POINTS-GUI-G: GUI-Grounding Journey
POINTS-GUI-G：GUI接地之旅
机构 * Tencent（腾讯）
专题命中 指令微调 ：language model(abstract)
AI总结 POINTS-GUI-G通过精细化数据工程、改进训练策略和强化学习提升GUI接地性能，实现多个基准测试的最优表现。
AI 大模型
语言大模型 / LLM
大语言模型、预训练、指令微调、后训练和语言模型应用。
1. 指令微调 20 篇
2. 后训练与偏好优化 13 篇
On the Plasticity and Stability for Post-Training Large Language Models
关于后训练大语言模型的可塑性与稳定性
机构 * Institute of Software Chinese Academy of Sciences, Beijing, China（中国科学院软件研究所） ； University of the Chinese Academy of Sciences, Beijing, China（中国科学院大学） ； Wangxuan Institute of Computer Technology, Peking University, Beijing, China（北京大学王轩计算机技术研究所） ； Thrust of Artificial Intelligence, The Hong Kong University of Science and Technology (Guangzhou), China（香港科技大学（广州）人工智能研究所） ； Department of Computer Science and Engineering, The Hong Kong University of Science and Technology Hong Kong SAR, China（香港科技大学（香港特别行政区）计算机科学与工程系）
专题命中 后训练与偏好优化 ：large language model(title)；language model(title)；post-training(title)；分类 cs.LG
AI总结 本文提出PCR框架，通过概率方法解决GRPO中可塑性与稳定性之间的几何冲突，提升训练稳定性与推理性能。
compar:IA: The French Government's LLM arena to collect French-language human prompts and preference data
compar:IA：法国政府的LLM竞技场，用于收集法语人类提示和偏好数据
机构 * The French Government（法国政府）
专题命中 后训练与偏好优化 ：LLM(title)；large language model(abstract)；language model(abstract)；RLHF(abstract)
AI总结 compar:IA由法国政府开发，旨在通过收集法语人类提示和偏好数据，提升非英语语言中LLM的性能和文化契合度，同时推动多语言模型训练和评估的国际发展。
Comments 18 pages, 7 figures, preprint
LLM Active Alignment: A Nash Equilibrium Perspective
LLM主动对齐：从纳什均衡视角出发
机构 * College of AI, Tsinghua University, Beijing, China（人工智能学院，清华大学，北京，中国） ； Harvard University, Cambridge, MA, USA（哈佛大学，马萨诸塞州剑桥，美国） ； Department of Electronic Engineering, Tsinghua University, Beijing, China（电子工程系，清华大学，北京，中国）
专题命中 后训练与偏好优化 ：LLM(title,abstract)；large language model(abstract)；language model(abstract)；RLHF(abstract)
AI总结 本文提出了一种基于纳什均衡的LLM主动对齐方法，通过建模代理行为以避免文本空间计算难题，并展示其在社交媒体中防止政治排斥的应用潜力。
Not All Layers Need Tuning: Selective Layer Restoration Recovers Diversity
并非所有层都需要调节：选择性层恢复恢复多样性
机构 * Department of Computer Science, National University of Singapore, Singapore（新加坡国立大学计算机科学系） ； Smart Systems Institute, National University of Singapore, Singapore, Singapore（新加坡国立大学智能系统研究所）
专题命中 后训练与偏好优化 ：LLM(abstract)；large language model(abstract)；language model(abstract)；post-training(abstract)
AI总结 选择性层恢复通过恢复特定层到预训练权重，提升LLM输出多样性并保持高质量。
Comments 16 pages, 7 figures, 12 tables
DeDPO: Debiased Direct Preference Optimization for Diffusion Models
DeDPO：用于扩散模型的去偏直接偏好优化
机构 * Cornell University（康奈尔大学） ； Rutgers University（罗格斯大学） ； NYU（纽约大学）
专题命中 后训练与偏好优化 ：preference optimization(title,abstract)；language model(abstract)
AI总结 DeDPO通过整合因果推理的去偏技术，提升扩散模型在低成本合成监督下的对齐性能，实现与人类标注数据相当的鲁棒性。
Recontextualizing Famous Quotes for Brand Slogan Generation
重新上下文化著名引语以生成品牌标语
机构 * Brandeis University（布兰迪斯大学） ； Adobe（Adobe公司）
专题命中 后训练与偏好优化 ：LLM(abstract)；large language model(abstract)；language model(abstract)；分类 cs.CL、cs.AI
