Tencent（腾讯）

Scaling Large Reasoning Models beyond Human Supervision: A Path toward Superintelligence

超越人类监督扩展大型推理模型：通往超级智能的路径

Zhiqin Yang, Jingwen Fu, Yuhan Liu, Hengyu Liu, Yonggang Zhang, Kainan Cao, Zizhuo Zhang, Chenxin Li, Ruibin Yuan, Jiahao Pan, Jiankai Sun, Zhenyuan Zhang, Yibo Li, Yunlong Lin, Jing Xiong, Sida Lin, Bo Han, Wei Xue, Yike Guo

机构 * The Hong Kong University of Science and Technology（香港科技大学） ； Zhongguancun Academy（中关村学院） ； Xi’an Jiaotong University（西安交通大学） ； The Chinese University of Hong Kong（香港中文大学） ； The University of Hong Kong（香港大学） ； Hong Kong Baptist University（香港浸会大学） ； Hunyuan Tencent（腾讯混元） ； National University of Singapore（新加坡国立大学） ； Xiamen University（厦门大学） 纠错

AI总结 本文研究人类监督逐步退出时大型推理模型（LRMs）的扩展路径，提出五级阶梯框架，分析自主化带来的风险，围绕策略能力等开展评估，为开发通往超级智能的自我维持学习系统提供结构化方案。

Comments 72pages

Type-Balanced Contextual Learning for Incremental Named Entity Recognition

用于增量命名实体识别的类型平衡上下文学习

Duzhen Zhang, Yahan Yu, Xiuyi Chen, Chenxing Li, Dong Yu

机构 * Mohamed bin Zayed University of Artificial Intelligence（穆罕默德·本·扎耶德人工智能大学） ； Kyoto University（京都大学） ； Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所） ； Tencent, AI Lab（腾讯人工智能实验室） 纠错

AI总结 针对增量命名实体识别中基于伪标签方法的偏差上下文问题，提出含句子对学习方案和上下文一致性损失的TBCL方法，经多数据集多设置实验验证有效。

Comments Accepted by IEEE Transactions on Artificial Intelligence

Evidence-Bounded Mental Health Reasoning from Heterogeneous Speech Protocols

基于异构语音协议的证据受限心理健康推理

Chengyuan Gao, Jiang Wu, Tao Lu, Jiayan Guo, Mingkun Xu, Tianyi Zang, Shangyang Li

机构 * Beijing University of Posts and Telecommunications（北京邮电大学） ； Harbin Institute of Technology（哈尔滨工业大学） ； Renyixun Health Technology Co., Ltd.（仁医讯健康科技有限公司） ； GDIIST（广东省智能制造研究所） ； Tencent（腾讯） 纠错

AI总结 本研究针对现有心理健康筛查模型的证据边界问题，提出协议感知的证据控制框架EviBound，在抑郁症筛查任务中达到0.8658的AUROC，且实现零宣称违规。

Comments Accepted to Findings of the Association for Computational Linguistics: EMNLP 2026. Long paper

Agents in the Large: Perception-Centered Architecture for Persistent Agents

大型智能体：面向持久智能体的感知中心架构

Shihan Dou, Haoxiang Jia, Shichun Liu, Feng Chen, Chenhao Huang, Yujiong Shen, Shaofan Liu, Jiayi Chen, Jiahang Lin, Honglin Guo, Qianyu He, Minghao Guo, Ziyi Ye, Pluto Zhou, Tao Gui, Qi Zhang, Xuanjing Huang

机构 * Fudan University（复旦大学） ； Peking University（北京大学） ； Nanyang Technological University（南洋理工大学） ； Tencent（腾讯） 纠错

AI总结 该研究提出面向持久智能体的感知中心架构（Pera），用于刻画、组织和指导持久AI智能体的发展，类比软件工程的小型到大型编程，推动语言智能体向长期自适应智能系统演进。

