Look Before You Leap: Autonomous Exploration for LLM Agents
先看再跳：面向LLM代理的自主探索
机构 * University of Science and Technology of China（中国科学技术大学） ； Meituan（美团）
AI总结 本文提出自主探索能力，通过探索检查点覆盖率指标，改进LLM代理在陌生环境中的适应性，采用探索与执行交替训练策略，提升任务执行的泛化能力。
高校专区
University of Science and Technology of China（中国科学技术大学）
Multi-Level Contextual Token Relation Modeling for Machine-Generated Text Detection
多级上下文令牌关系建模用于机器生成文本检测
机构 * Department of Computer Science, Hong Kong Baptist University（香港 Baptist 大学计算机科学系） ； School of Software Engineering, South China University of Technology（华南理工大学软件学院） ； School of Computer Science and Technology, University of Science and Technology of China（中国科学技术大学计算机科学与技术学院） ； State Key Laboratory of Cognitive Intelligence（认知智能国家重点实验室）
AI总结 本文提出多级上下文令牌关系建模框架，通过局部校准和全局规则推理模块提升机器生成文本检测性能，实验显示在多种实际场景中效果显著。
VideoSeeker: Incentivizing Instance-level Video Understanding via Native Agentic Tool Invocation
VideoSeeker：通过原生代理工具调用激励实例级视频理解
机构 * University of Science and Technology of China（中国科学技术大学） ； Xiaohongshu Inc.（小红书公司） ； East China Normal University（华东师范大学） ； Xi’an Jiaotong University（西安交通大学）
AI总结 VideoSeeker通过整合代理推理与实例级视频理解任务，提升视频理解精度，实验表明其在实例级任务中比基线模型提升13.7%，超越GPT-4o和Gemini-2.5-Pro。
Comments Project Page: https://gaotiexinqu.github.io/VideoSeeker/
From Failure to Feedback: Group Revision Unlocks Hard Cases in Object-Level Grounding
从失败到反馈：群体修订解锁对象级 grounding 的难题
机构 * Department of Engineering Science, University of Oxford（牛津大学工程科学系） ； Australian Institute for Machine Learning, Adelaide University（阿德莱德大学人工智能研究所） ； Technical University of Munich（慕尼黑技术大学） ； University of Science and Technology of China（中国科学技术大学） ； Cornell University（康奈尔大学）
AI总结 本文提出群体修订优化方法，通过生成改进候选响应提升硬案例学习效果，改进奖励和优势函数以增强高质量修订影响，优于现有GRPO方法。
Comments 8 pages, 5 figures, IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR), 2026
AOT-POT: Adaptive Operator Transformation for Large-Scale PDE Pre-training
AOT-POT：面向大规模PDE预训练的自适应算子变换
机构 * University of Science and Technology of China（中国科学技术大学） ； Shanghai AI Laboratory（上海人工智能实验室） ； Department of Electronic Engineering, Tsinghua University, China（清华大学电子工程系）
AI总结 本文提出AOT-POT方法，通过自适应算子变换将复杂多样的PDE解算子转化为统一形式，提升预训练效果，实验表明其在12个PDE基准上表现优异，参数仅增加3%。
CLOVER: Closed-Loop Value Estimation and Ranking for End-to-End Autonomous Driving Planning
CLOVER：端到端自动驾驶规划的闭环价值估计与排序
机构 * Department of Automation, University of Science and Technology of China（中国科学技术大学自动化系） ； Institute for AI Industry Research, Tsinghua University（清华大学人工智能产业研究院） ； School of Electronic Information Engineering, Beihang University（北航电子信息技术学院） ； National College for Excellent Engineers, Beihang University（北航卓越工程师学院）
AI总结 CLOVER通过闭环价值估计与排序框架，解决端到端自动驾驶规划中训练与评估不匹配的问题，通过生成器和评分器的轻量级架构提升规划器性能，实现更准确的候选轨迹排序。
FutureWorld: A Live Reinforcement Learning Environment for Predictive Agents with Real-World Outcome Rewards
FutureWorld: 一个用于预测代理的实时强化学习环境，具有现实世界结果奖励