AI总结 本文提出通过重新上下文化著名引语生成新颖且具人设的标语，采用模块化框架提升标语的多样性与情感影响。
R-Align: Enhancing Generative Reward Models through Rationale-Centric Meta-Judging
R-Align: 通过以推理为中心的元判断增强生成奖励模型
专题命中 后训练与偏好优化 ：large language model(abstract)；language model(abstract)；RLHF(abstract)；分类 cs.CL
AI总结 R-Align通过引入黄金判断和明确监督推理对齐，提高生成奖励模型的推理一致性，从而增强RLHF的性能。
Comments Github: https://github.com/lyn22333/R-Align Huggingface: https://huggingface.co/collections/lyn22333/r-align
SeeUPO: Sequence-Level Agentic-RL with Convergence Guarantees
SeeUPO：具有收敛保证的序列级代理强化学习
机构 * Tongyi Lab（通义实验室） ； Alibaba Group（阿里巴巴集团）
专题命中 后训练与偏好优化 ：LLM(abstract)；large language model(abstract)；language model(abstract)；分类 cs.AI
AI总结 SeeUPO通过逆向归纳实现多轮交互的单调改进和收敛，显著提升训练稳定性与性能
CoBA-RL: Capability-Oriented Budget Allocation for Reinforcement Learning in LLMs
CoBA-RL：面向大语言模型强化学习的基于能力的预算分配
机构 * Zhejiang University（浙江大学） ； Nanjing University（南京大学） ； National University of Singapore（新加坡国立大学） ； Shanghai Jiao Tong University（上海交通大学）
专题命中 后训练与偏好优化 ：LLM(abstract)；post-training(abstract)；分类 cs.AI、cs.LG
AI总结 CoBA-RL通过基于能力的价值函数和堆贪心策略，优化大语言模型强化学习中的预算分配，提升训练效率和泛化能力。
Displacement-Resistant Extensions of DPO with Nonconvex $f$-Divergences
对抗位移的DPO扩展：非凸f-散度
机构 * Faculty of Data and Decision Sciences（数据与决策科学学院） ； Technion - Israel Institute of Technology（技术ion-以色列理工学院） ； Meta ； Qualcomm AI Research（高通人工智能研究）
专题命中 后训练与偏好优化 ：language model(abstract)；RLHF(abstract)；分类 cs.LG
AI总结 本文提出了一种对抗位移的DPO扩展方法，通过非凸f-散度改进了传统DPO，提供了更强的理论保证和实际表现。
Comments Published as a conference paper at ICLR 2026
ACE-Step 1.5: Pushing the Boundaries of Open-Source Music Generation
ACE-Step 1.5：推动开源音乐生成的边界
机构 * ACE Studio（ACE工作室） ； Step Fun
专题命中 后训练与偏好优化 ：language model(abstract)；foundation model(abstract)
AI总结 ACE-Step 1.5通过高效开源模型实现商业级音乐生成，结合内在强化学习与混合架构，支持多语言创作与风格控制。
AEGPO: Adaptive Entropy-Guided Policy Optimization for Diffusion Models
AEGPO：适应性熵引导策略优化用于扩散模型
机构 * Peking University（北京大学） ； Kling Team, Kuaishou Technology（快手科技 Kling 团队） ； The University of Hong Kong（香港大学） ； Beijing Normal University（北京师范大学）
专题命中 后训练与偏好优化 ：RLHF(abstract)；分类 cs.AI、cs.LG
AI总结 AEGPO通过双信号双层自适应优化提升扩散模型策略优化效率，实现更高效的收敛和更好的对齐性能。
Constrained Group Relative Policy Optimization
带约束的群体相对策略优化
机构 * Mila - Quebec AI Institute（魁北克AI研究所） ； CIFAR AI Chair（CIFAR人工智能主席）
专题命中 后训练与偏好优化 ：foundation model(abstract)；分类 cs.CL、cs.LG
AI总结 本文提出带约束的GRPO，通过拉格朗日松弛解决受约束策略优化问题，实验验证其在网格世界和机器人任务中的有效性。
Comments 16 pages, 6 figures
3. 长上下文与记忆 5 篇
Harnessing the Unseen: The Hidden Influence of Intrinsic Knowledge in Long-Context Language Models
挖掘未见：内在知识在长上下文语言模型中的隐性影响
专题命中 长上下文与记忆 ：language model(title,abstract)；分类 cs.CL
AI总结 本文研究了长上下文语言模型中参数知识的影响，提出混合针在 haystack 测试以评估模型的双重能力，发现 Qwen-2.5 模型在结合多种能力方面表现更优。
Comments 17 pages,11figures (accepted to AAAI 2026)
FadeMem: Biologically-Inspired Forgetting for Efficient Agent Memory
FadeMem: 基于生物机制的高效代理记忆遗忘
机构 * Alibaba International Digital Commerce Group（阿里巴巴国际数字商业集团） ； School of Software and Microelectronics（软件与微电子学院） ； Peking University（北京大学）
