UrbanGround: From Local Perception to Spatial Agency in a Real-Scale City

UrbanGround：从局部感知到真实城市中的空间能动性

Tianjie Ju, Zheng Wu, Yueqing Sun, Yuhan Cui, Bobo Li, Shengqiong Wu, Pengzhou Cheng, Haodong Zhao, Zongru Wu, Xinbei Ma, Doris Zhang, Kunling Li, Mong-Li Lee, Wynne Hsu, Hao Fei, Qi Gu, Gongshen Liu, Zhuosheng Zhang

机构 * Shanghai Jiao Tong University（上海交通大学） ； National University of Singapore（新加坡国立大学） ； Meituan（美团） ； The Chinese University of Hong Kong（香港中文大学） ； Shanghai University（上海大学） ； University of Oxford（牛津大学） 纠错

AI总结 本文提出首个基于香港3D地理空间数据构建的UrbanGround沙盒，探究MLLM智能体在真实城市中从局部感知转化为可靠行动的程度，发现其长时间探索时错误累积的缺陷，为相关研究提供支撑。

Comments 35 pages, 11 figures, 7 tables. Project Page: this https URL (https://urbanground.github.io), Code Repository: this https URL (https://github.com/UrbanGround/UrbanGround)

CritICL: Inference-Time Weak-to-Strong Generalization from Small Language Model Failure Modes

CritICL：基于小语言模型失败模式的推理时弱到强泛化

Yufan Wu, Yinghui He, Zhengyi Hu, Lang Wei, Ruichen Li, Qifan Yang, Ting Zhu

机构 * The Ohio State University（俄亥俄州立大学） ； Princeton University（普林斯顿大学） 纠错

AI总结 CritICL是一种新型推理时框架，利用小语言模型的结构化失败模式，通过两种变体提升推理性能，效率优于标准上下文学习和测试时缩放方法。

Comments this https URL (https://github.com/umwyf/CRITICL)

WikiSkill: Compiling Agent Experience into Persistent Knowledge for Skill Evolution

WikiSkill：将智能体经验编译为持久知识以实现技能演化

Liyan Tang, Cyrus Rashtchian, Chun-Sung Ferng, Andrew Tomkins, Da-Cheng Juan, Tu Vu

机构 * Google Research（谷歌研究院） ； Virginia Tech（弗吉尼亚理工大学） 纠错

AI总结 WikiSkill是使智能体技能与持久知识库协同演化的框架，在多基准与模型上优于现有方法，证实持久知识积累对技能演化关键，且演化技能可跨模型迁移。

TTPO: Test-Time Policy Optimization

TTPO：测试时策略优化

Aozhe Wang, Zhengxi Lu, Jianze Wang, Shangke Lv, Ying Liu, Weiming Lu, Jun Xiao, Yueting Zhuang, Hua Yang, Qianglong Chen, Yongliang Shen

机构 * Zhejiang University（浙江大学） ； Alibaba Group（阿里巴巴集团） 纠错

AI总结 该研究针对大语言模型测试时训练的伪标签缺陷，提出 TTPO 方法，通过不对称目标函数与 token 级选择优化，在无标签下实现了与标签监督 OPSD 相当的性能，提升了模型数学推理能力并增强了跨任务泛化性。

Comments Project Page: this https URL (https://zju-real.github.io/TTPO) Code: this https URL (https://github.com/ZJU-REAL/TTPO)

Stochastic Estimation of Transduced Language Models

转导语言模型的随机估计

Vésteinn Snæbjarnarson, Samuel Kiegeland, Manuel de Prada Corral, Ryan Cotterell, Tim Vieira

机构 * ETH Zürich（苏黎世联邦理工学院） ； University of Copenhagen（哥本哈根大学） 纠错

AI总结 该研究针对转导语言模型提出无放回重加权的递归束求和算法，实现目标前缀概率的无偏估计，在文本、DNA等任务上较基线方法有更优性能，可支撑长目标字符串的前缀概率估计。

Boosting LLM Exploration via Weak-Model Guidance in RLVR

通过RLVR中的弱模型引导增强大语言模型探索能力

Xingyu Shen, Huishuai Zhang, Peng Li, Yinchun Wang, Dongyan Zhao

机构 * Wangxuan Institute of Computer Technology, Peking University（北京大学王选计算机研究所） ； National Engineering Research Center of New Electronic Publishing Technologies（国家新型电子出版技术工程研究中心） 纠错

