University of Chinese Academy of Sciences（中国科学院大学）

ResRL: Boosting LLM Reasoning via Negative Sample Projection Residual Reinforcement Learning

ResRL: 通过负样本投影残差强化学习提升大语言模型推理能力

Zihan Lin, Xiaohan Wang, Jie Cao, Jiajun Chai, Li Wang, Xiaodong Lu, Wei Lin, Ran He, Guojun Yin

机构 * MAIS\&NLPR, Institute of Automation, Chinese Academy of Sciences, Beijing, China（MAIS与NLPR，自动化研究所，中国科学院，北京，中国） ； School of Advanced Interdisciplinary Sciences, University of Chinese Academy of Sciences, Beijing, China（先进交叉学科学院，中国科学院大学，北京，中国） 纠错

AI总结 本文提出ResRL，通过解耦正负响应的语义分布，提升LLM推理能力同时保持生成多样性，在十二个基准测试中超越强基线，尤其在数学推理上表现更优。

Comments Accepted to ICML 2026. Preprint version. https://github.com/1229095296/ResRL.git

Unveiling Fine-Grained Visual Traces: Evaluating Multimodal Interleaved Reasoning Chains in Multimodal STEM Tasks

揭示细粒度视觉痕迹：评估多模态交错推理链在多模态STEM任务中的表现

Jing Jin, Hao Liu, Yan Bai, Yihang Lou, Zhenke Wang, Tianrun Yuan, Juntong Chen, Yongkang Zhu, Fanhu Zeng, Xuanyu Zhu, Tao Feng, Yige Xu

机构 * Tsinghua University（清华大学） ； Meituan Inc（美团公司） ； Central South University（中南大学） ； Peking University（北京大学） ； University of Chinese Academy of Sciences（中国科学院大学） ； Nanyang Technological University（南洋理工大学） 纠错

AI总结 本文提出StepSTEM基准，通过严格筛选的283个STEM问题，评估多模态大语言模型的跨模态推理能力，发现现有模型仍依赖文本推理，揭示了真实跨模态STEM推理的潜力。

Versatile yet Efficient Network Traffic Analysis: Offloading Network Foundation Model to SmartNIC

多功能且高效的网络流量分析：将网络基础模型卸载到智能网卡

Chungang Lin, Xuying Meng, Tianyu Zuo, Weiyao Zhang, Meng Shen, Ruijie Zhao, Guanming Che, Ruiqi Meng, Ziyue Huang, Haitong Luo, Zhiwei Xu, Yujun Zhang

机构 * Institute of Computing Technology, Chinese Academy of Sciences, China（中国科学院计算技术研究所） ； University of Chinese Academy of Sciences, China（中国科学院大学） ； University of Virginia, USA（弗吉尼亚大学） ； Beijing Institute of Technology, China（北京理工大学） ； Southeast University, China（东南大学） ； Northeastern University, China（东北大学） ； Haihe Lab of ITAI, China（ITAI海河实验室） ； Corresponding authors（通讯作者） 纠错

AI总结 本文提出Nepco系统，通过将网络基础模型卸载到智能网卡，实现多功能且高效的网络流量分析，减少端到端延迟。

Comments Under review

How Far Is Document Parsing from Solved? PureDocBench: A Source-TraceableBenchmark across Clean, Degraded, and Real-World Settings

文档解析距离解决还有多远？PureDocBench：一个跨干净、退化和现实场景的可追溯基准测试

Zhiheng Li, Zongyang Ma, Jiaxian Chen, Jianing Zhang, Zhaolong Su, Yutong Zhang, Zhiyin Yu, Ruiqi Liu, Xiaolei Lv, Bo Li, Jun Gao, Ziqi Zhang, Chunfeng Yuan, Bing Li, Weiming Hu

