BrowserForge: Scaling Web Episode via Parallel Browser Sandboxes
BrowserForge：通过并行浏览器沙盒扩展网页交互序列数据规模
机构 * Zhejiang University（浙江大学） ； Tencent（腾讯）
AI总结 提出BrowserForge框架，通过并行浏览器沙盒从开放网络生成20余万条不同网站的网页交互轨迹，微调多模态模型后在两个基准任务上性能显著提升。
大厂专区
Tencent（腾讯）
CAFE: Self-Improving Search Agents Need Co-Evolving Feedback
CAFE：自改进搜索智能体需要协同演化的反馈
机构 * Fudan University（复旦大学） ； Tencent（腾讯）
AI总结 该研究提出 CAFE 框架，通过共享参数模型耦合搜索智能体与评判者的协同演化反馈，在七个及六个域外搜索基准上均优于现有 RL 智能体，减少答案幻觉且性能持续提升。
IAPO: Influence-Aware Policy Optimization for Credit Assignment in Multi-Turn Service Agents
IAPO：面向多轮服务智能体信用分配的感知影响策略优化
机构 * Fudan University（复旦大学） ； WeChat, Tencent Inc.（腾讯公司微信业务）
AI总结 本研究提出IAPO方法，将轨迹转化为影响依赖图以优化多轮服务智能体的信用分配，在三个服务智能体基准及BFCL-v4多轮任务上，性能优于多轮RL基线。
Comments 12 pages, 3 figures, 5 tables. Preprint
VideoHarness-RSI: Recursive Harness Self-Improvement for Long-Video Understanding with Frozen Vision-Language Models
VideoHarness-RSI：基于冻结视觉语言模型的长视频理解的递归 harness 自改进方法
机构 * Tencent（腾讯）
AI总结 该研究提出 VIDEOHARNESS-RSI，通过递归搜索可执行上下文构建程序，在冻结 VLM 上实现长视频理解的改进，且所选 harness 可迁移至其他长视频基准。
WeMM-Embedding: WeChat Multi-Modal Embedding Technical Report
WeMM-Embedding：微信多模态嵌入技术报告
机构 * WeChat Vision, Tencent Inc.（腾讯微信视觉部）
AI总结 本报告提出WeMM-Embedding多模态嵌入模型家族，含2B、4B、9B变体，经两阶段训练后在公开基准及微信应用中表现优异，已部署并开源。
Best Practice Critic Optimization
如何稳定且高效地训练评价模型
机构 * National University of Singapore（新加坡国立大学） ； Tencent Hunyuan（腾讯混元）
AI总结 该研究提出BPCO流程稳定高效训练评价模型，在数学推理任务上，其优于基线，且采样1个响应时可匹配或超过基于组的GRPO基线。
Denoising the Future: Context-Aware Spectral Diffusion for Temporal Knowledge Graph Extrapolation
去噪未来：用于时序知识图谱外推的上下文感知谱扩散
机构 * Southwest Minzu University（西南民族大学） ； University of Electronic Science and Technology of China（电子科技大学） ； Zhejiang University（浙江大学） ； Tencent（腾讯）
AI总结 针对现有扩散式时序知识图谱外推方法的目标判别信号削弱问题，提出FreqDiff频率感知扩散框架，通过双流去噪器与频域正则化项提升性能，在四个公开基准上达最优表现。
Comments EMNLP 2026 Main
CoinVE-200K: A Large-Scale High-Quality Dataset for Compositional Instruction-Guided Video Editing
CoinVE-200K：用于组合式指令引导视频编辑的大规模高质量数据集
机构 * Tencent（腾讯）
AI总结 本文提出用于组合式指令引导视频编辑的大规模高质量数据集CoinVE-200K，构建基准CoinVE-Bench及22B参数模型CoinVE-Edit，在基准测试中表现优异。
Comments Project page: this https URL (https://coinve200k.github.io) and Dataset is available at this https URL (https://huggingface.co/datasets/FireCRT/CoinVE-200K) and see source codes at this https URL (https://github.com/coinve200k/CoinVE-200K)
TangramPuzzle: Evaluating Multimodal Large Language Models with Compositional Spatial Reasoning
TangramPuzzle: 通过组合空间推理评估多模态大语言模型
机构 * Tsinghua University（清华大学） ； Sun-Yat Sen University（孙逸人大学） ； Tencent Youtu Lab（腾讯优图实验室） ； University of Illinois Chicago（伊利诺伊大学香槟分校）
AI总结 TangramPuzzle通过几何基准测试评估多模态大语言模型的组合空间推理能力，发现模型在匹配轮廓时忽视几何约束，导致碎片变形。
Comments EMNLP 2026 Findings
Reconquering Bell sampling on qudits: stabilizer learning and testing, quantum pseudorandomness bounds, and more
机构 * Tencent Quantum Laboratory（腾讯量子实验室） ； HUN-REN Alfréd Rényi Institute of Mathematics（匈牙利冯·诺依曼数学研究所） ； HUN-REN Institute for Computer Science and Control（匈牙利计算机科学与控制研究所） ； Centre for Quantum Technologies（量子技术中心） ； National University of Singapore（新加坡国立大学） ； CNRS, IRIF, Université Paris Cité（法国国家科学研究中心、IRIF、巴黎Cité大学）
Comments 48 pages, 1 figure. v2: slightly improved results, some proofs and sections rewritten, references added and fixed; v3: a few sections completely rewritten, better stabiliser testing bounds, several typos and inconsistencies fixed