Comments 41 pages, 5 figures

From Final Artifacts to Trajectories: Retrospective Process Supervision for Evidence-Grounded Long-Form Generation

从最终产物到轨迹：面向证据支撑的长文本生成的回溯过程监督

Junjie Huang, Jiarui Qin, Di Yin, Weiwen Liu, Yong Yu, Xing Sun, Weinan Zhang

机构 * Shanghai Jiao Tong University（上海交通大学） ； Tencent Youtu Lab（腾讯优图实验室） 纠错

AI总结 针对开放式长文本生成任务轨迹数据稀缺的问题，提出RetroGen框架，利用预训练数据中丰富的高质量最终产物重构轨迹，训练模型以提升证据支撑等任务表现。

Beyond Polarization: The Generative Constraint of Chain-of-Thought in Pointwise Reranking

超越极化：点式重排序中思维链的生成约束

Xiaoyang Chen, Jie Liu, Haijin Liang, Haibo Shi, Jin Ma, Ben He, Yingfei Sun, Dezhi Ye

机构 * University of Chinese Academy of Sciences（中国科学院大学） ； Tencent（腾讯） 纠错

AI总结 本研究针对点式重排序中思维链模型性能弱于直接评分模型的问题，通过实证研究及多种干预措施，发现排序差距源于离散文本传递连续相关性语义的瓶颈，而非易解决的训练偏差。

Comments Accepted at EMNLP 2026 Findings

Higher-Dimensional Rotary Position Embedding

高维旋转位置嵌入

Yixing Li, Ruobing Xie, Yudong Zhang, Yushi Bai, Samm Sun, Yu Cheng

机构 * The Chinese University of Hong Kong（香港中文大学） ； Tencent Hunyuan（腾讯混元） ； Tsinghua University（清华大学） ； University of Macau（澳门大学） 纠错

AI总结 针对RoPE跨通道混合与鲁棒性不足的问题，提出HD-RoPE，通过扩展至高维旋转并引入Paley-I正交基，在无额外参数的情况下提升性能，获基准测试显著改善。

Comments Accepted to EMNLP 2026

JPO: Juris Policy Optimization for Structured Legal Reasoning in Criminal Judgment Prediction

JPO：用于刑事判决预测中结构化法律推理的司法策略优化

Zhaolu Kang, Yantao Liu, Tailong Luo, Leqi Zheng, Lei Wei, Chenghua Zhu, Junhao Gong, Jiachen Qian, Eric Hanchen Jiang, Jiaxin Liu, Yuan Wang, Hao Zhang, Zixia Wang, Rong Fu, Zheng Lin, Richeng Xuan, Zhichao Hu

机构 * Tencent（腾讯） ； Peking University（北京大学） ； Tsinghua University（清华大学） ； City University of Hong Kong（香港城市大学） ； University of California（加利福尼亚大学） ； University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； Zhejiang University（浙江大学） ； University of Hong Kong（香港大学） 纠错

AI总结 JPO是用于中国刑事判决预测的后训练框架，通过监督四步推理过程与带复合奖励的强化学习，提升判决预测及推理质量。

Comments EMNLP 2026 Main

SnapBench: Benchmarking Snap-and-Ask Multimodal Retrieval for Mobile Interactions

SnapBench：面向移动交互的抓拍提问多模态检索基准测试

Zirong Chen, Fuda Ye, Kuan Zhang, Enjun Du, Junfu Pu, Xinlei Wang, Xinyu Zuo, Lisheng Duan, Jin Ma, Yongqi Zhang

机构 * The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）） ； Tencent Yuanbao（腾讯元宝） ； Tsinghua University（清华大学） ； ARC Lab, Tencent（腾讯ARC实验室） ； The University of Hong Kong（香港大学） 纠错

AI总结 本研究推出首个鲁棒抓拍提问多模态检索配对基准SnapBench，评估16种多模态检索器，发现图像损坏严重影响检索，还提出自适应融合方法MOOR，凸显模态校准的必要性。