机构 * CASIA（中国科学院自动化研究所） ； UCAS（中国科学技术大学） ； NWPU（西北工业大学） ； JLU（吉林大学） ； USTC（中国科学技术大学） ； PKU（北京大学） ； HelloGroup ； ShanghaiTech（上海科技大学） ； Beijing Key Laboratory of Super Intelligent Security of Multi-Modal Information（北京多模态信息超级智能安全重点实验室） 纠错

AI总结 本文提出PureDocBench，一个可追溯的基准测试，覆盖10个领域、66个子类和1475页文档，包含清洁、数字退化和现实退化三种版本。评估40种模型发现，文档解析尚未解决，最佳模型得分仅74分，公式识别仍是瓶颈，通用VLM在退化下表现不如专用模型。

Comments 42 pages, 20 figures, 16 tables

OrchJail: Jailbreaking Tool-Calling Text-to-Image Agents by Orchestration-Guided Fuzzing

OrchJail：通过协调引导的模糊测试对工具调用文本到图像代理进行劫持

Jianming Chen, Yawen Wang, Junjie Wang, Zhe Liu, Qing Wang, Fanjiang Xu

机构 * Institute of Software, Chinese Academy of Sciences, Beijing, China ； Science \& Technology on Integrated Information System Laboratory, Beijing, China ； State Key Laboratory of Complex System Modeling ； University of Chinese Academy of Sciences, Beijing, China 纠错

AI总结 研究提出OrchJail框架，通过协调引导的模糊测试方法提升对工具调用文本到图像代理的劫持效果，实现更高的攻击成功率和图像质量，同时降低查询成本。

Journal ref ICML 2026

SOM: Structured Opponent Modeling for LLM-based Agents via Structural Causal Model

基于结构因果模型的对手建模：通过结构因果模型实现基于大语言模型的智能体

Shiyue Cao, Pei Xu, Likun Yang, Lei Cui, Xiaotang Chen, Kaiqi Huang

机构 * School of Artificial Intelligence, University of Chinese Academy of Sciences \& Institute of Automation, Chinese Academy of Sciences Beijing China ； National Key Laboratory of Cognition ； Decision Intelligence for Complex Systems, Institute of Automation, Chinese Academy of Sciences Beijing China ； School of Artificial Intelligence, University of Chinese Academy of Sciences Beijing China ； Institute of Automation, Chinese Academy of Sciences Beijing China ； School of Artificial Intelligence, University of Chinese Academy of Sciences \& Institute of Automation, Chinese Academy of Sciences ； Decision Intelligence for Complex Systems, Institute of Automation, Chinese Academy of Sciences ； School of Artificial Intelligence, University of Chinese Academy of Sciences ； Institute of Automation, Chinese Academy of Sciences 纠错

AI总结 本文提出SOM框架，通过结构因果模型明确分离对手建模与预测，提升多智能体环境中的预测准确性和适应性。

Repeated Deceptive Path Planning against Learnable Observer

针对可学习观察者的重复欺骗路径规划

Shiyue Cao, Pei Xu, Likun Yang, Lei Cui, Shizhao Yu, Shiyu Zhang, Yongjian Ren, Xiaotang Chen, Kaiqi Huang

机构 * School of Artificial Intelligence, University of Chinese Academy of Sciences（中国科学院大学人工智能学院） ； National Key Laboratory of Cognition and Decision Intelligence for Complex Systems, Institution of Automation, Chinese Academy of Sciences（中国科学院复杂系统认知与决策智能国家重点实验室） 纠错

AI总结 本文提出DeMP框架，通过双层优化应对可学习观察者的适应性，提升欺骗持续性，实验显示其在重复欺骗路径规划中表现优异。

Comments Full version of the extended abstract accepted at AAMAS 2026

Beyond Reasoning: Reinforcement Learning Unlocks Parametric Knowledge in LLMs

超越推理：强化学习解锁大语言模型中的参数知识

Wanli Yang, Hongyu Zang, Junwei Zhang, Wenjie Shi, Du Su, Jingang Wang, Xueqi Cheng, Fei Sun

