大厂专区
GEM: 生成式监督助力具身智能
机构 * Tsinghua University（清华大学） ； Tencent Hunyuan（腾讯文心）
AI总结 提出GEM模型，通过在视觉语言模型预训练中引入深度图生成任务，联合训练以提升具身智能的语义理解与物理操作能力，并发布大规模数据集GEM-4M，在多个基准上取得最优结果。
Comments Project Page: https://zhaorw02.github.io/GEM/
VITAL: 视觉-语义双重监督增强可解释的医学多模态大语言模型潜在推理
机构 * Zhejiang University（浙江大学） ； Shanghai AI Laboratory（上海人工智能实验室） ； Tencent（腾讯） ； Ningbo Global Innovation Center, Zhejiang University（宁波全球创新中心，浙江大学） ； Zhejiang Key Laboratory of Digital-Intelligence Service Technology（浙江省数字智能服务技术重点实验室）
AI总结 提出VITAL框架，通过视觉-语义双重监督（文本解码器重构推理链、视觉投影器回归ROI特征）实现医学MLLM的可解释潜在推理，在7个基准上达到SOTA。
ADWIN: 用于视野感知在线策略蒸馏的自适应窗口
机构 * School of Computer Science, Peking University（北京大学计算机科学系） ； National Key Laboratory for Multimedia Information Processing, Peking University（北京大学多媒体信息处理国家重点实验室） ； LLM Department, Tencent（腾讯LLM部门）
AI总结 提出ADWIN框架，通过自适应窗口动态调整在线策略蒸馏中的轨迹长度，在保持或提升准确率的同时，将训练成本降低最多4.1倍。
HardMTBench：知识密集型领域的中英翻译压力测试
机构 * Large Language Model Department, Tencent（腾讯大语言模型部门）
AI总结 针对现有中英翻译基准饱和问题，提出HardMTBench，一种难度感知的诊断基准，通过多阶段构建和难度融合规则，在12个知识密集型领域上显著扩大系统性能差异并暴露术语和知识弱点。
IFMTBench：多语言翻译指令遵循的综合基准
机构 * Large Language Model Department, Tencent（腾讯大语言模型部）
AI总结 提出IFMTBench基准，涵盖7种语言、4506个单约束和2838个多约束项，通过确定性检查器和基于LLM的评分器评估翻译指令遵循能力，揭示指令遵循随模型规模增长快于翻译质量，且术语表和结构化格式约束难度最高。
Comments 11 pages, 6 figures, conference
MemCog: 从记忆即工具到记忆即认知的对话代理
机构 * WeChat, Tencent Inc.（腾讯公司）
AI总结 提出MemCog系统，通过可导航记忆存储、跨维度导航接口和主动推理协议，将记忆访问融入推理过程，在被动问答和主动记忆触发基准上达到最优性能。
SPARD: 通过安全投影与相关性-多样性数据选择防御有害微调攻击
机构 * Department of Computer Science and Engineering, The Hong Kong University of Science and Technology（香港科学与技术大学计算机科学与工程系） ； Department of Computer Science and Engineering, Southern University of Science and Technology（南方科技大学计算机科学与工程系） ； Department of Computer Science and Engineering, The Chinese University of Hong Kong（香港中文大学计算机科学与工程系） ； Platform and Content Group, Tencent（腾讯平台与内容组） ； Chinese Medicine Guangdong Laboratory（广东中医实验室）
AI总结 提出SPARD框架，结合安全投影交替优化和相关性-多样性数据选择，防御有害微调攻击，在保持任务精度的同时显著降低攻击成功率。
Comments Accepted by ICML 2026
语义流正则化：教会LLMs生成多样且连贯的回复
机构 * Tencent Inc.（腾讯公司） ； Beijing, China（中国北京）
AI总结 针对大语言模型微调时输出多样性严重受限的跨风格坍缩问题，提出语义流正则化（SFR），通过条件流匹配监督骨干网络使用连续句子嵌入，在零部署成本下提升多样性和风格保真度。
逃离语言先验：通过模态感知策略优化缓解音频推理中的后期模态崩溃
机构 * Johns Hopkins University（约翰霍普金斯大学） ； Tencent Hunyuan（腾讯文言）
