Tencent（腾讯）

Consolidating RLVR Capabilities Across Domains: A Deep Dive into Fusion Paradigms

跨领域整合RLVR能力：融合范式的深入探究

Siye Wu, Kai Yang, Yuchen Cai, Xin Xu, Peng-Yuan Wang, Jiaxuan Wang, Jiashun Liu, Jiafei Lyu, Yangkun Chen, Saiyong Yang, Yanghua Xiao

机构 * Tencent（腾讯） ； Fudan University（复旦大学） 纠错

AI总结 该研究探究Merge、Mix RL、MOPD三种RLVR融合范式的性能差异与适用场景，发现其平均性能差最多1.4点，单基准差达8.6点，给出了不同场景下的选择指南。

Direct or Mediated? Task-Dependent Audio Information Routing in Large Audio Language Models

直接还是中介？大型音频语言模型中任务依赖的音频信息路由

Yizhou Zhang, Wangjin Zhou, Xin Gu, Yichi Wang, Wei Tan, Yi Zhao, Zhi Gong, Keisuke Imoto, Tatsuya Kawahara

机构 * Graduate School of Informatics, Kyoto University（京都大学信息学研究科） ； WXG, Tencent（腾讯微信事业群） 纠错

AI总结 该研究针对大型音频语言模型，发现其在拼接两段音频的任务中，自动语音识别稳定而音频问答性能大幅下降，揭示了两类任务依赖不同的音频信息路由路径，指出信息利用是其泛化的潜在限制。

Comments 8 pages, 2 figures

From Atomic to Agentic: Towards Interpretable Evaluation of LLMs' Agentic Mathematical Capabilities

从原子到智能体：迈向大语言模型智能体数学能力的可解释评估

Jiayi Kuang, Yinghui Li, Yunze Song, Keyu Chen, Zhifeng Shen, Yangning Li, Yidong Wang, Di Yin, Ruizhi Qiao, Xing Sun, Kai Jin, Ying Shen, Liang Lin, Philip S. Yu

机构 * Sun Yat-sen University（中山大学） ； Tencent Youtu Lab（腾讯优图实验室） ； University of Illinois Chicago（伊利诺伊大学芝加哥分校） ； Pengcheng Laboratory（鹏城实验室） 纠错

AI总结 本文提出过程级基准，对齐智能体行为与数学原子能力分类，评估LLMs智能体数学推理能力，发现相似端到端准确率的模型智能体能力轮廓差异显著，凸显过程级评估的重要性。

Comments EMNLP 2026

Thinking on Shots: Consistent Multi-Shot Video Editing with Agentic Reasoning

思考镜头：基于智能体推理的一致多镜头视频编辑

Chenyang Wu, Fuchen Long, Binyuan Huang, Xinlong Sun, Xi Chen, Chun-Le Guo, Chongyi Li

机构 * Nankai University（南开大学） ； Tencent（腾讯） 纠错

AI总结 本文针对多指令编辑长视频的挑战，提出MMLVE任务与智能体编辑框架，构建MMLVE-Bench数据集及评估指标，所提MMLVE-Agent优于Seedance 2.0等闭源SOTA方法，可实现一致且无幻觉的长视频编辑。

Comments Project Page: this https URL (https://wucy0519.github.io/MMLVE/) and see source codes at this https URL (https://github.com/Wucy0519/MMLVE)

FLARE: A Failure-Aware Framework for Autonomous Correction and Recovery in Visual-Language Robotic Manipulation

FLARE：一种面向视觉-语言机器人操纵中自主修正与恢复的故障感知框架

Ganlong Zhao, Zijia Tang, Xingping Chen, Zhanghui Kuang, Ye Tian, Guanbin Li

机构 * The Chinese University of Hong Kong（香港中文大学） ； Centre for Perceptual and Interactive Intelligence（感知与交互智能中心） ； Duke University（杜克大学） ； Sun Yat-sen University（中山大学） ； TengenX（天工科技） ； Tencent Robotics X（腾讯Robotics X实验室） ； Shenzhen Loop Area Institute（深圳河套学院） ； Guangdong Key Laboratory of Big Data Analysis and Processing（广东省大数据分析与处理重点实验室） 纠错

AI总结 针对视觉-语言机器人操纵中VLAs无法从执行错误恢复的问题，提出含“重试”“重置”范式的FLARE框架，结合MLLM实现故障恢复，显著提升接触密集型操纵任务的成功率与鲁棒性。

Comments Accepted to CVPR 2026

Not Just Reason, Not Just Scan: Reinforcement Learning for Proactive Scientific Error Verification over Academic Paper

不仅是推理，不仅是扫描：面向学术论文的主动科学错误验证强化学习

Rongjin Li, Yuanxin Liu, Hao Zhou, Fandong Meng, Jie Zhou, Xu Sun

机构 * Beijing University of Posts and Telecommunications（北京邮电大学） ； Peking University（北京大学） ； WeChat AI, Tencent Inc.（腾讯微信人工智能部门） 纠错

AI总结 针对现有无预设问题/证据的学术论文科学错误验证研究不足的问题，提出VERA-RL强化学习框架，构建VERA-13K数据集，训练Qwen3-VL-8B后其可验证推理能力接近旗舰级多模态大语言模型。

Comments Accepted by EMNLP 2026 Findings

ElementCheck: Complexity-Aware Long-Form Text Factuality Evaluation via Sentence Elements

ElementCheck：基于句子元素的复杂度感知长文本事实性评估

Xinming Wang, Haoran Du, Yi Chen, Jian Xu, Hongming Yang, Han Hu, Yulong Chen, Cheng-Lin Liu, Xu-Yao Zhang

机构 * Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所） ； Zhongguancun Academy（中关村学院） ； Fudan University（复旦大学） ； Tencent（腾讯） ； University of Cambridge（剑桥大学） ； University of Aberdeen（阿伯丁大学） 纠错

AI总结 ElementCheck是一种基于句子元素的复杂度感知框架，通过提取实体对构建元素图，在FastFact-Sent等基准上提升了五个主干模型的长文本事实性验证性能，且优化了准确率与成本的权衡。

Comments 25 pages, 4 figures