Tencent（腾讯）

CPAgents: Agentic Composite Phenotype Generation for Cardiac Disease Association

CPAgents: 用于心脏疾病关联的智能复合表型生成

Zuoou Li, Wenlong Zhao, Kelly Yu, Weitong Zhang, Paul M. Matthews, Wenjia Bai, Bernhard Kainz, Mengyun Qiao

机构 * Department of Mechanical Engineering, University College London（伦敦大学学院机械工程系） ； CSIG Group, Tencent（腾讯CSIG组） ； Department of Computing, Imperial College London（帝国理工学院计算系） ； Department of Brain Sciences, Imperial College London（帝国理工学院脑科学系） ； Data Science Institute, Imperial College London（帝国理工学院数据科学研究所） ； FAU Erlangen–Nürnberg（埃尔朗根-纽伦堡大学） ； UK Dementia Research Institute, Imperial College London（英国痴呆症研究所帝国理工学院） ； Rosalind Franklin Institute（罗莎琳德·富兰克林研究所） 纠错

AI总结 提出CPAgents框架，通过多智能体协作自动构建可解释的复合表型（如多项式、比值和交互形式），在群体规模心脏影像队列中显著提升疾病判别性能。

Comments Accepted to MICCAI 2026

EMOSH: Expressive Motion and Shape Disentanglement for Human Animation

EMOSH：用于人体动画的表现性运动与形状解耦

Dongbin Zhang, Hao Liu, Binquan Dai, Kangjie Chen, Chuming Wang, Chen Li, Jing Lyu, Haoqian Wang

机构 * Tsinghua Shenzhen International Graduate School, Tsinghua University（清华大学深圳国际研究生院） ； WeChat Vision, Tencent Inc.（腾讯微信视觉） 纠错

AI总结 提出EMOSH框架，通过可表现人体模型解耦形状与姿态，结合粗细混合运动注入和空间对齐条件机制，实现高保真、可控的人体视频生成，解决运动-形状纠缠问题。

Comments Accepted to ECCV 2026, Project Page: https://eastbeanzhang.github.io/EMOSH/

Internalizing the Future: A Unified Agentic Training Paradigm for World Model Planning

内化未来：一种统一的世界模型规划智能体训练范式

Xuan Zhang, Zhijian Zhou, Lingfeng Qiao, Yulei Qin, Ke Li, Xing Sun, Xiaoyu Tan, Chao Qu, Yuan Qi

机构 * Fudan University（复旦大学） ； Shanghai Innovation Institute（上海创新研究院） ； Tencent Youtu Lab（腾讯优图实验室） 纠错

AI总结 提出一种三阶段训练范式（WM-AMT、FE-SFT、FC-RL），使LLM智能体内化世界模型以进行前瞻性规划，在搜索和数学推理任务上优于基线方法。