AI Agent

LLM Agents Make Collective Belief Dynamics Programmable: Challenges and Research Directions

LLM Agents Make Collective Belief Dynamics Programmable: Challenges and Research Directions

Xin He, Junxi Shen, Yuchen Mou, David M. Bossens, Caishun Chen, Ivor W. Tsang, Yew Soon Ong

专题命中 多智能体 ：agent(abstract)；AI agent(abstract)；multi-agent(abstract)

AI总结 本文研究了LLM代理如何使集体信念动态变得可编程，探讨了挑战和研究方向，通过多智能体模拟证明协调AI代理可以诱导可测量的信念变化，并识别了使检测和防御困难的四个结构性质。

Beyond Majority Voting: LLM Aggregation by Leveraging Higher-Order Information

超越多数投票：利用高阶信息进行LLM聚合

Rui Ai, Yuqi Pan, David Simchi-Levi, Milind Tambe, Haifeng Xu

机构 * Massachusetts Institute of Technology（麻省理工学院） ； School of Engineering and Applied Sciences（工程与应用科学学院） ； Harvard University（哈佛大学） ； Data Science, The University of Chicago（数据科学，芝加哥大学） 纠错

专题命中 多智能体 ：agent(abstract)；multi-agent(abstract)；分类 cs.AI、cs.LG

AI总结 本文提出Optimal Weight和Inverse Surprising Popularity两种算法，通过结合一阶和二阶信息，有效缓解多数投票的局限性，提升多智能体LLM聚合的可靠性。

Comments Accepted into ICML 2026

When Individually Calibrated Models Become Collectively Miscalibrated

当个体校准的模型成为集体不校准的

Zhaohui Wang

机构 * USC Viterbi School of Engineering（南加州大学维特比工程学院） 纠错

专题命中 多智能体 ：agent(abstract)；multi-agent(abstract)；分类 cs.AI、cs.LG

AI总结 研究探讨了在多智能体环境中，即使每个模型都经过个体校准，聚合预测仍可能不校准的现象，提出通过VCG聚合方法解决这一问题，实现激励相容和近最优性能。

Comments 42 pages, 1 main figure, multiple tables. Accepted at ProbML 2026

DECOR: Auditing LLM Deception via Information Manipulation Theory

DECOR：通过信息操纵理论审计大语言模型的欺骗行为

Linyue Cai, Samuel Yeh, Jwala Dhamala, Rahul Gupta, Sharon Li

机构 * Department of Computer Sciences, University of Wisconsin-Madison（威斯康星大学麦迪逊分校计算机科学系） ； Amazon（亚马逊） 纠错

专题命中 多智能体 ：agent(abstract)；multi-agent(abstract)；分类 cs.CL

AI总结 本文提出DECOR框架，基于信息操纵理论，通过细粒度审计实现对大语言模型欺骗行为的有效检测，展示了其在单轮和多轮欺骗检测中的优越性能。

GAE Falls Short in Imperfect-Information Self-Play Reinforcement Learning

GAE在不完全信息自博弈强化学习中表现不足

Zhiyuan Fan, Gabriele Farina

机构 * MIT（麻省理工学院） 纠错

专题命中 多智能体 ：agent(abstract)；multi-agent(abstract)；分类 cs.LG

AI总结 本文研究了不完全信息博弈中自博弈强化学习中GAE估计器的方差问题，提出Q-boosting和VRPO算法以减少方差并提升性能。

Guiding Neuro-Symbolic Scenario Generation with Spatio-Temporal Logic

用时空逻辑引导神经符号场景生成

Lorenzo Bonin, Francesco Giacomarra, Luca Bortolussi, Jyotirmoy V. Deshmukh, Francesca Cairoli

机构 * University of Trieste（特里埃斯特大学） ； University of Southern California（南加州大学） 纠错

专题命中 多智能体 ：agent(abstract)；multi-agent(abstract)；分类 cs.LG

AI总结 本研究提出STRELGen框架，结合扩散模型和时空逻辑规范，高效生成安全关键的多智能体驾驶场景，提升自动驾驶系统的鲁棒性验证能力。

Dual-Gated Epistemic Time-Dilation: Autonomous Compute Modulation in Asynchronous MARL