机构 * College of Software, Nankai University（南开大学软件学院） ； Academy of Mathematics and Systems Science, Chinese Academy of Sciences（中国科学院数学与系统科学研究院） ； School of Computer Science and Technology, University of Science and Technology of China（中国科学技术大学计算机科学与技术学院） ； Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所） ； IIIS, Tsinghua University（清华大学智能系统与信息工程研究院） ； Zhongguancun Academy, Beijing, China（北京中关村学院）
AI总结 本文提出FutureWorld，一个实时强化学习环境，通过闭环预测、结果实现与参数更新，提升预测准确性与校准能力。
Comments The code will be released in the near future. The experiments are currently ongoing
TVRN: Invertible Neural Networks for Compression-Aware Temporal Video Rescaling
TVRN：用于压缩感知的可逆神经网络时间视频重采样
机构 * MOE Key Laboratory of Brain-Inspired Intelligent Perception and Cognition（教育部脑科学与智能感知认知重点实验室） ； University of Science and Technology of China（中国科学技术大学） ； Information Science and Technology Institution（信息科学与技术研究所） ； MCC Lab（MCC实验室）
AI总结 本文提出TVRN框架，通过可逆架构和学习到的排名策略，解决压缩感知下的时间视频重采样问题，提升重建质量。
Comments Accepted by IEEE Transactions on Image Processing
Gaussian Relational Graph Transformer
高斯关系图变换器
机构 * School of Artificial Intelligence and Data Science, University of Science and Technology of China（中国科学技术大学人工智能与数据科学学院） ； School of Biomedical Engineering, USTC（中国科学技术大学生物医学工程学院） ； Data Darkness Lab, Suzhou Institute for Advanced Research, USTC（中国科学技术大学苏州市先进研究机构数据暗室） ； Chinese Academy of Sciences（中国科学院）
AI总结 本文提出GelGT，通过结构-语义协作采样和高斯图注意力机制，解决关系图模型中长距离依赖和多信息联合建模问题，实验显示在多个真实数据集上达到最先进的预测性能。
Unlocking Complex Visual Generation via Closed-Loop Verified Reasoning
通过闭环验证推理解锁复杂视觉生成
机构 * University of Science and Technology of China（中国科学技术大学）
AI总结 本文提出CLVR框架，结合视觉语言逻辑规划与像素级扩散生成，通过自动化数据引擎和PPRL解决多步推理中的优化问题，同时引入DSWM降低推理成本，实验表明其在多个基准上优于开源模型，实现了复杂视觉生成的扩展能力。
Drawback of Enforcing Equivariance and its Compensation via the Lens of Expressive Power
强制等变性的弊端及其通过表达能力的视角进行补偿
机构 * University of Science and Technology of China（中国科学技术大学） ； University of Edinburgh（爱丁堡大学） ； Nanyang Technological University（南洋理工大学）
AI总结 本文研究了强制等变性对表达能力的影响，发现其会降低表达能力，但通过扩大模型规模可补偿，并证明了补偿所需的规模上限，同时发现扩大后的架构具有更优的泛化能力。
Seeing What Matters: Visual Preference Policy Optimization for Visual Generation
看见重要之物：面向视觉生成的视觉偏好策略优化
机构 * Southeast University（东南大学） ； Institute of Artificial Intelligence (TeleAI), China Telecom（人工智能研究院（TeleAI），中国电信） ； University of Science and Technology of China（中国科学技术大学）
AI总结 本文提出ViPO，一种改进的GRPO方法，通过结构化像素级优势图提升视觉生成的对齐和泛化能力，优于传统GRPO。
Beyond Sunk Costs: Boosting LLM Pre-training Efficiency via Orthogonal Growth of Mixture-of-Experts
超越沉没成本：通过专家混合的正交增长提升LLM预训练效率
机构 * ustc（中国科学技术大学） ； msra（微软亚洲研究院） ； stju（上海交通大学） ； xmu（厦门大学）
AI总结 本文提出正交增长策略，通过优化专家混合模型的深度和宽度，提升LLM预训练效率，实验证明在相同计算预算下，模型准确率提升10.6%。
Comments Accepted to ICML 2026
Optimizing Large Language Model Training Using FP4 Quantization
使用FP4量化优化大型语言模型训练
机构 * University of Science and Technology of China（科学技术大学） ； Microsoft Research Asia（微软亚洲研究院） ； Microsoft SIGMA Team（微软SIGMA团队）
AI总结 本文提出首个FP4训练框架，通过可微量化估计器和异常值钳制补偿策略，解决量化误差和表示能力限制问题，实现与BF16和FP8相近的精度，适用于大规模语言模型训练。
Journal ref Proceedings of the 42nd International Conference on Machine Learning, PMLR 267:62937-62957, 2025