Comments 37 pages. Yuanbao Technical Report. Accepted to Findings of EMNLP 2026

AlgoWorlds: Benchmarking Tool Use for Global Optimization in Algorithmic Worlds

AlgoWorlds：用于算法世界中全局优化的工具使用基准

Zixiang Xu, Jiaan Wang, Fandong Meng

机构 * Weixin AI, Tencent（腾讯微信AI） ； University of Southern California（南加州大学） 纠错

AI总结 本研究推出AlgoWorlds基准，评估大语言模型在算法世界中利用工具将信息转化为全局最优决策的能力，实验显示领先模型仅38.61%案例能达精确最优。

Comments Homepage: https://xzx34.github.io/AlgoWorlds/ Code: https://github.com/xzx34/AlgoWorlds

When Do Larger Batches Help Scale LLM Reinforcement Learning?

更大的批次何时有助于扩展大语言模型的强化学习？

Ziniu Li, Jinbo Wang, Guanhua Huang, Feiyuan Zhang, Pengbo Li, Alex Chen

机构 * Tencent（腾讯） 纠错

AI总结 该研究针对大语言模型强化学习，通过分离算法与系统效应，提出更大批次缩短目标时间的决策规则，结合GRPO、PPO实验验证了学习率调整与批次优化可缩短目标时间。

Comments 16 pages, 9 figures

Modality Fault Lines: Structural Corruptions Reveal Fragile Omni-Modal Reasoning

模态断层线：结构损坏揭示脆弱的全模态推理

Zhaolu Kang, Meixin Wu, Yu Xue, Yingjie He, Qiming Shi, Lei Wei, Yidi Wang, Richeng Xuan, Zhichao Hu

机构 * Tencent（腾讯） ； Peking University（北京大学） ； Zhejiang University（浙江大学） 纠错

AI总结 本研究提出SCEval诊断评估协议，通过结构损坏揭示全模态模型的脆弱推理，发现文本-视觉损坏是最稳定的共享断层线，多模态退化非相加性，干净准确率不代表结构不可靠时仍可靠。

Comments EMNLP 2026 Findings

Dynamic Important Example Mining for Reinforcement Finetuning

用于强化微调的动态重要示例挖掘

Haoru Tan, Sitong Wu, Yanfeng Chen, Shizhen Zhao, Yang-Tian Sun, Tianjia Liu, Chirui Chang, Shaofeng Zhang, Samm Sun, Xiuzhe Wu, Ruobing Xie, Xiaojuan Qi

机构 * HKU（香港大学） ； Tencent（腾讯） ； CUHK（香港中文大学） ； Stanford（斯坦福大学） 纠错

AI总结 该研究针对强化微调中样本价值固定假设的缺陷，提出DIEM框架，整合梯度对齐重要性估计器与约束批量重加权方案，在多个推理基准中优于相关基线。

Journal ref CVPR-2026

Systematic Lightweight Method for Robotics Based on Strain Energy Distribution Optimization

基于应变能分布优化的机器人系统轻量化方法

Jingchen Li

机构 * Tencent Robotics X Lab（腾讯Robotics X实验室） 纠错

AI总结 本研究提出应变能分布优化的机器人系统轻量化方法，可解耦系统级问题，兼顾减重与机械性能，经机械臂案例验证了其有效性。

Diagnose, Then Refine: A Closed-Loop TTS System with AudioLLM-Guided Correction

诊断后优化：基于AudioLLM引导校正的闭环TTS系统

Zeyang Song, Tianchi Liu, Tianrui Wang, Chenglin Xu, Steven Y. Guo, Haizhou Li

机构 * National University of Singapore（新加坡国立大学） ； Tencent（腾讯） ； LIGHTSPEED（光速） ； Nanyang Technological University（南洋理工大学） ； The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳）） ； Shenzhen Loop Area Institute（深圳河套学院） 纠错