AI总结 针对多模态大语言模型在强化学习后训练中因统一策略梯度忽略模态依赖性而导致的后期模态崩溃问题，提出模态感知策略优化（MAPO）框架，通过模态相关性掩码和辅助注意力损失分支动态聚焦梯度并维持跨模态推理，在复杂音频推理基准上取得新最优结果。
语义增强的潜在视觉推理
机构 * Department of Automation, Tsinghua University, Beijing, China（清华大学自动化系） ； Department of Electronic Engineering, Tsinghua University, Beijing, China（清华大学电子工程系） ； Zhongguancun Academy, Beijing, China（中关村学院） ； China Agricultural University, Beijing, China（中国农业大学） ； Peking University, Beijing, China（北京大学） ； Beijing Institute of Technology, Beijing, China（北京理工大学） ； Institute of Automation, Chinese Academy of Sciences, Beijing, China（中国科学院自动化研究所） ； School of Artificial Intelligence, University of Chinese Academy of Sciences, Beijing, China（中国科学院大学人工智能学院） ； WeChat Vision, Tencent Inc, Beijing, China（微信视觉，腾讯公司）
AI总结 提出两阶段学习框架SLVR，通过属性级语义监督和多查询组相对策略优化增强潜在表示的语义丰富性，提升潜在视觉推理的鲁棒性和语义一致性。
负优势是一把双刃剑：为搜索智能体校准GRPO中的优势
机构 * School of Data Science and Engineering, East China Normal University（东华师范大学数据科学与工程学院） ； Tencent（腾讯） ； Tsinghua University（清华大学）
AI总结 针对GRPO算法在多跳搜索中因粗粒度优势分配和正负优势不平衡导致的训练不稳定问题，提出CalibAdv方法，通过细粒度降低过度负优势并重新平衡正负优势，提升模型性能和训练稳定性。
流形上的推理：扩散语言模型中用于自我验证的双向一致性
机构 * Institute of Science and Technology for Brain-Inspired Intelligence（脑启发智能科学与技术研究院） ； Fudan University（复旦大学） ； Shanghai Artificial Intelligence Laboratory（上海人工智能实验室） ； University of Science and Technology of China（中国科学技术大学） ； IEG, Tencent Inc.（腾讯IEG）
AI总结 提出双向流形一致性（BMC），一种无训练、无监督的度量方法，通过前向掩码和后向重建循环量化生成序列的稳定性，用于扩散语言模型的诊断、推理和对齐。
Comments 31 pages, 7 figures. Accepted to the 43rd International Conference on Machine Learning (ICML 2026). Camera-ready version
Journal ref Proceedings of the 43rd International Conference on Machine Learning, PMLR 306, 2026
脚本即一切：一个用于长程对话到电影视频生成的智能体框架
机构 * Tencent（腾讯）
AI总结 提出一个端到端智能体框架，通过训练ScripterAgent将对话转化为精细脚本，并利用DirectorAgent跨场景连续生成策略，实现长程对话到电影视频的连贯生成，显著提升脚本忠实度和时间保真度。
HGMem：基于超图的工作记忆以改进长上下文复杂关系建模的多步RAG
机构 * The Chinese University of Hong Kong.（香港中文大学） ； Pengcheng Laboratory.（鹏城实验室） ； WeChat AI, Tencent（微信AI，腾讯） ； University of Chinese Academy of Sciences.（中国科学院大学）
AI总结 提出HGMem超图工作记忆系统，通过超边表示记忆单元并渐进形成高阶交互，增强多步RAG中的全局理解和复杂推理能力。
Comments ICML 2026; Code released at https://github.com/Encyclomen/HGMem
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