大厂专区
深入探究视频VAE的潜在频谱偏置以实现更优的可扩散性
机构 * Zhipu AI, Beijing, China（智谱AI，北京，中国） ； Tsinghua University, Beijing, China（清华大学，北京，中国） ； University of Chinese Academy of Sciences, Beijing, China（中国科学院大学，北京，中国）
AI总结 本文通过统计分析发现视频VAE潜在空间的频谱特性对扩散训练至关重要，提出局部相关正则化和潜在掩码重建两种轻量级正则化器，实现3倍收敛加速和10%视频奖励提升。
训练具有密集具身思维链监督的视觉-语言-动作模型
机构 * Renmin University of China（中国人民大学） ； Zhipu AI（智谱AI）
AI总结 提出ZR-0模型，通过密集具身思维链监督对齐跨具身表示，采用双流架构（VLM生成结构化推理，扩散Transformer生成动作），在多个仿真和真实平台实现强性能。
Video2Code: 通过动作感知重访从UI视频生成交互式网页
机构 * University of Waterloo（滑铁卢大学） ； Tsinghua University（清华大学） ； Zhipu AI（智谱AI） ； Beihang University（北京航空航天大学）
AI总结 提出Video2Code方法，通过动作感知重访UI视频中的关键区域，恢复可执行的状态转换，生成HTML/CSS/JavaScript代码，提升多步交互的代码功能正确性。
Comments 31 pages, 21 figures
EurekAgent：自主科学发现中，智能体环境工程即一切
机构 * Department of Computer Science and Technology, Tsinghua University（清华大学计算机科学与技术系） ； Zhipu AI（智谱AI）
AI总结 提出环境工程框架EurekAgent，通过权限、工件、预算和人机交互四维工程设计，在数学、内核工程和机器学习任务上取得新最优结果，总API成本低于11美元。
ProCrit: 通过批评引导的修订实现自激发多视角推理用于多模态讽刺检测
机构 * School of Computer Science and Technology, Soochow University（苏州大学计算机科学与技术学院） ； Baidu Inc.（百度公司） ； Zhipu AI（智谱AI）
AI总结 本文提出ProCrit，一种通过批评引导的修订实现自激发多视角推理的框架，用于多模态讽刺检测，解决了现有方法依赖固定视角的问题，通过动态生成多视角分析并进行协同优化。
将音乐建模为时频图像：一种用于音乐生成的2D分词器
机构 * Department of Music AI and Information Technology, Central Conservatory of Music（音乐人工智能与信息技术系，中央音乐学院） ； Zhipu AI（智谱AI）
AI总结 本文提出BandTok，一种面向生成的2D梅尔频谱分词器，通过单个共享码本生成梅尔频带token，提升自回归建模能力，实验表明其在数据有限情况下表现优异。
MotionBench: 视觉语言模型视频细粒度运动理解的基准测试与改进
机构 * Tsinghua University（清华大学） ； Zhipu AI（智谱AI）
AI总结 MotionBench针对视觉语言模型在细粒度视频运动理解方面的不足，提出综合评估基准，通过六类运动导向问题类型评估模型运动层面感知能力，并提出Through-Encoder融合方法提升模型对有限序列长度内细粒度运动的感知。
Comments 20 pages
ProcVLM：基于学习的程序导向进度奖励用于机器人操作
机构 * School of Information, Renmin University of China（中国人民大学信息学院） ； Zhipu AI（智谱AI） ； Department of Computer Science and Technology, Tsinghua University（清华大学计算机科学与技术系）
AI总结 ProcVLM通过程序结构和阶段内视觉变化学习密集的进度奖励，提升机器人操作的程序推理能力，优于现有基线方法。
AeSlides：通过可验证奖励激励基于大语言模型的幻灯片生成中的美观布局
机构 * Beijing Institute of Technology（北京理工大学） ； Zhipu AI (Z.ai)（智谱AI）
AI总结 本文提出AeSlides框架，通过可验证奖励优化幻灯片生成的美观布局，实验表明其在布局合规性、空格减少、元素碰撞和视觉平衡方面均优于现有方法。
Comments 21 pages, 25 figures, 9 tables
IF-RewardBench：用于指令遵循评估的评判模型基准测试
机构 * The Conversational Artificial Intelligence (CoAI) Group, Tsinghua University（清华大学对话人工智能（CoAI）小组） ； Zhipu AI（智谱AI） ； University of Electronic Science and Technology of China（电子科技大学）
AI总结 本文提出IF-RewardBench，一个全面的指令遵循元评估基准，通过构建偏好图评估评判模型的排序能力，揭示现有模型缺陷，并展示其在下游任务中的更强相关性。
Comments ACL 2026