AI总结 本研究提出弱模型引导的RLVR方法，通过弱模型的部分推理轨迹增强LLM探索，缓解熵崩溃，在数学基准上提升大k值下的推理性能与覆盖范围。

Comments 13 pages, 4 figures

Retrieval Heads Meet Vision: Uncovering How VLMs Locate and Extract Visual Information

检索头与视觉结合：揭示视觉语言模型如何定位和提取视觉信息

Chanho Park, Daehyeon Choi, Jihyun Lee, Minhyuk Sung

机构 * KAIST（韩国科学技术院） 纠错

AI总结 该研究发现视觉语言模型（VLMs）中存在视觉检索头（VRHs），其占注意力头的1.7%-2.6%，负责将文本描述与图像区域建立因果关联，屏蔽前20个VRHs可使定位准确率降低多达80个百分点，且VRHs具备泛化性、功能特异性与架构共享性。

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。

Reconstructing Humans and Objects in Interaction using Large Reconstruction Models

基于大型重建模型重构交互中的人体与物体

Agniv Chatterjee, Georgios Pavlakos

机构 * University of Texas at Austin（德克萨斯大学奥斯汀分校） 纠错

AI总结 提出MILO框架，利用大型重建模型（LRMs）从单张图像重构三维人体-物体交互，在多个基准场景中精度优于现有方法。

Comments Accepted at ECCV 2026. Project Page: this https URL (https://ac5113.github.io/MILO)

CLAP: Cross-Embodiment Video World Models are Zero-Shot Physical Simulators

CLAP：跨具身视频世界模型是零样本物理模拟器

Kechen Liu, Ola Shorinwa

机构 * Princeton University（普林斯顿大学） 纠错

AI总结 CLAP是跨具身动作条件视频生成框架，可在人类与机器人的多样化视频上训练，能接近或超越单具身视频模型性能，开源代码与模型，为训练单具身视频世界模型提供新范式。

How Language Models Organize and Structure Moral Knowledge

语言模型如何组织与构建道德知识

Orion Reblitz-Richardson

机构 * Distiller Labs（蒸馏实验室） 纠错

AI总结 该研究探究大型语言模型的道德知识组织方式，通过线性探针揭示其道德表征的几何结构，发现其道德整合分量具特异性，且道德困境表征反映冲突结构而非预判决断。

Comments 31 pages, 16 figures. Code and outputs at this https URL (https://github.com/deepsteer/deepsteer)

Making Clinical Language Models Auditable: Concept-Guided Fine-Tuning for Robust Prediction

使临床语言模型可审计：概念引导的鲁棒预测微调

Jin Mu, Guanhua Chen

机构 * University of Wisconsin–Madison（威斯康星大学麦迪逊分校） 纠错

AI总结 本研究提出基于SAE的可审计临床文本分类框架CAST，通过提取并抑制病历人工制品特征，在MIMIC-IV死亡率预测任务上提升了基线性能并保留与强LLM相当的效果，同时提供可审计的特征级轨迹。

LeVJEPA: Efficient & Scalable Video Pretraining without the Heuristics

LeVJEPA：无需启发式方法的高效可扩展视频预训练

Lukas Kuhn, Lucas Maes, Giuseppe Serra, Quentin Le Lidec, Yann LeCun, Randall Balestriero, Florian Buettner

机构 * German Cancer Research Center（德国癌症研究中心） ； German Cancer Consortium（德国癌症联盟） ； Goethe University Frankfurt（法兰克福大学） ； Mila（米拉研究所） ； Université de Montréal（蒙特利尔大学） ； Brown University（布朗大学） ； Courant Institute, New York University（纽约大学柯朗研究所） ； Advanced Machine Intelligence (AMI Labs)（高级机器智能实验室（AMI Labs）） 纠错

AI总结 LeVJEPA是首个基于LeJEPA无崩溃目标训练的视频编码器，无需启发式方法，预训练计算量大幅降低，在ImageNet-1K等基准上性能优于现有方法，可作为通用视觉预训练的更优基础。

RATIO: A Benchmark for Retrieval Across Typed Ideation Operations in Scientific Literature