AI总结 针对开环TTS易出现韵律缺陷且指标难检测的问题，提出含AudioLLM评判器与细粒度优化器的LoopTTS框架，构建4.2万示例数据集训练优化器，实验表明其修复质量与指令遵循能力更优。

Comments Accepted by EMNLP 2026 main conference

WeAgent-MMSearch: Native Text-Vision Interaction for Multimodal Search Agents

WeAgent-MMSearch：面向多模态搜索智能体的原生文本-视觉交互

Zongkai Liu, Hui Zhang, Liqiang Niu, Zhen Cao, Han Li, Juntao Liu, Wenchao Chen, Chengduo Zhao, Chao Yu, Fandong Meng

机构 * Weixin AI, Tencent（腾讯微信人工智能） ； Sun Yat-sen University（中山大学） 纠错

AI总结 针对现有多模态搜索智能体忽略图像、长程交互易失败的问题，提出 WeAgent-MMSearch 系统，通过 WeAgent-Harness 实现文本-视觉交互，经 FA-GSPO 后训练后，模型在多模态搜索基准上性能大幅提升。

A Survey on Rubric-Guided Reinforcement Learning for Language Models

面向语言模型的准则引导强化学习综述

Zifei Shan, Fangning Shao

机构 * WeChat, Tencent（腾讯微信） 纠错

AI总结 该综述针对传统RLHF的缺陷，提出贝叶斯框架并沿先验-后验轴分类准则引导强化学习，分析语言学相关对齐问题，明确未来研究方向。

Comments Accepted to Findings of EMNLP 2026

Are LLMs Ready to Assist Physicians? PhysAssistBench for Interactive Doctor-Patient-EHR Assistance

LLMs 是否已准备好辅助医生？PhysAssistBench：交互式医患-电子病历辅助基准

Tianming Du, Peijie Yu, Sihan Shang, Danli Shi, My Linh Nguyen, Shengbo Gao, Guangyuan Li, Yinghong Yu, Yan Jiang, Qianlong Zhao, Behzad Bozorgtabar, Shaoxiong Ji, Jiazhen Pan, Daniel Rueckert, Jiancheng Yang

机构 * Aalto University（阿尔托大学） ； Tencent（腾讯） ； Harbin Institute of Technology, Shenzhen（哈尔滨工业大学（深圳）） ； Hong Kong Polytechnic University（香港理工大学） ； Aarhus University（奥胡斯大学） ； Technical University of Munich（慕尼黑工业大学） 纠错

AI总结 提出PhysAssistBench基准，通过构建交互式患者代理评估LLM在医患-EHR交互中的协调能力，发现当前模型不可靠，瓶颈在于多维度协调而非单一能力。

Comments 35 pages with 8 figures

EvoBrowseComp: Benchmarking Search Agents on Evolving Knowledge

EvoBrowseComp: 基于演化知识的搜索智能体基准测试

Yunhan Wang, Jiaan Wang, Lianzhe Huang, Xianfeng Zeng, Fandong Meng

机构 * Northeastern University, China（东北大学（中国）） ； Weixin AI, Tencent Inc, China（腾讯微信AI（中国）） 纠错

AI总结 提出EvoBrowseComp，一个通过实时网络遍历自动生成400道英文和400道中文无污染复杂问题的演化基准，用于评估搜索智能体在动态知识环境中的真实浏览能力。

Comments EMNLP 2026 Findings

Summarization is Not Dead Yet

摘要生成尚未消亡

Dongqi Liu, Chenxi Whitehouse, Zheng Zhao, Zhuchen Cao, Jian Li, Yabiao Wang

机构 * Saarland University（萨尔大学） ； Max Planck Institute for Informatics（马克斯·普朗克信息学研究所） ； University of Cambridge（剑桥大学） ； University of Edinburgh（爱丁堡大学） ； Zhejiang University（浙江大学） ； Tencent YouTu Lab（腾讯优图实验室） 纠错