超越字面映射：非字面翻译评估的基准测试与改进
机构 * School of Computer Science and Technology, Beijing Institute of Technology（北京理工大学计算机科学与技术学院） ； Zhipu AI（智谱AI） ； The Knowledge Engineering Group (KEG), Tsinghua University（清华大学知识工程组） ； School of Computer Science and Engineering, Beihang University（北航计算机科学与工程学院）
AI总结 本文提出RATE框架，通过反思核心代理动态调用专用子代理，提升非字面翻译评估的准确性，实验显示其在系统和段级相关性上比现有方法提高至少3.2分。
Comments Accepted to ACL 2026 Main Conference
IF-CRITIC：面向指令遵循评估的细粒度LLM批评者
机构 * The Conversational Artificial Intelligence (CoAI) Group, Tsinghua University（清华大学对话人工智能（CoAI）小组） ； Zhipu AI（智谱AI） ； University of Electronic Science and Technology of China（电子科技大学） ； The Knowledge Engineering Group (KEG), Tsinghua University（清华大学知识工程小组（KEG））
AI总结 本文提出IF-CRITIC，通过细粒度、高效且可靠的评估方法提升LLM指令遵循能力，采用检查清单生成器和约束级偏好优化训练模型，实验表明其优于现有基线模型。
Comments ACL 2026
Kaleido：开源多主体参考视频生成模型
机构 * Hefei University of Technology（合肥工业大学） ； Tsinghua University（清华大学） ； Zhipu AI（智谱AI）
AI总结 Kaleido通过改进的数据构建和参考旋转位置编码，提升了多主体参考视频生成的一致性、保真度和泛化能力。
Comments 21 pages, 7 figures
TraceSIR: 一个用于结构化分析和报告代理执行轨迹的多代理框架
机构 * Beijing Institute of Technology（北京理工大学） ； Zhipu AI（智谱AI） ； Tsinghua University（清华大学） ； Shanghai Jiao Tong University（上海交通大学）
AI总结 TraceSIR通过多代理框架结构化分析和报告代理执行轨迹，提升故障诊断和根本原因分析效率。
GLM-5：从振动编码到代理工程
机构 * GLM-5 Team（GLM-5团队） ； Zhipu AI（智谱AI） ； Tsinghua University（清华大学）
AI总结 GLM-5通过异步强化学习和DSA技术实现高效训练与推理，展现卓越的软件工程能力。
GeoVLMath: 通过跨模态奖励增强视觉-语言模型中的几何推理以辅助线创建
机构 * Institute of Computing Technology, Chinese Academy of Sciences（中国科学院计算技术研究所） ； Renmin University of China（中国人民大学） ； Zhipu AI（智谱AI）
AI总结 GeoVLMath通过跨模态奖励模型提升视觉-语言模型在复杂立体几何问题中的几何推理能力。
Comments 19 pages
证据链的构建：基于引用感知的鲁棒深度搜索代理强化学习
机构 * Tsinghua University（清华大学） ； Zhipu AI（智谱AI）
AI总结 本文提出引用感知评分框架和组相对策略优化方法，用于提升深度搜索代理的鲁棒性和推理质量。
GLM-4.5V 和 GLM-4.1V-Thinking：迈向具有可扩展强化学习的多功能推理
机构 * Zhipu AI & Tsinghua University（智谱AI与清华大学）
AI总结 GLM-4.5V和GLM-4.1V-Thinking通过可扩展强化学习提升多模态推理能力，实现多任务高性能表现。
GLM-TTS 技术报告
机构 * Zhipu AI（智谱AI） ； Tsinghua University（清华大学）
AI总结 GLM-TTS通过优化的语音分词器和多奖励强化学习框架，实现高效可控的生产级语音生成系统，同时支持参数高效定制和混合输入方案。
评估大语言模型的水科学与工程知识
机构 * State Key Laboratory of Hydro-Science and Engineering, Department of Hydraulic Engineering（水利科学与工程国家重点实验室、水利学院） ； Department of Computer Science and Technology（计算机科学与技术系） ； Zhipu AI（智谱AI） ； CHN Energy Dadu River Big Data Services Co., Ltd.（中国能源大渡河大数据服务有限公司）
AI总结 本研究提出Hydro-SE LLM评估基准，评估大语言模型在水科学与工程领域的知识和应用能力，揭示其优势与不足。
