创新研究院） ； Zhongguancun Academy（中关村学院） 纠错

AI总结 本文提出SimCT，一种改进的在线策略蒸馏方法，通过扩展监督空间来恢复因分词差异而丢失的监督信号，从而在数学推理和代码生成任务中提升了性能。

Comments 4 figures, 6 tables, 28 pages

Universal Skeleton Understanding via Differentiable Rendering and MLLMs

通过可微渲染和大语言模型实现通用骨架理解

Ziyi Wang, Peiming Li, Xinshun Wang, Yang Tang, Kai-Kuang Ma, Mengyuan Liu

机构 * State Key Laboratory of General Artificial Intelligence, Peking University, Shenzhen Graduate School, China（人工智能通用基础理论国家重点实验室，北京大学深圳研究生院，中国） ； Tencent（腾讯） ； Nanjing University of Aeronautics（南京航空航天大学） 纠错

AI总结 本文提出SkeletonLLM，通过可微渲染将任意骨架序列转换为大语言模型的视觉模态，实现通用骨架理解，同时引入协同训练策略提升推理能力，展示了在开放词汇动作识别中的强泛化能力，并扩展到异构骨架格式的运动描述和问答任务。

Comments Accepted by ICML 2026

SPIRAL: Self-Evolving Action-Conditioned Video Generation via Reflective Planning Agents

SPIRAL：通过反思规划代理实现自演化动作条件视频生成

Yu Yang, Yue Liao, Jianbiao Mei, Baisen Wang, Xuemeng Yang, Licheng Wen, Jiangning Zhang, Xiangtai Li, Liang Lv, Hanlin Chen, Botian Shi, Yong Liu, Shuicheng Yan, Gim Hee Lee

机构 * Zhejiang University（浙江大学） ； KnowledgeXLab at Shanghai AI Lab（上海人工智能实验室知识X实验室） ； National University of Singapore（新加坡国立大学） ； Chinese Academy of Sciences（中国科学院） ； Tencent Youtu Lab（腾讯优设实验室） ； Nanyang Technological University（南洋理工大学） ； Wuhan University（武汉大学） 纠错

AI总结 本文提出SPIRAL框架，通过反思规划代理实现长时域动作条件视频生成，解决传统方法在长时间视频生成中的不足，通过闭环设计和自演化机制提升视频生成的一致性和准确性。

Comments 42 Pages, 21 Figures, Project page at https://yuyang-cloud.github.io/spiral

Active Evidence-Seeking and Diagnostic Reasoning in Large Language Models for Clinical Decision Support

大语言模型在临床决策支持中的主动证据获取与诊断推理

Chen Zhan, Xihe Qiu, Xiaoyu Tan, Xibing Zhuang, Gengchen Ma, Yue Zhang, Shuo Li, Peifeng Liu, Xiaoxiao Ge, Liang Liu, Lu Gan

机构 * Tencent Youtu Lab（腾讯优图实验室） ； Case Western Reserve University（凯斯西储大学） 纠错

AI总结 研究探讨了大语言模型在临床决策支持中的主动证据获取与诊断推理问题，提出了一种基于OSCE的标准化患者模拟器和可控可复现的基准测试，发现多轮证据获取会降低诊断准确性并降低支持证据质量，表明静态全上下文基准可能高估交互证据获取场景中的性能，需引入互补的交互评估以提高临床决策安全性。

Learning Spatiotemporal Sensitivity in Video LLMs via Counterfactual Reinforcement Learning

通过反事实强化学习学习视频大语言模型中的时空敏感性

Dazhao Du, Jian Liu, Jialong Qin, Tao Han, Bohai Gu, Fangqi Zhu, Yujia Zhang, Eric Liu, Xi Chen, Song Guo

机构 * Hong Kong University of Science and Technology（香港科技大学） ； Tencent（腾讯） 纠错

AI总结 本文提出CRPO方法，通过反事实强化学习提升视频大语言模型对时空动态的敏感性，通过构建反事实视频并引入反事实关系奖励，有效抑制了依赖静态线索的简略策略，从而在DyBench基准测试中提升了模型的时空敏感性。

Comments Project website: https://ddz16.github.io/crpo.github.io/

Interpreting and Enhancing Emotional Circuits in Large Vision-Language Models via Cross-Modal Information Flow

通过跨模态信息流解读并增强大视觉-语言模型中的情感电路

Chengsheng Zhang, Chenghao Sun, Zhining Xie, Xinmei Tian

机构 * MoE Key Laboratory of Brain-inspired Intelligent Perception（脑启发智能感知与认知MOE实验室） ； Cognition, University of Science（认知，科学大学） ； AIPD, Tencent（AIPD，腾讯） 纠错

AI总结 本文提出了一种基于转向向量的因果归因框架，用于描述性情感推理，通过构建专用数据集揭示了三阶段'适应-聚合-执行'机制下的情感电路，发现视觉情感线索在中间层通过情感特定的注意力头进行聚合，随后在深层通过情感通用路径转换为叙述生成，并通过调控情感信息路由增强注意力流和语义激活，从而提升性能并缓解情感幻觉。

Comments Accepted by ICML 2026

MLLMs Know When Before Speaking: Revealing and Recovering Temporal Grounding via Attention Cues

MLLMs Know When Before Speaking: Revealing and Recovering Temporal Grounding via Attention Cues

Dazhao Du, Liao Duan, Jian Liu, Tao Han, Yujia Zhang, Eric Liu, Xi Chen, Song Guo

机构 * Hong Kong University of Science and Technology（香港理工大学） ； Xi’an Jiaotong University（西安交通大学） ； Tencent（腾讯） 纠错

AI总结 本文研究了多模态大语言模型（MLLMs）在视频时间定位中的感知与生成之间的差距，提出了一种推理阶段的读取-再生成框架，通过利用注意力线索来提高时间定位的准确性，从而在三个视频时间定位基准上提升了MiMo-VL-7B、Qwen3-VL-8B和TimeLens-8B的性能。

Comments Project Website: https://ddz16.github.io/mllmsknowwhen.github.io/

End-to-End Semantic ID Generation for Generative Advertisement Recommendation

端到端语义ID生成用于生成式广告推荐

Jie Jiang, Xinxun Zhang, Enming Zhang, Yuling Xiong, Jun Zhang, Jingwen Wang, Huan Yu, Yuxiang Wang, Hao Wang, Xiao Yan, Jiawei Jiang

机构 * Tencent Inc.（腾讯公司） ； Wuhan University（武汉大学） 纠错

AI总结 本文提出UniSID框架，通过端到端优化广告数据中的嵌入和ID，直接将语义信息传递到ID空间，解决传统两阶段压缩方法的不足，并通过多粒度对比学习和基于摘要的广告重建机制提升ID的语义表达能力。

Comments Add the emails