机构 * State Key Laboratory of AI Safety, Institute of Computing Technology, CAS University of Chinese Academy of Sciences（人工智能安全国家重点实验室，计算技术研究所，中国科学院，中国科学院大学） 纠错

AI总结 本文研究强化学习在零样本、单跳、封闭书 QA 任务中提升参数知识直接回忆的能力，发现其平均相对提升达27%，揭示 RL 通过重新分配概率质量解锁潜在知识而非获取新事实。

LKV: End-to-End Learning of Head-wise Budgets and Token Selection for LLM KV Cache Eviction

LKV：端到端学习头部预算和令牌选择以LLM KV缓存淘汰

Enshuai Zhou, Yifan Hao, Chao Wang, Rui Zhang, Di Huang, Jiaming Guo, Xing Hu, Zidong Du, Qi Guo, Yunji Chen

机构 * University of Science and Technology of China（中国科学技术大学） ； State Key Lab of Processors, Institute of Computing Technology, CAS, Beijing, China（中国科学院计算技术研究所过程器重点实验室，北京，中国） ； University of Chinese Academy of Sciences, Beijing, China（中国科学院大学，北京，中国） 纠错

AI总结 本文提出LKV，通过端到端可微优化问题实现KV缓存压缩，学习任务优化全局预算和内在KV重要性，提升长上下文推理性能。

XDecomposer: Learning Prior-Free Set Decomposition for Multiphase X-ray Diffraction

XDecomposer：学习无先验的多相X射线衍射集分解

Hanyu Gao, Bin Cao, Yunyue Su, Tong-Yi Zhang, Qiang Liu

机构 * New Laboratory of Pattern Recognition (NLPR), Institute of Automation, Chinese Academy of Sciences (CASIA)（中国科学院自动化研究所新型模式识别实验室） ； School of Advanced Interdisciplinary Sciences, University of Chinese Academy of Sciences（中国科学院大学先进交叉学科学院） ； Guangzhou Municipal Key Laboratory of Materials Informatics, The Hong Kong University of Science and Technology (Guangzhou)（广州市材料信息学重点实验室，香港科技大学（广州）） ； Green Dynamics, Australia（澳大利亚绿动公司） 纠错

AI总结 XDecomposer通过无先验假设的方法，实现多相X射线衍射模式的联合分解与识别，无需候选相列表或结构模板，提升重建准确性和相识别能力。

Comments 28pages, 8figures, 6tables

AdaSpark: Adaptive Sparsity for Efficient Long-Video Understanding

AdaSpark: 为高效长视频理解设计的自适应稀疏性

Handong Li, Zikang Liu, Longteng Guo, Tongtian Yue, Yepeng Tang, Xinxin Zhu, Chuanyang Zheng, Ziming Wang, Zhibin Wang, Jun Song, Cheng Yu, Bo Zheng, Jing Liu

机构 * School of Artificial Intelligence, University of Chinese Academy of Sciences（中国科学院大学人工智能学院） ； Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所） ； Alibaba Group Holding Limited（阿里巴巴集团控股有限公司） ； Future Living Lab of Alibaba（阿里巴巴未来生活实验室） 纠错

AI总结 AdaSpark通过自适应稀疏框架减少计算负载达57% FLOPs，保持性能并保留细粒度长程依赖，适用于小时级视频基准测试。

Comments 8 pages, CVPR2026 Accept (Highlight)

Journal ref Proceedings of the IEEE/CVF Computer Vision and Pattern Recognition (CVPR), 2026

Flexible Entropy Control in RLVR with a Gradient-Preserving Perspective

在RLVR中采用梯度保持视角实现灵活熵控制

Kun Chen, Peng Shi, Fanfan Liu, Haibo Qiu, Zhixiong Zeng, Siqi Yang, Wenji Mao

机构 * School of Artificial Intelligence, University of Chinese Academy of Sciences（中国科学院大学人工智能学院） ； MAIS, Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所MAIS） ； Meituan（美团） 纠错