双门控认知时间延缓：异步MARL中的自主计算调节

Igor Jankowski

专题命中 多智能体 ：agent(abstract)；multi-agent(abstract)；分类 cs.LG

AI总结 本文提出了一种基于双门控认知触发器的Epistemic Time-Dilation MAPPO算法，通过自主调节执行频率来提升异步MARL在边缘设备上的部署效率，实验表明该方法在减少计算开销的同时保持了中央任务主导性。

Comments 14 pages, 5 figures. Code available at: https://github.com/xaiqo/edtmappo. Related materials available on Zenodo: 10.5281/zenodo.19206838

Hunting Vulnerability Variants in AI Infra: Measurement and Reference-Driven Detection

在AI基础设施中寻找漏洞变体：测量与参考驱动的检测

Tian Dong, Yanjun Chen, Shoufeng Zhang, Huaien Zhang, Yunlong Lyu, Keke Lian, Dong Zhang, Shaofeng Li, Hao Chen

专题命中 多智能体 ：agent(abstract)；multi-agent(abstract)

AI总结 本文研究了AI基础设施中漏洞变体的测量与参考驱动检测，通过分析688个GitHub仓库和251个公开披露的漏洞，发现AI基础设施项目经常共享重叠功能和重复的漏洞模式，提出了基于参考的多智能体框架INFRASCOPE，用于自动识别和验证新的漏洞变体。

Comments 19 pages

Adaptive Threshold-Driven Continuous Greedy Method for Scalable Submodular Optimization

自适应阈值驱动的连续贪心方法用于可扩展的子模优化

Mohammadreza Rostami, Solmaz S. Kia

机构 * Department of Mechanical and Aerospace Engineering, University of California Irvine（加州大学尔湾分校机械与航空航天工程系） 纠错

专题命中 多智能体 ：agent(abstract)；分类 cs.LG

AI总结 该研究提出了一种自适应阈值驱动的连续贪心方法（ATCG），用于解决在Matroid约束下的子模最大化问题，通过动态调整活跃集扩展策略，提高了算法效率并减少了通信开销。

The Last Human-Written Paper: Agent-Native Research Artifacts

最后的人写论文：代理原研究制品

Jiachen Liu, Jiaxin Pei, Jintao Huang, Chenglei Si, Ao Qu, Xiangru Tang, Runyu Lu, Lichang Chen, Xiaoyan Bai, Haizhong Zheng, Carl Chen, Zhiyang Chen, Haojie Ye, Yujuan Fu, Zexue He, Zijian Jin, Zhenyu Zhang, Shangquan Sun, Maestro Harmon, John Dianzhuo Wang, Jianqiao Zeng, Jiachen Sun, Mingyuan Wu, Baoyu Zhou, Chenyu You, Shijian Lu, Yiming Qiu, Fan Lai, Yuan Yuan, Yao Li, Junyuan Hong, Ruihao Zhu, Beidi Chen, Alex Pentland, Ang Chen, Mosharaf Chowdhury, Zechen Zhang

专题命中 工作流自动化 ：agent(title,summary_cn)；AI agent(abstract)；分类 cs.LG

AI总结 该研究提出了一种名为Agent-Native Research Artifact (ARA)的协议，旨在解决传统科学论文在压缩研究过程为线性叙述时所导致的结构性缺陷，通过引入可执行的研究包结构，提升AI代理理解和扩展已发表工作的能力。

Comments 46 pages, 15 figures, 14 tables

Learning to Hand Off: Provably Convergent Workflow Learning under Interface Constraints

学习手柄：在接口约束下的可证明收敛的工作流学习

Jiayu Li, Enpei Zhang, Dawei Zhou, Elynn Chen, Yujun Yan

机构 * Stern School of Business（斯特恩商学院） ； New York University（纽约大学） ； Department of Computer Science（计算机科学系） ； Dartmouth College（达特茅斯学院） ； Virginia Tech（弗吉尼亚理工大学） 纠错

专题命中 工作流自动化 ：workflow(title,abstract)；agent(abstract)；multi-agent(abstract)；分类 cs.AI

AI总结 该研究探讨了在接口约束下的工作流学习问题，提出了一种异步去中心化的Q学习算法IC-Q，并给出了神经IC-Q的有限样本界，证明了在去中心化部分可观测性下的神经Q学习的第一个有限样本保证。

Agentic Discovery of Cryomicroneedle Formulations

代理发现冷冻微针制剂配方

Hao Li, Lifu Du, Nurul Hameed, Shemonti Saha Authai, Zlata Stefanovic, Chenjie Xu

