Rethinking the Divergence Regularization in LLM RL
重新思考LLM强化学习中的散度正则化
机构 * Tencent Hunyuan（腾讯混元） ； UIUC（伊利诺伊大学厄巴纳-香槟分校） ； NUS（新加坡国立大学）
AI总结 针对PPO等方法的硬裁剪或硬掩码在长尾词汇中分布偏移代理不佳的问题，提出DRPO，用平滑的优势加权二次正则化替代硬掩码，保持信任区域几何的同时提供连续梯度权重，提升训练稳定性和效率。
大厂专区
Tencent（腾讯）
Memory Beyond Recall: A Dual-Process Cognitive Memory System for Self-Evolving LLM Agents
超越回忆的记忆：用于自进化LLM代理的双过程认知记忆系统
机构 * Tencent（腾讯）
AI总结 提出DCPM系统，基于双过程理论将代理记忆组织为认知能力层次，通过同步日间写入器和异步夜间引擎分别处理信念修正和模式归纳，在隐式跨会话推理任务上提升显著。
Breaking the Tokenizer Barrier: On-Policy Distillation across Model Families
打破分词器壁垒：跨模型系列的在线策略蒸馏
机构 * The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）） ； Tencent（腾讯） ； The Hong Kong University of Science and Technology（香港科技大学）
AI总结 提出跨分词器在线策略蒸馏方法，通过精确的token映射算法使教师模型概率分布信号能跨不同分词器传播，显著提升计算效率。
Rosetta Memory: Adaptive Memory for Cross-LLM Agents
Rosetta Memory: 跨LLM智能体的自适应记忆
机构 * Gaoling School of Artificial Intelligence, Renmin University of China（中国人民大学高瓴人工智能学院） ； Weixin, Tencent（腾讯微信） ； Institute for Artificial Intelligence, Peking University（北京大学人工智能研究院）
AI总结 提出记忆中心式LLM自适应方法，通过双轮廓条件算子与最小增益采样课程，解决上游记忆激活下游LLM的跨模型适应问题，在多项QA任务中优于基线。
Comments 19 pages, 7 figures
Exploring Autonomous Agentic Data Engineering for Model Specialization
探索用于模型专业化的自主智能体数据工程
机构 * Zhejiang University（浙江大学） ； Platform and Content Group, Tencent（腾讯平台与内容部）
AI总结 本文提出自主智能体数据工程任务，让LLM作为自主数据工程师，通过端到端数据策划驱动模型专业化，实验显示GPT-5.2通过迭代数据适应使学生模型性能提升57.29%。
Comments Work in progress
Reinforcing Few-step Generators via Reward-Tilted Distribution Matching
通过奖励倾斜分布匹配增强少步生成器
机构 * Tencent Hunyuan（腾讯文英） ； Hong Kong University of Science and Technology（香港科技大学） ； Westlake University（西湖大学）
AI总结 提出奖励倾斜分布匹配蒸馏（RTDMD）两阶段框架，结合分布匹配蒸馏与奖励引导强化学习，在仅4步推理下实现文本到图像生成的最新性能。
Comments Code and models are available at https://github.com/Harahan/RTDMD
