Meituan（美团）

Personalized Turn-Level User Conversation Satisfaction Benchmark

个性化轮级用户对话满意度基准

Zhefan Wang, Zhiqiang Guo, Weizhi Ma, Min Zhang, Quanjia Yan, Hengliang Luo

机构 * Department of Computer Science and Technology, Tsinghua University, Beijing, China.（清华大学计算机科学与技术系，北京，中国） ； Institute for AI Industry Research, Tsinghua University, Beijing, China.（清华大学人工智能产业研究院，北京，中国） ； Meituan（美团） 纠错

AI总结 针对AI助手响应的个性化满意度评估问题，提出结合用户记忆与目标轮上下文的满意度评估器，并构建PersTurnBench基准，通过回放实现生成模型的受控比较。

Teacher-Guided Policy Optimization for On-Policy Reasoning Distillation under Large Policy Divergence

教师引导的策略优化：大策略差异下的在线推理蒸馏

Xinyu Liu, Kechen Jiao, Chunyang Xiao, Runsong Zhao, Junhao Ruan, Bei Li, Jiahao Liu, Qifan Wang, Xin Chen, Jingang Wang, Chenglong Wang, Tong Xiao, JingBo Zhu

机构 * School of Computer Science and Engineering, Northeastern University, China（东北大学计算机科学与工程学院） ； Tsinghua University（清华大学） ； Meituan（美团） ； Meta AI ； NiuTrans Research, Shenyang, China（新译研究院，沈阳，中国） 纠错

AI总结 针对在线蒸馏中教师与学生策略差异大时反向KL监督失效的问题，提出教师引导策略优化（TGPO），通过教师直接指导学生上下文的token级生成并结合RLVR奖励，在推理基准上优于现有方法。

MemoSight: Unifying Context Compression and Multi Token Prediction for Reasoning Acceleration

MemoSight: 统一上下文压缩与多令牌预测以加速推理

Xinyu Liu, Xin Liu, Bo Jin, Runsong Zhao, Pengcheng Huang, Junhao Ruan, Bei Li, Chunyang Xiao, Chenglong Wang, Tong Xiao, Jingbo Zhu

机构 * School of Computer Science and Engineering, Northeastern University, China（东北大学计算机科学与工程学院） ； Meituan Inc.（美团公司） ； NiuTrans Research, Shenyang, China（牛译研所） 纠错

AI总结 提出 MemoSight 框架，通过特殊令牌和位置布局统一上下文压缩与多令牌预测，在保持思维链推理性能的同时减少 KV 缓存使用并提升推理速度。