专题命中 长上下文与记忆 ：LLM(abstract)；large language model(abstract)；language model(abstract)；分类 cs.CL、cs.AI
AI总结 FadeMem通过生物启发的主动遗忘机制，提升代理记忆的效率与存储容量，实现更有效的信息管理与多跳推理能力。
Emergent Cognitive Convergence via Implementation: Structured Cognitive Loop Reflecting Four Theories of Mind
通过实现产生认知收敛：反映四种心灵理论的结构认知循环
专题命中 长上下文与记忆 ：LLM(abstract)；large language model(abstract)；language model(abstract)；分类 cs.AI
AI总结 Agentic Flow通过实现约束产生认知收敛，展现结构认知循环如何在实际需求下形成统一认知形式。
Comments This revised version improves conceptual consistency between Agentic Flow and the Structured Cognitive Loop (SCL; arXiv:2510.05107)
GATSim: Urban Mobility Simulation with Generative Agents
GATSim: 基于生成代理的都市交通模拟
机构 * Key Laboratory of Road and Traffic Engineering of the Ministry of Education, College of Transportation, Tongji University（教育部交通工程重点实验室，交通学院，同济大学）
专题命中 长上下文与记忆 ：large language model(abstract)；language model(abstract)；foundation model(abstract)；分类 cs.AI
AI总结 GATSim通过生成代理模拟都市交通，结合认知系统与多尺度反思过程，实现对复杂出行行为的高效建模与真实交通模式的生成。
Echo State Transformer: Attention Over Finite Memories
回声状态变换器：对有限记忆的注意力
机构 * Mnemosyne Centre Inria de l'Université de Bordeaux（Mnemosyne研究中心，Inria波尔多大学研究中心）
专题命中 长上下文与记忆 ：large language model(abstract)；language model(abstract)；分类 cs.AI、cs.LG
AI总结 回声状态变换器通过结合Transformer注意力机制与共振计算节点，实现线性复杂度的高效时间序列处理，优于现有方法。
4. 推理与问题求解 32 篇
Large Language Model Reasoning Failures
大语言模型推理失败
机构 * California Institute of Technology（加州理工学院） ； Stanford University（斯坦福大学） ； Carleton College（卡尔顿学院）
专题命中 推理与问题求解 ：large language model(title,abstract)；language model(title,abstract)；LLM(abstract,comments)；分类 cs.CL、cs.AI、cs.LG
AI总结 本文首次系统调查大语言模型推理失败问题，提出分类框架并分析其根本原因，旨在提升模型的推理能力与鲁棒性。
Comments Repository: https://github.com/Peiyang-Song/Awesome-LLM-Reasoning-Failures. Published at TMLR 2026 with Survey Certification
code_transformed: The Influence of Large Language Models on Code
code_transformed: 大型语言模型对代码的影响
机构 * Huazhong University of Science and Technology（华中科技大学） ； École normale supérieure - Université PSL（巴黎高等师范学院-巴黎大学） ； Laboratoire LATTICE（LATTICE实验室） ； International School for Advanced Studies (SISSA)（国际先进研究学院（SISSA））
专题命中 推理与问题求解 ：large language model(title,abstract)；language model(title,abstract)；LLM(abstract)；分类 cs.CL、cs.AI、cs.LG
AI总结 本文研究了大型语言模型对代码风格的影响，通过分析GitHub仓库中的代码，发现命名规范、复杂性等指标的变化，揭示LLMs对现实编程实践的深远影响。
Comments EACL 2026 Findings
Probabilistic Aggregation and Targeted Embedding Optimization for Collective Moral Reasoning in Large Language Models
概率聚合与定向嵌入优化用于大语言模型中的集体道德推理
机构 * School of Computation, Information and Technology, Technical University of Munich（计算、信息与技术学院，慕尼黑技术大学） ； School of Social Sciences and Technology, Technical University of Munich（社会科学与技术学院，慕尼黑技术大学）
专题命中 推理与问题求解 ：large language model(title,abstract)；language model(title,abstract)；分类 cs.CL、cs.AI
AI总结 本文提出了一种概率聚合与定向嵌入优化方法，通过融合多个大语言模型的道德判断，提升集体道德推理的一致性和准确性。
Comments Accepted to ACL 2025 (Findings)