AI总结 本文从梯度保持裁剪角度出发，提出动态裁剪阈值机制和动态熵控制策略，有效缓解熵崩溃问题并提升多基准性能。

Comments https://github.com/Kwen-Chen/Flexible-Entropy-Control

WorldCup Sampling for Multi-bit LLM Watermarking

多比特LLM水印的WorldCup采样

Yidan Wang, Yubing Ren, Yanan Cao, Li Guo

机构 * Institute of Information Engineering, Chinese Academy of Sciences（中国科学院信息工程研究所） ； School of Cyber Security, University of Chinese Academy of Sciences（中国科学院大学网络与信息安全学院） 纠错

AI总结 本文提出WorldCup框架，通过结构化通信通道建模和分层竞争机制实现多比特水印嵌入，提升文本质量和解码鲁棒性，实验表明其在容量、检测性、鲁棒性等方面优于现有方法。

Latent Reasoning VLA: Latent Thinking and Prediction for Vision-Language-Action Models

隐式推理VLA：面向视觉-语言-动作模型的隐式思考与预测

Shuanghao Bai, Jing Lyu, Wanqi Zhou, Zhe Li, Dakai Wang, Lei Xing, Xiaoguang Zhao, Pengwei Wang, Zhongyuan Wang, Cheng Chi, Badong Chen, Shanghang Zhang

机构 * Institute of Artificial Intelligence and Robotics, Xi’an Jiaotong University（西安交通大学人工智能与机器人研究院） ； Beijing Academy of Artificial Intelligence（北京人工智能研究院） ； Institute of Automation, University of Chinese Academy of Sciences（中国科学院自动化研究所） ； School of Artificial Intelligence, University of Chinese Academy of Sciences（中国科学院大学人工智能学院） 纠错

AI总结 本文提出LaRA-VLA框架，通过连续潜在表示实现多模态推理，减少推理开销，提升机器人实时控制效率。

Comments Accepted by ICML 2026

MemSearcher: Training LLMs to Reason, Search and Manage Memory via End-to-End Reinforcement Learning

MemSearcher：通过端到端强化学习训练LLM进行推理、搜索和管理内存

Qianhao Yuan, Jie Lou, Zichao Li, Jiawei Chen, Yaojie Lu, Hongyu Lin, Le Sun, Debing Zhang, Xianpei Han

机构 * Chinese Information Processing Laboratory, Institute of Software, Chinese Academy of Sciences, Beijing, China（中国科学院软件研究所信息处理实验室，北京，中国） ； University of Chinese Academy of Sciences, Beijing, China（中国科学院大学，北京，中国） ； Xiaohongshu Inc（小红书公司） 纠错

AI总结 MemSearcher通过端到端强化学习训练LLM进行推理、搜索和内存管理，通过维护紧凑的记忆在多轮交互中保持上下文长度稳定，优于基于历史拼接的基线方法。

Comments Accepted to ACL 2026

ChatSearch: a Dataset and a Generative Retrieval Model for General Conversational Image Retrieval

ChatSearch: 一个用于通用对话图像检索的数据集和生成检索模型

Zijia Zhao, Longteng Guo, Tongtian Yue, Erdong Hu, Shuai Shao, Zehuan Yuan, Hua Huang, Jing Liu

机构 * The Laboratory of Cognition and Decision Intelligence for Complex Systems, Institute of Automation, Chinese Academy of Sciences（认知与决策智能复杂系统实验室，自动化研究所，中国科学院） ； School of Artificial Intelligence, University of Chinese Academy of Sciences（中国科学院大学人工智能学院） ； Bytedance Inc.（字节跳动公司） ； School of Artificial Intelligence, Beijing Normal University（北京师范大学人工智能学院） 纠错

AI总结 本文提出ChatSearch数据集和生成检索模型，用于开放领域图像的对话式检索，通过多轮多模态对话上下文查询提升检索准确性。

Journal ref Pattern Recognition, 167 (2025) 111696