大厂专区
VeriEvol：通过可验证的进化指令扩展多模态数学推理
机构 * Tsinghua University（清华大学） ； Tencent Hunyuan（腾讯混元）
AI总结 提出VeriEvol框架，通过类型感知进化模块生成更难的问题，并利用HTV-Agent验证器确保答案可靠性，从而在强化学习中扩展多模态数学推理数据，提升模型性能。
BoxCtrl: 面向几何图像编辑的3D感知视觉提示
机构 * City University of Hong Kong（香港城市大学） ； Tencent（腾讯）
AI总结 提出BoxCtrl框架，通过投影到2D的RGB 3D边界框作为视觉提示，结合监督微调与强化学习两阶段训练，实现精确的3D几何编辑（平移、旋转、缩放等），达到最先进性能。
Comments Accepted by SIGGRAPH 2026
面向资源感知的LLM智能体的Stackelberg框架：学习、修复与条件保证
机构 * Platform and Content Group, Tencent（腾讯平台与内容事业群）
AI总结 提出基于Stackelberg博弈的资源治理框架，通过控制器设定质量目标与成本激励，执行器响应资源动作，结合学习、修复与条件保证，在300轮实验中平均token成本降低17.4%，质量无显著差异。
正交表示编辑：解耦大型语言模型批量知识编辑中的语义纠缠
机构 * School of Computer Science and Technology, Tianjin University（天津大学计算机科学与技术学院） ； Kexin Technology（可心科技） ； University of Chinese Academy of Sciences（中国科学院大学） ； Tencent Hunyuan（腾讯混元） ； College of Computer Science, Chongqing University（重庆大学计算机学院）
AI总结 针对批量知识编辑中语义表示纠缠导致性能下降的问题，提出正交表示编辑（ORE），通过构建通用语义子空间并对编辑向量施加正交约束来解耦纠缠，并引入门控非线性表示头自适应学习编辑位置，实验表明ORE在跨语言场景中表现优异。
Comments Accepted to Findings of ACL 2026
Holmes: 工业级混合语言移动崩溃的多模态智能诊断
机构 * The Chinese University of Hong Kong（香港中文大学） ； Tencent Inc.（腾讯公司）
AI总结 提出多智能体系统Holmes，通过多模态运行时信号合成重构崩溃上下文，采用层次化检索-探索-推理架构，在70M行代码中实现87.6%函数级定位准确率，将平均排查时间降低98%至约77秒。
Comments Accepted at FSE'26 Industry Track
BatchGen：一种可扩展且高效的批量推理架构
机构 * University of Edinburgh（爱丁堡大学） ； Tencent（腾讯）
AI总结 提出序列协程计算模型，通过细粒度事件驱动协程动态重组工作负载，实现更大专家级批量、减少掉队者并跨设备重分配工作，在128 GPU集群上批量完成时间降低2.3倍，内存受限加速器上性能提升9.6倍。
SwarmX: 面向低延迟智能体系统的智能调度
机构 * University of Edinburgh（爱丁堡大学） ； Tencent（腾讯）
AI总结 提出SwarmX系统，通过调度专用神经预测器捕获提示、设备、运行时和目标模型特征，结合路由器与缩放器实现尾延迟感知决策，在近千GPU和百万CPU核的生产部署中，相比现有调度器将尾延迟降低61.5%，吞吐量提升2倍。
Comments 14 pages
Trip+: 个性化交互式旅行规划中的智能体基准测试
机构 * HKUST（香港科技大学） ； Tencent Hy（腾讯Hy） ； HKUST(GZ)（香港科技大学（广州））
AI总结 提出Trip+基准，通过多轮交互和分钟级行程生成与修订，评估智能体在个性化旅行规划中的可行性、偏好匹配及主观体验（如疲劳度），发现现有模型倾向于技术可行但耗时的行程。
AdaMem: 学习为个性化长时程LLM代理记住什么
机构 * Shanghai Jiao Tong University（上海交通大学） ； Tencent（腾讯）
AI总结 针对长时程LLM代理中记忆膨胀导致QA准确率下降的问题，提出AdaMem方法，通过角色特定的记忆策略和基于反馈的轻量级自反思步骤，学习为每个用户记住重要信息，在减少9%记忆量的同时提升QA准确率最高9%。
面向老年人的模仿学习语音合成