机构 * Department of Biomedical Engineering, City University of Hong Kong（香港城市大学生物医学工程系） 纠错

专题命中 工作流自动化 ：agentic(title)；agent(abstract)；workflow(abstract)；分类 cs.LG

AI总结 本研究提出了一种结合文献整理、高斯过程代理建模、贝叶斯优化和顺序湿实验验证的闭环工作流程，用于发现冷冻微针的冷冻保护剂配方，通过迭代湿实验验证提高了配方的准确性和有效性。

Towards Discovery of Polymers for Insulin Delivery via Physics-Grounded Agentic Workflows

通过物理基础的代理工作流发现胰岛素输送聚合物

Martins Otun

机构 * Algonix AI Ltd.（Algonix AI有限公司） 纠错

专题命中 工作流自动化 ：agentic(title,abstract)；workflow(abstract)；分类 cs.LG

AI总结 本文提出了一种基于物理的代理工作流方法，用于发现胰岛素输送的聚合物，通过大规模语言模型和物理工具的结合，在有限预算内高效搜索离散的PSMILES空间，实现了优于强化学习和贝叶斯优化的胰岛素-聚合物相互作用能。

RooAgent: An LLM Agent for Root-Based High Energy Physics Analysis

RooAgent：基于根的高能物理分析的LLM代理

Aman Desai

专题命中 工作流自动化 ：agent(title,abstract)；workflow(abstract)

AI总结 本文提出RooAgent，一种通过自然语言接口进行根基于高能物理数据分析的LLM代理，支持两种操作模式，并实现了包括直方图检查、事件选择、动量分布可视化、拟合和显著性估计在内的多种任务。

CADDesigner: Conceptual CAD Model Generation with a General-Purpose Agent

CADDesigner: 一种通用智能体的概念CAD模型生成

Fengxiao Fan, Jingzhe Ni, Xiaolong Yin, Sirui Wang, Xingyu Lu, Qiang Zou, Ruofeng Tong, Min Tang, Peng Du

机构 * Zhejiang University（浙江大学） 纠错

专题命中 工作流自动化 ：agent(title,abstract)；分类 cs.AI、cs.CL

AI总结 本文提出CADDesigner，一种基于LLM的智能体，通过文本描述和草图输入，结合交互对话进行需求分析，生成高质量CAD模型代码，并通过迭代视觉反馈提升模型质量，实验表明其在概念CAD模型生成任务中表现优异。

PrivScope: Task-scoped Disclosure Control for Hybrid Agentic Systems

PrivScope：面向混合代理系统的任务范围披露控制

Shafizur Rahman Seeam, Zhengxiong Li, Zhiyuan Yu, Yimin, Chen, Yidan Hu

机构 * Rochester Institute of Technology（罗切斯特理工学院） ； University of Colorado Denver（科罗拉多大学丹佛分校） ； Texas A&M University（德克萨斯大学阿姆斯特朗分校） ； University of Massachusetts Lowell（马萨诸塞大学洛厄尔分校） 纠错

专题命中 工作流自动化 ：agentic(title)；workflow(abstract)；分类 cs.AI

AI总结 本文提出PrivScope，一种在本地与云语言模型之间实施任务范围披露控制的可信本地负载管理者，旨在防止在混合代理系统中因任务无关上下文、先前工作流残留信息和过于具体的敏感细节导致的过度披露问题。

From Intent to AI Pipelines: A Controlled Agentic Framework for Non-AI Expert Scientists

从意图到AI流水线：一种受领域驱动的可控代理框架，用于非AI专家科学家

Hyacinth Ali, Jessie Galasso-Carbonnel, Houari Sahraoui

机构 * University of Montreal（蒙特利尔大学） ； McGill University（麦吉尔大学） 纠错

专题命中 工作流自动化 ：agentic(title,abstract)；分类 cs.AI

AI总结 本文提出DDAP框架，通过分阶段交互帮助非AI专家科学家系统构建AI流水线及其实现代码，展示了可控代理框架在生成竞争性AI流水线方面的有效性。

Geo-Data-Driven HD Map Generation Workflow with Integrated Reference-Free Constraint-Based Verification

基于地理数据的高精地图生成工作流与集成的无参考约束验证

Ruidi He, Vaibhav Tiwari, Mohanad Al-Ghobari, Meng Zhang, Andreas Rausch

机构 * Institute for Software and Systems Engineering（软件与系统工程研究所） 纠错

专题命中 工作流自动化 ：workflow(title,abstract)

