Tencent（腾讯）

MeshWeaver: Sparse-Voxel-Guided Surface Weaving for Autoregressive Mesh Generation

MeshWeaver: 稀疏体素引导的表面编织用于自回归网格生成

Jiale Xu, Wang Zhao, Ying Shan

机构 * ARC Lab, Tencent PCG（腾讯PCG实验室） 纠错

AI总结 提出MeshWeaver框架，通过多级稀疏体素编码器注入几何上下文，以自回归方式直接预测顶点实现表面编织，在压缩比、高多边形网格生成和几何保真度上达到最优。

Comments CVPR 2026

LifeSide: Benchmarking Agents as Lifelong Digital Companions

LifeSide: 将智能体作为终身数字伴侣的基准测试

Yuqian Wu, Zhijie Deng, Wei Chen, Junwei Li, Yutian Jiang, Junle Chen, Zhengjun Huang, Qingxiang Liu, Jing Tang, Jiaheng Wei, Yuxuan Liang

机构 * Hong Kong University of Science and Technology (Guangzhou)（香港理工大学（广州）） ； Hong Kong University of Science and Technology（香港理工大学） ； Tencent（腾讯） 纠错

AI总结 针对现有评估无法捕捉终身数字伴侣所需的多会话记忆、用户理解和隐私适应能力的问题，提出LifeSide基准，通过多智能体模拟构建记忆-情感-环境循环，评估模型在记忆追踪、用户理解、隐私控制和情感陪伴方面的表现，发现即使当前记忆基准饱和的模型也无法在长期内维持准确的用户理解和真正的陪伴。

Comments 28 pages, 23 figures, 7 tables

VentAgent: When LLMs Learn to Breathe -- Multi-Objective Arbitration for ARDS Ventilation

VentAgent：当大语言模型学会呼吸——ARDS通气的多目标仲裁

Teqi Hao, Yuxuan Fu, Xiaoyu Tan, Shaojie Shi, Bohao Lv, Yinghui Xu, Xihe Qiu

机构 * School of Electronic and Electrical Engineering, Shanghai University of Engineering Science（上海工程技术大学电子与电气工程学院） ； Tencent Youtu Lab（腾讯优图实验室） ； Artificial Intelligence Innovation and Incubation Institute, Fudan University（复旦大学人工智能创新与孵化院） 纠错

AI总结 提出VentAgent分层框架，利用大语言模型作为透明仲裁者，通过感知-规划-编排三阶段将机械通气控制转化为动态多目标仲裁过程，在生理模拟器上优于强化学习和经典控制基线，并提供可解释的推理链。

Fine-grained Fragment Retrieval in Multi-modal Long-form Dialogues

多模态长对话中的细粒度片段检索

Hanbo Bi, Zhiqiang Yuan, Chongyang Li, Qiwei Yan, Zexi Jia, Jiapei Zhang, Xiaoyue Duan, Yingchao Feng, Jinchao Zhang, Jie Zhou

机构 * Pattern Recognition Center, WeChat AI, Tencent Inc（模式识别中心、微信AI、腾讯公司） ； Aerospace Information Research Institute, Chinese Academy of Sciences（航天信息研究所、中国科学院） 纠错

AI总结 提出细粒度片段检索任务，通过强化学习训练的生成式检索模型F2RVLM和两阶段系统FFRS，实现多模态长对话中多语句、多图像片段的精准定位。

Online Skill Learning for Web Agents via State-Grounded Dynamic Retrieval

基于状态接地动态检索的Web代理在线技能学习

Jiaxi Li, Ke Deng, Yun Wang, Jingyuan Huang, Yucheng Shi, Qiaoyu Tan, Jin Lu, Ninghao Liu

机构 * University of Georgia（佐治亚大学） ； Tencent America（腾讯美国） ； New York University（纽约大学） ； The Hong Kong Polytechnic University（香港理工大学） 纠错

AI总结 提出状态接地动态检索（SGDR）方法，通过逐步技能重用提升Web代理在多步自动化任务中的表现，在WebArena上平均成功率分别达到37.5%（GPT-4.1）和24.3%（Qwen3-4B）。

Comments 17 pages

Aligning Deep Implicit Preferences by Learning to Reason Defensively

通过防御性推理对齐深度隐式偏好

Peiming Li, Zhiyuan Hu, Yang Tang, Shiyu Li, Xi Chen

机构 * Basic Algorithm Center, PCG, Tencent（腾讯基本算法中心） ； School of Electronic and Computer Engineering, Peking University（北京大学电子与计算机工程学院） 纠错

AI总结 提出基于批判驱动推理对齐（CDRA）的方法，通过DeepPref基准和个性化生成过程奖励模型（Pers-GenPRM），将偏好对齐转化为结构化推理过程，以推断用户深层隐式偏好并实现防御性推理。

Journal ref ICLR 2026 Conference

A Unified Analysis of AdaGrad with Weighted Aggregation and Momentum Acceleration

AdaGrad的统一分析：带加权聚合和动量加速

Li Shen, Congliang Chen, Fangyu Zou, Zequn Jie, Ju Sun, Wei Liu

机构 * JD Explore Academy, Beijing, China（京东探索研究院，北京，中国） ； Facebook, USA（Facebook，美国） ； Meituan, Beijing, China（美团，北京，中国） ； University of Minnesota, Twin Cities, USA（明尼苏达大学双城分校，美国） ； Tencent, Shenzhen, China（腾讯，深圳，中国） 纠错

AI总结 本文提出了一种名为AdaUSM的加权AdaGrad算法，通过统一动量方案和新型加权自适应学习率，实现了在非凸随机设置下的O(√(log(T)/T))收敛率，并从新视角解释了Adam和RMSProp的自适应学习率。

Comments IEEE TNNLS

A Sufficient Condition for Convergences of Adam and RMSProp

Adam和RMSProp收敛性的充分条件

Fangyu Zou, Li Shen, Zequn Jie, Weizhong Zhang, Wei Liu

机构 * Tencent AI Lab（腾讯AI实验室） ； Stony Brook University（石英布鲁克大学） 纠错

AI总结 本文提出了一种易于检查的充分条件，该条件仅依赖于基础学习率参数和历史二阶矩量的组合，以保证通用的Adam/RMSProp算法在大规模非凸随机优化中的全局收敛性，并展示了几种Adam变体在非凸设置下的收敛性可由此条件直接推导。

Comments Accepted by CVPR2019 as an Oral presentation

Communication Compression for Decentralized Training

分布式训练中的通信压缩

Hanlin Tang, Shaoduo Gan, Ce Zhang, Tong Zhang, Ji Liu

机构 * Department of Computer Science, University of Rochester（罗切斯特大学计算机科学系） ； Department of Computer Science, ETH Zurich（苏黎世联邦理工学院计算机科学系） ； Tencent AI Lab（腾讯AI实验室） 纠错

AI总结 本文研究了在高延迟和低带宽网络中结合通信压缩与去中心化技术以实现鲁棒训练系统的问题，提出了两种新的压缩策略并证明了其收敛性。