RATIO：面向科学文献中类型化构思操作检索的基准

Maayan Sharon, Tom Hope

机构 * The Hebrew University of Jerusalem（耶路撒冷希伯来大学） ； The Allen Institute for AI (AI2)（艾伦人工智能研究所） 纠错

AI总结 本研究提出名为RATIO的大规模基准，定义三类构思操作的检索任务，构建时结合话语标记远程监督与LLM及人工审核，实验显示操作特定微调可提升检索器性能，为科学灵感检索提供新框架。

CorporateBench: Large-Scale Q&A Benchmarking with Temporal Knowledge Bases

CorporateBench：基于时序知识库的大规模问答基准测试

Sil Hamilton, Albert Yu Sun, Oscar J. Romero, Carl-Leander Henneking, David Mimno, Bishan Yang, Igor Labutov

机构 * Epiq AI Labs（Epiq AI实验室） ； Cornell University（康奈尔大学） 纠错

AI总结 研究针对企业级LLM评估的数据集难题，构建了含23万+文档的CorporateBench基准，从信息提取与知识库查询维度评估5种LLM，发现输入规模接近实际时性能下降，填补了相关评估指标空白。

Comments Accepted to EMNLP Findings

FlashVLA: Streaming Action Decoding for Fast and Asynchronous VLA Inference

FlashVLA：用于快速异步VLA推理的流式动作解码

Zekai Li, Jiaming Tang, Zhijian Liu

机构 * UC San Diego（加州大学圣迭戈分校） ； MIT（麻省理工学院） 纠错

AI总结 FlashVLA是一种流式动作解码框架，通过分块因果注意力维护动作缓冲，实现低延迟、平稳异步的VLA推理，在单GPU上达≥30Hz控制频率且任务性能优异。

Comments 17 pages, 8 figures

D2C-Routing: Dimension-to-Composition Evidence Routing for Mixed-Origin AI-Generated Text Detection

D2C-Routing：用于混合来源AI生成文本检测的维度到组成证据路由

Xin Chen, Fuwei Zhang, Yiqi Tong, Wei Guo, Yutian Xiao, Fuzhen Zhuang

机构 * Institute of Artificial Intelligence, Beihang University（北京航空航天大学人工智能研究院） 纠错

AI总结 本研究针对混合来源AI生成文本检测问题，提出D2C-Routing方法，在MixD2C数据集上取得0.8603的四向平均TPR@1%FPR，性能优于RACE-local重运行结果。

Comments 17 pages, 4 figures. To appear in EMNLP 2026

Embodied Scene Rearrangement Planning

具身场景重排规划

Canzhi Chen, Zan Wang, Siqi Zhu, Qi Wu, Yixuan Li, Wei Liang

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） 纠错

AI总结 本文提出具身场景重排规划（ESRP）新任务，构建含5400+场景对的ESRP-Bench基准，评估四类方法发现现有方法难高效完成，为智能体现实部署奠定基础。

Comments Accepted for publication in IEEE Robotics and Automation Letters (RA-L), 2026. Project page: this https URL (https://bit-pie.github.io/ESRP/) Code: this https URL (https://github.com/BIT-PIE/ESRP) Dataset: this https URL (https://huggingface.co/datasets/serendipity800/ESRP-PD)

Puro-2B: Poor Lab's Qwen2-1.5B Trained on RTX 5090 within $5090

Puro-2B：Poor Lab基于RTX 5090训练的Qwen2-1.5B模型，训练成本低于5090美元

Kairong Luo, Jiarui Cui, Yaorui Yin, Shengqi Chen, Yiming Yang, Linxiang Gao, Yanmohan Wang, Mingzhe Zhang, Kaiyue Wen, Kaifeng Lyu, Wenguang Chen

机构 * Tsinghua University（清华大学） ； Pengcheng Laboratory（鹏城实验室） 纠错

AI总结 该研究提出开源预训练方案，在RTX 5090上低成本训练出Puro-2B模型，推导出成本缩放定律并开展数据课程影响下游性能的案例研究，完整方案已开源。

Comments 62 pages, 20 figures, 24 tables

KnockGS:interaction-Grounded Calibrationof Physical Gaussian Representations

KnockGS：基于交互的物理高斯表示校准

Chenchen Ge, Hanwen Shen, Bowen Jing, Jiyuan Cai, Xiaofeng Wang, Hongsen Lei, Weitao Zhou, Dandan Zhang, Haibao Yu

