Preference Goal Tuning: Post-Training as Latent Control for Frozen Policies
偏好目标微调：冻结策略的后训练作为潜在控制
机构 * Peking University（北京大学） ； Tencent AI Lab（腾讯AI实验室）
AI总结 本文提出偏好目标微调（PGT），通过冻结策略并优化潜在目标，使策略在无监督下适应任务偏好，实现在Minecraft SkillForge基准上显著提升性能。
高校专区
Peking University（北京大学）
PPLLaVA: Varied Video Sequence Understanding With Prompt Guidance
PPLLaVA：通过提示引导的视频序列理解
机构 * Peng Cheng Laboratory（鹏城实验室） ； Peking University（北京大学） ； XPeng Inc.（小鹏汽车有限公司） ； Ministry of Industry and Information Technology of the People’s Republic of China, China Electronics Standardization Institute, Beijing, China（中华人民共和国工业和信息化部，中国电子标准化研究院，北京，中国）
AI总结 PPLLaVA通过提示引导的池化策略实现视频序列高效理解，减少18倍token，提升推理效率并在多种视频理解任务中取得最佳性能。
Comments Accepted to ICLR' 26
Near-optimal and Efficient First-Order Algorithm for Multi-Task Learning with Shared Linear Representation
近优且高效的多任务学习共享线性表示一阶算法
机构 * State Key Lab of General AI, School of Intelligence Science and Technology, Peking University, China（人工智能国家重点实验室，智能科学与技术学院，北京大学，中国） ； School of Mathematical Sciences, Peking University, China（数学科学学院，北京大学，中国） ； Institute for Artificial Intelligence, Peking University, China（人工智能研究院，北京大学，中国）
AI总结 本文提出一种高效一阶算法，用于多任务学习中的共享线性表示学习，保证在$\widetilde{\mathcal{O}}(1)$次迭代内收敛，并达到近最优的估计误差。
LIMSSR: LLM-Driven Sequence-to-Score Reasoning under Training-Time Incomplete Multimodal Observations
LIMSSR：基于大语言模型的训练时不完整多模态观察下的序列到评分推理
机构 * Fujian Provincial Key Laboratory of Networking Computing（网络计算与智能信息处理福建省重点实验室） ； Intelligent Information Processing, College of Computer（智能信息处理学院） ； Data Science, Fuzhou University（数据科学，福州大学） ； Engineering Research Center of Big Data Intelligence, Ministry of Education（大数据智能工程研究中心，教育部） ； Wangxuan Institute of Computer Technology, Peking University（王宣计算机技术研究所，北京大学）
AI总结 本文提出LIMSSR框架，通过提示引导的上下文感知模态补全和多维表示融合，解决训练时不完整多模态数据下的序列到评分推理问题，并在三个动作质量评估数据集上验证了其有效性。
Comments ICML 2026 [Spotlight]
SiriusHelper: An LLM Agent-Based Operations Assistant for Big Data Platforms
SiriusHelper：一种基于LLM代理的大数据平台操作助手
机构 * TEG, Tencent Inc.（腾讯科技（TEG）） ； School of Computer Science, Peking University（北京大学计算机学院）
AI总结 SiriusHelper通过统一在线助手自动识别用户意图并路由查询，结合深度搜索机制和优先级知识库，提升回答可靠性与响应速度，减少专家负担，实测降低20.8%的在线工单量。
Intern-Atlas: A Methodological Evolution Graph as Research Infrastructure for AI Scientists
Intern-Atlas：一种方法论进化图作为人工智能科学家的研究基础设施
机构 * Shanghai Artificial Intelligence Laboratory（上海人工智能实验室） ； Peking University（北京大学） ； Xi'an Jiaotong University（西安交通大学） ； Zhejiang University（浙江大学） ； East China Normal University（华东师范大学） ； Hunan University（湖南大学） ； Shanghai Jiao Tong University（上海交通大学） ； Shanghai University（上海大学） ； University of Chinese Academy of Sciences（中国科学院大学）
AI总结 Intern-Atlas通过构建方法论进化图，自动识别方法实体，推断方法间的关系，并捕捉驱动创新过渡的瓶颈，为AI研究提供因果网络支持。
Comments 25 pages, 5 figures, 8 tables
Claw-Eval-Live: A Live Agent Benchmark for Evolving Real-World Workflows
Claw-Eval-Live: 一个用于评估进化现实工作流的活体代理基准
机构 * The Chinese University of Hong Kong（香港中文大学） ； The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳）） ； South China University of Technology（华南理工大学） ； Xiamen University（厦门大学） ； Peking University（北京大学） ； The Hong Kong University of Science and Technology（香港科学与技术大学） ； The University of Hong Kong（香港大学）
AI总结 本文提出Claw-Eval-Live活体基准，通过分离可刷新信号层和可复现的发布快照，评估代理在动态工作流需求下的表现，发现可靠工作流自动化仍待解决，领先模型仅完成66.7%的任务。
Comments Project page: https://claw-eval-live.github.io
Placing Puzzle Pieces Where They Matter: A Question Augmentation Framework for Reinforcement Learning
将拼图碎片放在关键位置：一种用于强化学习的问题增强框架
机构 * Tsinghua University（清华大学） ； Fudan University（复旦大学） ； Peking University（北京大学）
AI总结 本文提出PieceHint框架，通过战略性提供关键推理步骤，解决强化学习中训练易问题过拟合和训练难问题奖励稀疏的问题，实验表明其在数学推理基准上性能优异且保持pass@k多样性。