AI总结 通过多维度评估，发现人类参考摘要在信息量和忠实度上仍优于大语言模型，后者仅在表面连贯性和流畅性上占优，表明摘要生成研究仍有挑战。

Comments EMNLP 2026 Main & Long Conference Paper

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

Yujie Luo, Xiangyuan Ru, Jingsheng Zheng, Jingjing Wang, Yuqi Zhu, Jintian Zhang, Runnan Fang, Kewei Xu, Ye Liu, Zheng Wei, Jiang Bian, Zang Li, Shumin Deng

机构 * Zhejiang University（浙江大学） ； Platform and Content Group, Tencent（腾讯平台与内容部） 纠错

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 Accepted by EMNLP 2026 main conference

Semantic Flow Regularization: Teaching LLMs to Generate Diverse Yet Coherent Responses

语义流正则化：教会LLMs生成多样且连贯的回复

Kerui Peng, Feifei Li, Xingyu Fan, Wenhui Que

机构 * Tencent Inc.（腾讯公司） ； Beijing, China（中国北京） 纠错

AI总结 针对大语言模型微调时输出多样性严重受限的跨风格坍缩问题，提出语义流正则化（SFR），通过条件流匹配监督骨干网络使用连续句子嵌入，在零部署成本下提升多样性和风格保真度。

MAIGO: Mitigating Lost-in-Conversation with History-Cleaned On-Policy Self-Distillation

MAIGO: 通过历史清理的在线策略自蒸馏缓解对话丢失

Haoyu Zheng, Yun Zhu, Shu Yuan, Shangming Chen, Qing Wang, Wenqiao Zhang, Jun Xiao, Yueting Zhuang

机构 * Zhejiang University（浙江大学） ； Shanghai AI Laboratory（上海人工智能实验室） ； Huazhong University of Science and Technology（华中科技大学） ； Fuzhou University（福州大学） ； Tencent（腾讯） 纠错

AI总结 针对大语言模型在多轮对话中性能下降（对话丢失）的问题，提出MAIGO方法，通过在线策略自蒸馏和清理历史助手回复来减少自污染，无需验证器或推理时辅助，显著提升多轮对话准确性。

Beyond Chain-of-Thought: Rewrite as a Universal Interface for Generative Multimodal Embeddings

超越思维链：重写作为生成式多模态嵌入的通用接口

Peixi Wu, Ke Mei, Feipeng Ma, Bosong Chai, Zhibin Lan, Chenxi Zhao, Shannan Yan, Jie Chen, Zhangchi Hu, Yansong Peng, Bo Lin, Junjie Zhou, Dacheng Yin, Tianyi Wang, Fengyun Rao, Jing Lyu, Hebei Li, Xiaoyan Sun

机构 * WeChat Vision, Tencent Inc.（腾讯微信视觉部） ； Zhejiang University（浙江大学） ； Tsinghua University（清华大学） ； Institute of Artificial Intelligence, Hefei Comprehensive National Science Center（合肥综合性国家科学中心人工智能研究院） 纠错

AI总结 针对思维链推理在检索中产生冗余和语义歧义的问题，提出重写驱动的多模态嵌入框架RIME，联合优化生成与嵌入，并通过跨模态对齐和精炼强化学习实现高效准确的检索。

Comments Accepted by ACMMM 2026

StableWorld: Towards Stable and Consistent Long Interactive Video Generation

StableWorld: 向稳定和一致的长交互视频生成迈进

Ying Yang, Zhengyao Lv, Yujia Zeng, Tianlin Pan, Haofan Wang, Yueming Lyu, Binxin Yang, Hubery Yin, Chen Li, Jing Lyu, Ziwei Liu, Chenyang Si

机构 * PRLab, NJU（南京大学PRLab） ； HKU（香港大学） ； UCAS（中国科学技术大学） ； WeChat, Tencent Inc.（腾讯公司） ； NTU（国立清华大学） 纠错

AI总结 StableWorld通过动态帧淘汰机制提升长交互视频生成的稳定性和时间一致性，适用于多种生成框架。