Huazhong University of Science and Technology（华中科技大学）

AgentV-RL: Scaling Reward Modeling with Agentic Verifier

AgentV-RL: 通过代理验证器扩展奖励建模

Jiazheng Zhang, Ziche Fu, Zhiheng Xi, Wenqing Jing, Mingxu Chai, Wei He, Guoqiang Zhang, Chenghao Fan, Chenxin An, Wenxiang Chen, Zhicheng Liu, Haojie Pan, Dingwei Zhu, Tao Gui, Qi Zhang, Xuanjing Huang

机构 * 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） ； Huazhong University of Science and Technology（华中科技大学） ； The University of Hong Kong（香港大学） ； ByteDance Seed（字节跳动种子） ； Institute of Trustworthy Embodied AI, Fudan University（复旦大学可信具身人工智能研究院） ； Shanghai Key Laboratory of Multimodal Embodied AI（上海多模态具身人工智能重点实验室） 纠错

AI总结 本文提出Agentic Verifier框架，通过多轮工具增强的反思过程提升奖励建模效果，实验显示其在并行和顺序TTS任务中表现优异，4B变体超越现有最优ORMs 25.2%。

Comments ACL 2026

ArrayTac: A Closed-loop Piezoelectric Tactile Platform for Continuously Tunable Rendering of Shape, Stiffness, and Friction

ArrayTac: 一种闭环压电触觉平台，用于连续可调的形状、刚度和摩擦力渲染

Tianhai Liang, Shiyi Guo, Baiye Cheng, Zhengrong Xue, Han Zhang, Huazhe Xu

机构 * Institute for Interdisciplinary Information Sciences, Tsinghua University（清华大学交叉信息研究院） ； Shanghai Qi Zhi Institute（上海启智研究院） ； Pokebot Inc.（Pokebot公司） ； School of Electronic Information and Communications, Huazhong University of Science and Technology（华中科技大学电子信息与通信学院） 纠错

AI总结 ArrayTac通过4x4驱动器阵列实现形状、刚度和摩擦力的连续可调高保真触觉渲染，展示了在心理物理实验中触觉识别和远程触觉感知的能力。

Comments Project website: https://arraytac.github.io/

DriveLaW:Unifying Planning and Video Generation in a Latent Driving World

DriveLaW：在潜在驾驶世界中统一规划与视频生成

Tianze Xia, Yongkang Li, Lijun Zhou, Jingfeng Yao, Kaixin Xiong, Haiyang Sun, Bing Wang, Kun Ma, Guang Chen, Hangjun Ye, Wenyu Liu, Xinggang Wang

机构 * Huazhong University of Science and Technology（华中科技大学） ； Xiaomi EV（小米电动车） 纠错

AI总结 DriveLaW通过统一视频生成与运动规划，提升自动驾驶中的预测与规划性能，实现视频生成与轨迹规划的一致性，取得新的state-of-the-art结果。

Comments 18 pages, 6 figures, CVPR 2026

WARBERT: A Hierarchical BERT-based Model for Web API Recommendation

WARBERT：一种基于BERT的分层模型用于Web API推荐

Zishuo Xu, Yuhong Gu, Dezhong Yao

机构 * School of Software Engineering（软件工程学院） ； School of Computer Science and Technology（计算机科学与技术学院） ； Huazhong University of Science and Technology（华中科技大学） ； SmartX 纠错

AI总结 本文提出WARBERT模型，通过双组件特征融合和注意力机制解决Web API推荐中的语义模糊、语义细化不足和计算效率低问题，实验表明其在准确性和效率上均优于现有基线。