Comments Hydro-SE Bench sets a new benchmark for the evaluation of LLMs in the Hydro-Science and Engineering domain, with its code and data available at \url{https://github.com/sheishijun/Hydro-SE-Bench}
机构 * Faculty of Mathematics, University of Waterloo（滑铁卢大学数学系） ； The Knowledge Engineering Group (KEG), Tsinghua University（清华大学知识工程集团） ； Zhipu AI（智谱AI）
Comments 36 pages, 30 figures
机构 * Gaoling School of AI, Renmin University of China（中国人民大学人工智能学院） ； Tsinghua University（清华大学） ； Zhipu AI（智谱AI）
机构 * China Telecom Research Institute（中国电信研究院） ； The Conversational Artificial Intelligence (CoAI) Group, Tsinghua University（清华大学对话人工智能（CoAI）小组） ； University of Electronic Science and Technology of China（电子科技大学） ； The Knowledge Engineering Group (KEG), Tsinghua University（清华大学知识工程小组） ； Zhipu AI（智谱AI）
Comments Accepted to ACL 2025 Findings
机构 * Soochow University（苏州大学） ； Zhipu AI（智谱AI） ； Tsinghua University（清华大学） ； Key Laboratory of Data Intelligence and Advanced Computing, Soochow University（苏州大学数据智能与先进计算重点实验室）
Comments Accepted to the Findings of ACL 2025
机构 * Tsinghua University（清华大学） ； Zhipu AI（智谱AI） ； Peking University（北京大学）
机构 * The Conversational Artificial Intelligence (CoAI) Group, Tsinghua University（清华大学对话人工智能（CoAI）小组） ； University of Electronic Science and Technology of China（电子科技大学） ； Zhipu AI（智谱AI） ； The Knowledge Engineering Group (KEG), Tsinghua University（清华大学知识工程小组（KEG））
Comments ACL 2025 Findings
机构 * HKUST Hong Kong SAR, China（香港科技大学） ； SEU Jiangsu, China（江苏大学） ； HKUST(GZ) Guangzhou, China（香港科技大学（广州）） ； Zhipu AI Beijing, China（智谱AI） ； HKUST(GZ), HKUST Guangzhou, China（香港科技大学（广州）、香港科技大学）
机构 * School of Cyber Science and Engineering Nanjing University of Science and Technology China（南京理工大学信息科学与工程学院） ； Meituan China（美团） ； Zhipu.AI China（智谱AI） ； Institute of Information Engineering Chinese Academy of Sciences China（中国科学院信息工程研究所）
Comments 20 pages, 6 figures
机构 * Engineering Research Center of Database and Business Intelligence, MOE, China（数据库与商业智能工程研究中心，教育部，中国） ； School of Information, Renmin University of China,Beijing, China（信息学院，中国人民大学，北京，中国） ； Key Laboratory of Data Engineering and Knowledge Engineering, MOE, China（数据工程与知识工程重点实验室，教育部，中国） ； Zhipu AI, China（智谱AI，中国）
Comments Accepted as Main of ACL2025
机构 * Tsinghua University（清华大学） ； Zhipu AI（智谱AI） ； The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）） ； The Chinese University of Hong Kong（香港中文大学） ； University of Illinois at Chicago（伊利诺伊大学香槟分校）
Comments Accepted by ACL 2025 (Main)
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