机构 * Tuojing Intelligence（拓境智能） ； Southeast University（东南大学） ； Stevens Institute of Technology（史蒂文斯理工学院） ； Tsinghua University（清华大学） ； Simple AI ； Imperial College London（伦敦帝国学院） ； Shanghai Jiao Tong University（上海交通大学） ； GigaAI ； Sun Yat-sen University（中山大学） ； The University of Hong Kong（香港大学） 纠错

AI总结 KnockGS是基于交互-响应的PhysicalGS框架，可从三维高斯物体动力学中校准材料尺度，在参数恢复与响应保真度上优于对比方法，为交互式PhysicalGS系统奠定基础。

Sophistication in GenAI Use: Field Evidence from a Large Firm

生成式AI（genAI）使用中的成熟度：来自一家大型企业的实地证据

Nicholas J. Hallman, Zachary T. Kowaleski, Anu Puvvada, Jaime J. Schmidt

机构 * University of Texas at Austin（德克萨斯大学奥斯汀分校） ； KPMG LLP（毕马威有限责任公司） 纠错

AI总结 本研究以某大型企业后台员工为对象，通过8个月的71万余条数据，发现资深员工genAI使用更成熟，战略等领域成熟度最高，且成熟度难随时间或培训提升，为管理者和研究者提供相关衡量指标与见解。

Comments 59 pages, 4 figures, 8 tables. Includes Appendix A (variable definitions), Appendix B (supplementary tables), and Online Appendix C (meta prompts)

Your Voice Cloning System is Secretly a Voice Anonymizer

你的语音克隆系统实则是一款隐形的语音匿名器

Romolo Muletta, Felix Matthias Saaro, Mark Cieliebak, Jan Deriu

机构 * ZHAW School of Engineering（苏黎世应用科技大学工程学院） ； Centre for Artificial Intelligence（人工智能中心） 纠错

AI总结 本研究将多语言语音克隆模型XTTSv2重新用于说话人匿名化，通过迭代优化策略平衡隐私与实用性，在7种欧洲语言上实现接近最优的隐私性及更优的语音质量，无需重新训练。

RCMN: Understanding Misleadingness in Influential Public Discourse

RCMN：理解有影响力公共话语中的误导性

Peiling Yi

机构 * School of Computer Science and Mathematics（计算机科学与数学学院） ； Faculty of Engineering, Computing and the Environment（工程、计算与环境学院） ； Kingston University London（伦敦金斯顿大学） 纠错

AI总结 本研究针对有影响力公共话语的误导性，提出以读者为中心的RCMN框架构建数据集，发现轻量表征可恢复读者解读但难识别误导机制，为可扩展误导性分析提供了新方向。

Understanding Evolution Strategies for LLM Reasoning: Broader Reasoning Coverage than GRPO

理解用于大语言模型推理的进化策略：比GRPO更广泛的推理覆盖范围

Yunpeng Ba, Zhi Zheng, Yue Xie, Jiaqing Li, Xialiang Tong, Tao Zhong, Mingxuan Yuan, Zhichao Lu, Xuyang Wu, Zhenkun Wang

机构 * Southern University of Science and Technology（南方科技大学） ； National University of Singapore（新加坡国立大学） ； Harbin Institute of Technology, Weihai（哈尔滨工业大学（威海）） ； Huawei Noah’s Ark Lab（华为诺亚方舟实验室） ； City University of Hong Kong（香港城市大学） 纠错

AI总结 本文研究用于LLM推理的进化策略（ES），发现ES比GRPO有更广泛的推理覆盖范围，开发了结合两者优势的GRPO-ES策略，还揭示了ES的功能稀疏性等特性，确立其为独特的推理后训练范式。

INTENT-AS-A-TOOL Makes it Easy to Track Agentic Misalignment

意图作为工具：轻松追踪智能体失配问题

Yutong Zhang, Jianshuo Dong, Peng Xu, Long Wang, Jie Zhang, Tianwei Zhang, Xiaoping Zhang, Han Qiu

机构 * Tsinghua University（清华大学） ； MatrixOrigin（矩阵起源） ； SiliconProspect AI（硅景人工智能） ； Nanyang Technological University（南洋理工大学） 纠错

AI总结 本研究针对智能体失配问题，提出INTENT-AS-A-TOOL方法，通过添加意图专用工具追踪智能体推理过程中的意图变化，补充CoT监控，为智能体安全追踪提供细粒度信号。

PAWBench: How Far Are We from Probabilistically Aligned World Modeling?