Evaluating and Enhancing the Vulnerability Reasoning Capabilities of Large Language Models
评估和增强大型语言模型的漏洞推理能力
专题命中 推理与问题求解 ：large language model(title,abstract)；language model(title,abstract)
AI总结 DAGVul通过建模漏洞推理为有向无环图生成任务，提升大型语言模型在漏洞检测中的推理能力，实验显示其推理F1分数平均提高18.9%。
MAGIC: A Co-Evolving Attacker-Defender Adversarial Game for Robust LLM Safety
MAGIC: 一种共进化攻击者-防御者对抗游戏用于鲁棒大语言模型安全
机构 * Shanghai AI Laboratory（上海人工智能实验室） ； Shanghai Jiao Tong University（上海交通大学） ； Zhejiang University（浙江大学）
专题命中 推理与问题求解 ：LLM(title,abstract)；large language model(abstract)；language model(abstract)；分类 cs.CL、cs.AI、cs.LG
AI总结 MAGIC通过共进化对抗游戏提升大语言模型的安全性，攻击者与防御者智能体在多轮强化学习中相互演化，有效识别并抵御未知攻击模式。
Think-Augmented Function Calling: Improving LLM Parameter Accuracy Through Embedded Reasoning
思考增强的功能调用：通过嵌入式推理提高LLM参数准确性
机构 * Alibaba International Digital Commerce Group（阿里巴巴国际数字商业集团） ； School of Software and Microelectronics（软件与微电子学院） ； Peking University（北京大学）
专题命中 推理与问题求解 ：LLM(title)；large language model(abstract)；language model(abstract)；prompting(abstract)
AI总结 TAFC通过嵌入式推理提升LLM参数准确性，实现函数调用的显式推理和细粒度优化，增强多参数函数的生成准确性和可解释性。
Identifying Adversary Tactics and Techniques in Malware Binaries with an LLM Agent
利用LLM代理识别恶意软件二进制中的攻击战术与技术
专题命中 推理与问题求解 ：LLM(title,abstract)；large language model(abstract)；language model(abstract)
AI总结 TTPDetect通过结合密集检索与LLM神经检索，利用LLM代理识别恶意软件二进制中的TTPs，实现高精度和召回率。
Back to Basics: Revisiting Exploration in Reinforcement Learning for LLM Reasoning via Generative Probabilities
回归基础：通过生成概率重新审视强化学习中LLM推理的探索
机构 * FusionBrain Lab, Russia（融合脑实验室，俄罗斯） ； Institute of Numerical Mathematics, Russia（数值数学研究所，俄罗斯）
专题命中 推理与问题求解 ：LLM(title)；large language model(abstract)；language model(abstract)；分类 cs.CL、cs.LG
AI总结 通过生成概率重新审视强化学习中LLM推理的探索，提出ARM机制平衡置信度，提升生成多样性与准确性。
LLM-Powered Fully Automated Chaos Engineering: Towards Enabling Anyone to Build Resilient Software Systems at Low Cost
基于大语言模型的完全自动化混沌工程：实现任何人以低成本构建容错软件系统
机构 * NTT, Inc., Japan（日本NTT公司）
专题命中 推理与问题求解 ：LLM(title)；large language model(abstract)；language model(abstract)；分类 cs.CL、cs.AI
AI总结 本文提出ChaosEater系统，利用大语言模型自动化混沌工程周期，使任何人能低成本构建容错软件系统。
Comments Accepted at ASE 2025 NIER Track. The code is available at https://github.com/ntt-dkiku/chaos-eater
Journal ref 2025 40th IEEE/ACM International Conference on Automated Software Engineering (ASE)
Beyond Static Alignment: Hierarchical Policy Control for LLM Safety via Risk-Aware Chain-of-Thought
超越静态对齐：通过风险感知的思维链实现LLM安全的分层策略控制
机构 * Qiyuan Tech, Beijing, China（奇渊科技，北京，中国）
专题命中 推理与问题求解 ：LLM(title)；large language model(abstract)；language model(abstract)；分类 cs.CL
AI总结 PACT通过分层策略架构和风险感知推理，解决LLM安全与有用性之间的权衡问题，提升动态安全控制和可控性。
Comments 13 pages, 5 tables, 2 figures
Echoes as Anchors: Probabilistic Costs and Attention Refocusing in LLM Reasoning
回声作为锚点：在大语言模型推理中的概率成本与注意力再聚焦
专题命中 推理与问题求解 ：LLM(title)；SFT(abstract)；prompting(abstract)；分类 cs.CL
AI总结 本研究通过回声蒸馏监督微调和回声提示技术，利用大语言模型中自发的回声现象，提升推理准确性与注意力聚焦效果。