AI总结 本文提出了一种基于地理数据的高精地图生成工作流，结合了无参考约束验证，以降低对高精度参考数据的依赖，提高在缺乏专业测量数据或独立参考地图时的应用可行性。

Towards knowledge-based workflows: a semantic approach to atomistic simulations for mechanical and thermodynamic properties

迈向基于知识的工作流：一种语义方法用于机械和热力学性质的原子模拟

Abril Azocar Guzman, Hoang-Thien Luu, Sarath Menon, Tilmann Hickel, Nina Merkert, Stefan Sandfeld

机构 * Institute for Advanced Simulations – Materials Data Science and Informatics (IAS‑9)（先进模拟研究所——材料数据科学与信息学研究所） ； Forschungszentrum Jülich GmbH（吕贝克研究所） ； Institute of Metallurgy - Chair of Computational Material Sciences/Engineering（冶金研究所——计算材料科学与工程教授席位） ； Technical University of Clausthal（克莱斯特哈尔技术大学） ； Interdisciplinary Centre for Advanced Materials Simulation (ICAMS)（先进材料模拟跨学科中心） ； Ruhr-Universität Bochum（博德姆鲁尔-大学） ； Bundesanstalt für Materialforschung und -prüfung（联邦材料研究所） 纠错

专题命中 工作流自动化 ：workflow(abstract)；agentic(abstract)；分类 cs.AI、cs.SE

AI总结 本文提出了一种基于语义的方法，通过可重用的原子工作流来模拟机械和热力学性质，该方法整合了与应用本体对齐的元数据注释，从而实现自动溯源和符合FAIR原则的数据输出，展示了工作流在结构-性质关系验证中的有效性，如Hall-Petch效应，并展示了其在不同原子势能和材料中的可重用性。

PASC: Pipeline-Aware Conformal Prediction with Joint Coverage Guarantees for Multi-Stage NLP and LLM Pipelines

PASC：面向多阶段NLP和LLM流水线的管道感知置信区间

Varun Kotte

机构 * Independent Researcher（独立研究者） 纠错

专题命中 工作流自动化 ：agent(abstract)；agentic(abstract)；分类 cs.CL、cs.LG

AI总结 本文提出PASC，一种面向多阶段NLP和LLM流水线的管道感知置信区间方法，通过联合覆盖保证提升多阶段流水线的置信区间性能。

Operationalising Artificial Intelligence Bills of Materials (AIBOMs) for Verifiable AI Provenance and Lifecycle Assurance

将人工智能物料清单（AIBOM） operationalise 以实现可验证的 AI 追溯和生命周期保证

Petar Radanliev, Omar Santos, Carsten Maple, Kay Atefi

专题命中 工作流自动化 ：agent(abstract)；分类 cs.AI、cs.LG、cs.SE

AI总结 本文提出了一种扩展CycloneDX标准的AIBOM框架，用于捕捉AI特定的溯源、模型血统和披露元数据，通过结构化架构工程、密码学验证和智能体驱动自动化，实现可验证的软件溯源，展示了98.7%的可重复性保真度、96.2%的漏洞匹配精度和63%的手动监督减少，验证了自动化溯源保证和可重复AI生命周期验证的可行性。

Journal ref Front. Comput. Sci. 8:1735919 (2026)

CosFly: Plan in the Matrix, Fly in the World

CosFly：矩阵中的计划，世界中的飞行

Hanxuan Chen, Xiangyue Wang, Songsheng Cheng, Ruilong Ren, Jie Zheng, Shuai Yuan, Tianle Zeng, Hanzhong Guo, Binbo Li, Kangli Wang, Ji Pei

机构 * Autel Robotics（Autel机器人公司） ； Nanjing University（南京大学） ； Peking University（北京大学） ； Southern University of Science and Technology（南方科技大学） ； University of Hong Kong（香港大学） 纠错

专题命中 工作流自动化 ：planning(abstract)；workflow(abstract)

AI总结 本文提出CosFly，一个用于空中跟踪的盒状结构规划和多模态模拟流程，以及CosFly-Track大规模无人机数据集，用于在多样环境中动态目标跟踪。CosFly通过将复杂的3D世界转换为结构化障碍表示进行规划，然后将轨迹投影到多模态传感器数据中，并支持可配置的固定视角缩放级别。