机构 * The Chinese University of Hong Kong（香港中文大学） ； Tencent Hunyuan（腾讯混元）
AI总结 提出模仿学习框架，结合两阶段在线策略奖励学习改进GRPO，从专家演示中学习TTS模型，以解决老年人偏好数据获取困难的问题，在客观和主观指标上优于基线。
Comments accepted by Interspeech 2026
从知道到行动：基准测试LLM代理的自我意识能力
机构 * The Chinese University of Hong Kong（香港中文大学） ； Fudan University（复旦大学） ； University of Edinburgh（爱丁堡大学） ； Tencent（腾讯） ； University of Bristol（布里斯托大学）
AI总结 提出KAPRO框架和KAware数据集，通过解耦元认知判断与自主执行，评估LLM代理的自我意识能力，发现其与任务成功强相关但在内部能力场景中下降，开源模型易过度使用工具。
BALTO: 用于幻觉缓解的平衡令牌级策略优化
机构 * Shanghai Jiao Tong University（上海交通大学） ； Tencent（腾讯） ； The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州））
AI总结 针对大语言模型幻觉问题，提出BALTO框架，通过提取可验证事实声明并投影为令牌级标签，引入平衡信用分配机制，在六个模型-基准设置中实现最高忠实度，优于现有后训练基线。
LLM即代码：面向Agent框架的编程范式
机构 * City University of Hong Kong（香港城市大学） ； Tencent Jarvis Lab（腾讯贾维斯实验室）
AI总结 针对LLM作为编排器导致控制流幻觉和不可靠执行的问题，提出Agentic Programming范式，由程序控制所有流程，LLM仅作为代码组件在需要推理或生成时被调用，显著提升长序列操作的稳定性。
Comments Accepted at the KDD 2026 Workshop on Agentic Software Engineering (AgenticSE)
HarmoView: 协调多视角约束以实现身份一致视频生成
机构 * Tencent Hunyuan（腾讯混元）
AI总结 提出HarmoView框架，通过多级特征注入、可学习代理令牌和Jump-RoPE等架构改进，结合渐进式视角课程训练，解决大视角变化下身份一致视频生成的外观保真度问题，在多视角基准上达到最优性能。
Comments Project Page: https://conallwang.github.io/HarmoView_Pages
MemBuilder: 通过具有属性的密集奖励强化LLMs以进行长期记忆构建
机构 * School of Computer Science and Engineering, Sun Yat-sen University（中山大学计算机科学与工程学院） ； Tencent Inc.（腾讯公司）
AI总结 MemBuilder通过具有属性的密集奖励强化LLMs，解决长期对话中保持一致性的挑战，提升多维记忆构建能力，实验表明其在长期对话基准测试中表现优异。
Comments 19 pages (9 main + 10 appendix), 7 figures, 3 tables
通过离散扩散实现可控口音标准化
机构 * The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳）） ； Nanjing University（南京大学） ； Tencent Ethereal Audio Lab（腾讯虚音频实验室） ； Shenzhen Loop Area Institute（深圳河套学院）
AI总结 提出DLM-AN系统，利用掩蔽离散扩散和自监督语音令牌，通过选择性重用源令牌控制口音强度，结合流匹配时长比预测器调整节奏，实现低词错误率和可解释的口音强度控制。
Comments Accepted to Interspeech 2026 as a long paper
AD-Bench: 面向LLM智能体的真实世界、轨迹感知广告分析基准
机构 * Tencent（腾讯）
AI总结 提出AD-Bench基准，通过动态真实答案管道和轨迹感知评估，衡量LLM智能体在真实广告分析任务中的多轮工具协作能力，发现最优模型在复杂任务上仍有显著差距。
Comments 16 pages, 11 figures
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