University of California, Los Angeles（加州大学洛杉矶分校）

Co-Evolution of Policy and Internal Reward for Language Agents

语言代理中策略与内部奖励的共演化

Xinyu Wang, Hanwei Wu, Jingwei Song, Shuyuan Zhang, Jiayi Zhang, Fanqi Kong, Tung Sum Thomas Kwok, Xiao-Wen Chang, Yuyu Luo, Chenglin Wu, Bang Liu

机构 * McGill University（麦吉尔大学） ； McMaster University（麦克马斯特大学） ； The University of Hong Kong（香港大学） ； The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）） ； Peking University（北京大学） ； University of California, Los Angeles（加利福尼亚大学洛杉矶分校） ； DeepWisdom（深度智慧） ； Université de Montréal（蒙特利尔大学） ； Mila（米拉研究所） 纠错

AI总结 本文提出Self-Guide方法，通过自动生成内部奖励实现推理和训练时的协同优化，提升语言代理性能。

Comments 20 pages, 13 figures

Agentic-MME: What Agentic Capability Really Brings to Multimodal Intelligence?

Agentic-MME：代理能力为多模态智能带来了什么？

Qianshan Wei, Yishan Yang, Siyi Wang, Jinglin Chen, Binyu Wang, Jiaming Wang, Shuang Chen, Zechen Li, Yang Shi, Yuqi Tang, Weining Wang, Yi Yu, Chaoyou Fu, Qi Li, Yi-Fan Zhang

机构 * CASIA（中国科学院自动化研究所） ； UCAS（中国科学院大学） ； SEU（东南大学） ； NJU（南京大学） ； PKU（北京大学） ； BUAA（北京航空航天大学） ； NTU（南洋理工大学） ； UCLA（加州大学洛杉矶分校） 纠错

AI总结 Agentic-MME通过418个真实任务评估多模态代理能力，采用过程验证方法，量化效率并验证工具调用准确性，实验显示模型在复杂任务中表现显著下降。

Sparse Bayesian Learning Algorithms Revisited: From Learning Majorizers to Structured Algorithmic Learning using Neural Networks

稀疏贝叶斯学习算法再审视：从学习majorizers到利用神经网络进行结构化算法学习

Rushabha Balaji, Kuan-Lin Chen, Danijela Cabric, Bhaskar D. Rao

机构 * University of California, Los Angeles（加州大学洛杉矶分校） ； University of California, San Diego（加州大学圣地亚哥分校） 纠错

AI总结 本文重新审视稀疏贝叶斯学习算法，通过majorization-minimization原理推导主流算法并提供收敛保证，同时结合深度学习扩展SBL算法类别，提出能超越传统方法的新型架构。

Reward-Forcing: Autoregressive Video Generation with Reward Feedback

基于奖励的强制：利用奖励反馈的自回归视频生成

Jingran Zhang, Ning Li, Yuanhao Ban, Andrew Bai, Justin Cui

机构 * University of California, San Diego（加利福尼亚大学圣迭戈分校） ； University of California, Los Angeles（加利福尼亚大学洛杉矶分校） 纠错

AI总结 本文提出一种利用奖励信号指导生成的自回归视频生成方法，提升了生成效率和可扩展性，实验表明其性能与现有自回归模型相当，甚至在某些情况下超越了双向模型。

Comments https://openreview.net/forum?id=K8Qjsxxl7y&noteId=K8Qjsxxl7y

DePT3R: Joint Dense Point Tracking and 3D Reconstruction of Dynamic Scenes in a Single Forward Pass

DePT3R：在单次前向传递中联合密集点跟踪和动态场景的3D重建

Vivek Alumootil, Tuan-Anh Vu

机构 * University of California, Los Angeles（加州大学洛杉矶分校） 纠错

AI总结 DePT3R通过提取深度时空特征和密集预测头，实现动态场景的密集点跟踪与3D重建，无需相机姿态，提升适应性和效率。

Comments This is a work in progress

ARMOR: High-Performance Semi-Structured Pruning via Adaptive Matrix Factorization

ARMOR：通过自适应矩阵分解实现高性能半结构化剪枝

Lawrence Liu, Alexander Liu, Mengdi Wang, Tuo Zhao, Lin F. Yang

机构 * University of California, Los Angeles（加利福尼亚大学洛杉矶分校） ； University of Washington（华盛顿大学） ； Princeton University（普林斯顿大学） ； Georgia Institute of Technology（佐治亚理工学院） 纠错

AI总结 ARMOR通过自适应矩阵分解技术，实现高效的半结构化剪枝，保留模型质量的同时提升压缩效率和任务准确性。

Comments ICLR 2026, code: https://github.com/LawrenceRLiu/ARMOR

Learn then Decide: A Learning Approach for Designing Data Marketplaces

先学后决：一种用于设计数据市场的学习方法

Yingqi Gao, Wenlu Xu, Jin J. Zhou, Hua Zhou, Yong Chen, Xiaowu Dai

机构 * Department of Statistics and Data Science, University of California, Los Angeles（加州大学洛杉矶分校统计与数据科学系） ； Department of Biostatistics, University of California, Los Angeles（加州大学洛杉矶分校生物统计系） ； Department of Biostatistics, University of Pennsylvania（宾夕法尼亚大学生物统计系） 纠错

AI总结 本文提出MAPP机制，通过拍卖估计投标人价值分布并确定最优定价，确保公平和适应性定价，理论分析证明其在收益优化和最小价格歧视间的平衡。