From Observation to Prediction: LSTM for Vehicle Lane Change Forecasting on Highway On/Off-Ramps

从观测到预测：LSTM用于高速公路进出匝道的车辆车道变更预测

Mohamed Abouras, Catherine M. Elias

机构 * C-DRiVeS Lab: Cognitive Driving Research in Vehicular Systems（C-DRiVeS实验室：车载系统认知驾驶研究） ； Computer Science and Engineering Department - Faculty of Media Engineering and Technology - German University in Cairo（计算机科学与工程系 - 媒体工程与技术学院 - 埃及德国大学） 纠错

专题命中 工作流自动化 ：workflow(abstract)；分类 cs.AI、cs.LG

AI总结 本文研究了高速公路进出匝道区域与直线路段的区别，利用多层LSTM架构和ExiD无人机数据集训练模型，测试了不同预测时间范围和不同模型的工作流程，结果表明在4秒内预测准确率可达76%（匝道区域）和94%（一般高速公路场景）.

Entry-level guide to the use of large language models for medical research

大型语言模型在医学研究中应用的入门指南

Qiao Jin, Nicholas Wan, Robert Leaman, Shubo Tian, Zhizheng Wang, Yifan Yang, Zifeng Wang, Guangzhi Xiong, Po-Ting Lai, Qingqing Zhu, Benjamin Hou, Maame Sarfo-Gyamfi, Gongbo Zhang, Aidan Gilson, Balu Bhasuran, Zhe He, Aidong Zhang, Jimeng Sun, Chunhua Weng, Ronald M. Summers, Qingyu Chen, Yifan Peng, Zhiyong Lu

机构 * National Library of Medicine (NLM), National Institutes of Health (NIH)（国家医学图书馆（NLM）、国立卫生研究院（NIH）） ； Department of Computer Science, University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校计算机科学系） ； Department of Computer Science, University of Virginia（弗吉尼亚大学计算机科学系） ； Department of Biomedical Informatics, Columbia University（哥伦比亚大学生物医学信息学系） ； School of Medicine, Yale University（耶鲁大学医学院） ； School of Information, Florida State University（佛罗里达州立大学信息学院） ； Department of Radiology and Imaging Sciences, NIH Clinical Center（国立卫生研究院临床中心放射学与影像科学部） ； Department of Population Health Sciences, Weill Cornell Medicine（韦尔医学院人口健康科学系） 纠错

专题命中 工作流自动化 ：workflow(abstract)；分类 cs.AI、cs.CL

AI总结 本文提出了一套可操作的指南，帮助医疗专业人员更高效地利用大型语言模型（LLMs）进行医学研究，涵盖任务制定、模型选择、提示工程、微调和模型部署等关键步骤，确保安全可靠地将LLMs应用于临床实践。

Position: Let's Develop Data Probes to Fundamentally Understand How Data Affects LLM Performance

位置：让我们开发数据探针，以根本理解数据如何影响大语言模型性能

Shiqiang Wang, Herbert Woisetschläger, Hans Arno Jacobsen, Mingyue Ji

机构 * Department of Computer Science, University of Exeter, UK（埃克塞特大学计算机科学系） ； Technical University of Munich, Germany（慕尼黑技术大学） ； Department of Electrical and Computer Engineering, University of Toronto, Canada（多伦多大学电气与计算机工程系） ； Department of Electrical and Computer Engineering, University of Florida, FL, USA（佛罗里达大学电气与计算机工程系） 纠错

专题命中 工作流自动化 ：workflow(abstract)；分类 cs.AI、cs.LG

AI总结 本文提出通过开发数据探针系统方法生成合成序列，以揭示数据特性对大语言模型性能、泛化能力和鲁棒性的影响，从而超越经验启发式方法。

Comments Accepted to ICML 2026 Position Paper Track

Journal ref Link to ICML record: https://icml.cc/virtual/2026/poster/67154

FiLark: a streaming-first software framework for end-to-end exploration, annotation, and algorithm integration in distributed acoustic sensing

FiLark：一种面向流式处理的软件框架，用于分布式声学传感的端到端探索、标注和算法集成

Jintao Li, Weichang Li, Kai Tong, Xaingyu Guo

机构 * organization= State Key Laboratory of Ocean Sensing \& Ocean College, Zhejiang University , city= Zhoushan , postcode= 316021 , country= China ； organization= College of Information Science ； Electronic Engineering, Zhejiang University , city= Hangzhou , country= China ； organization= College of Computer Science ； Technology, Zhejiang University , city= Hangzhou , country= China 纠错