PAWBench：我们离概率对齐的世界建模还有多远？

Yuandong Pu, Le Zhuo, Sayak Paul, Gabriel Jorge Menezes, Avram Đorđević, Shiyang Li, Yifan Zhou, Bin Fu, Wenlong Zhang, Junjun He, Yu Qiao, Yihao Liu, Jingbo Xing, Xi Chen

机构 * Shanghai Jiao Tong University（上海交通大学） ； Shanghai AI Laboratory（上海人工智能实验室） ； Krea AI ； Huggingface ； Shanghai Innovation Institute（上海创新研究院） ； Tongyi Lab（通义实验室） ； The University of Hong Kong（香港大学） 纠错

AI总结 本研究针对当前视频生成器未满足概率对齐世界建模要求的问题，提出PAWBench基准与PAWEval协议，经50种场景和11个系统测试发现无模型达要求，为相关研究奠定基础。

Pair-Level Essay-Scale Republication and Reuse from Fragmented Historical Text Reuse: A Workflow Study on Eighteenth-Century Books and Newspapers

从碎片化的历史文本复用中恢复成对的散文级再发布与复用：一项关于18世纪书籍与报纸的工作流研究

Ke Shu, Kira Hinderks, Eetu Mäkelä, Mikko Tolonen

机构 * University of Helsinki（赫尔辛基大学） 纠错

AI总结 本研究针对碎片化历史文本复用的成对证据整合难题，以18世纪休谟的散文为研究对象，提出分阶段规则工作流，在ECCO数据集上验证了方法的有效性，为历史文本复用的恢复提供了实用方案。

Not All Eval-Awareness Is Equal: Capabilities Framing Predicts Compliance

并非所有评估感知都等同：能力框架预测合规性

Allison Zhuang, Santiago Aranguri

机构 * ENS Paris-Saclay（巴黎萨克雷高等师范学校） ； Goodfire AI 纠错

AI总结 该研究发现评估感知的框架类型会显著影响模型合规性，能力导向型框架的合规性远高于安全导向型，且评估感知并非行为均匀的单一量，总抑制率变化不代表安全相关部分同步变化。

Comments 5 pages (14 appendices), 5 figures, presented at 2026 ICML Mechanistic Interpretability Workshop

R2M-Bench: Evaluating Revisit Memory via Relative Consistency in Interactive Video World Models

R2M-Bench：通过交互式视频世界模型中的相对一致性评估重访记忆

Qiwen Gu, Bingjie Gao, Rui Chen, Geng Li, Jifan Li, Qishuai Wen, Li Niu, Jing Tang, Xiangxiang Chu, Junqiao Zhao

机构 * DreamX Team, Alibaba Group（阿里巴巴集团DreamX团队） ； Tongji University（同济大学） ； Shanghai Jiao Tong University（上海交通大学） 纠错

AI总结 该研究提出R2M-Bench基准，通过同滚动过程的相对校准评估视频世界模型的重访记忆，其NMR与人类判断相关性良好，可减少慢动作捷径，DreamX-World-Memo表现最优。

Comments Code: this https URL (https://github.com/AMAP-ML/R2MBench)

Verify Smarter, Evolve Further: Efficient Harness Evolution through Behavior-Aware Verification

更智能地验证，进一步进化：通过感知行为的验证实现高效的智能体控制策略进化

Jinghan Xu, Yikai Zhang, Aili Chen, Weiyuan Li, Jiaqing Liang, Deqing Yang

机构 * School of Data Science, Fudan University（复旦大学数据科学学院） ； College of Computer Science and Artificial Intelligence, Fudan University（复旦大学计算机科学与人工智能学院） 纠错

AI总结 针对智能体控制策略进化中验证成本高的问题，提出HarnessLens框架，通过行为感知的选择性验证，在提升保留任务性能的同时大幅降低评估预算。

Comments 17 pages, 6 figures