专题命中 工作流自动化 ：workflow(abstract)；分类 cs.LG

AI总结 本文提出FiLark框架，通过流式处理原则，实现分布式声学传感数据的端到端探索、标注和算法集成，解决传统批量分析框架无法处理连续高通道数据流的问题。

Can Large Language Models Revolutionize Survey Research? Experiments with Disaster Preparedness Responses

大型语言模型能否革新调查研究？与灾害准备响应的实验

Yan Wang, Ziyi Guo, Christopher McCarty

机构 * Dept. of Urban and Regional Planning & Florida Institute for Built Environment Resilience, University of Florida（城市与区域规划系及佛罗里达环境韧性研究所，佛罗里达大学） ； College of Liberal Arts and Sciences, Bureau of Economic and Business Research, University of Florida（文理学院及经济与商业研究局，佛罗里达大学） 纠错

专题命中 工作流自动化 ：workflow(abstract)；分类 cs.AI

AI总结 本文探讨了大型语言模型在调查研究中的应用，通过实验验证了其在灾害准备响应中的有效性，提出了一个五阶段框架，涵盖问卷设计、样本选择、试点测试、缺失数据填补和事后分析，并介绍了基于保护动机理论的协同出现知识图谱和七种LLM配置。

Atomistic Modeling of Chemical Disorder in Materials: Bridging Classical Methods and AI-Assisted Approaches

材料中化学无序的原子模型：连接经典方法和AI辅助方法

Jiayu Peng, Peichen Zhong

机构 * Department of Materials Design and Innovation, University at Buffalo（布法罗大学材料设计与创新系） ； Department of Materials Science and Engineering, National University of Singapore（新加坡国立大学材料科学与工程系） 纠错

专题命中 工作流自动化 ：workflow(abstract)；分类 cs.LG

AI总结 本文探讨了如何通过结合经典方法和AI技术来解决材料中化学无序的表示差距问题，重点介绍了如何利用计算方法将平均无序描述转换为具有代表性的构型集合，并平衡成本、偏差和保真度。

TGLF-WINN: Data-Efficient Deep Learning Surrogate for Turbulent Transport Modeling in Fusion

TGLF-WINN: 用于等离子体输运建模的高效深度学习替代模型

Yadi Cao, Futian Zhang, Wesley Liu, Tom Neiser, Orso Meneghini, Lawson Fuller, Sterling Smith, Raffi Nazikian, Brian Sammuli, Rose Yu

机构 * University of California, San Diego（加州大学圣地亚哥分校） ； General Atomics（通用原子公司） 纠错

专题命中 工作流自动化 ：workflow(abstract)；分类 cs.LG

AI总结 本文提出TGLF-WINN，一种数据高效的深度学习替代模型，通过三种创新方法：原理化的特征工程、物理引导的波数解析正则化和贝叶斯主动学习，提高了湍流输运建模的效率和准确性。

Comments Minor Revision responding to Nuclear Fusion reviewer and adjudicator comments (round 3)

LongLive-2.0: An NVFP4 Parallel Infrastructure for Long Video Generation

LongLive-2.0: 一个基于NVFP4的长视频生成并行基础设施

Yukang Chen, Luozhou Wang, Wei Huang, Shuai Yang, Bohan Zhang, Yicheng Xiao, Ruihang Chu, Weian Mao, Qixin Hu, Shaoteng Liu, Yuyang Zhao, Huizi Mao, Ying-Cong Chen, Enze Xie, Xiaojuan Qi, Song Han

机构 * NVIDIA 纠错

专题命中 工作流自动化 ：workflow(abstract)

AI总结 本文提出LongLive-2.0，一个基于NVFP4的并行基础设施，用于长视频生成的整个训练和推理流程，解决了速度和内存瓶颈问题。通过引入序列并行自回归训练方法，结合NVFP4精度，显著降低了GPU内存消耗并加速了训练过程。同时，该系统能够将扩散模型转换为长视频生成的自回归扩散模型，并在不同GPU架构上实现了高效的推理和训练。

Comments Code, model, and demos are available at https://github.com/NVlabs/LongLive