Xi'an Jiaotong University（西安交通大学）

Offline Policy Optimization with Posterior Sampling

离线策略优化与后验采样

Hongqiang Lin, Dongxu Zhang, Yiding Sun, Mingzhe Li, Ning Yang, Haijun Zhang

机构 * Zhejiang University（浙江大学） ； Xi’an Jiaotong University（西安交通大学） ； Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所） ； University of Science and Technology Beijing（北京科技大学） 纠错

AI总结 本文提出PSPO方法，通过将动态建模作为贝叶斯推断过程，结合后验采样与约束策略优化，提升离线强化学习的泛化能力与鲁棒性。

Comments 25 pages, 3 figures

Task-Oriented Communication for Human Action Understanding via Edge-Cloud Co-Inference

面向任务的边缘-云协同通信用于人类动作理解

Jingyi Liu, Cheng Yuan, Lijun He, Jun Zhang, Jiawei Shao

机构 * Institute of Artificial Intelligence (TeleAI) of China Telecom（中国电信人工智能研究所） ； School of Information and Communications Engineering, Xi’an Jiaotong University（西安交通大学信息与通信工程学院） ； Department of Electronic and Computer Engineering, Hong Kong University of Science and Technology（香港科技大学电子与计算机工程系） 纠错

AI总结 本文提出TOAU框架，通过边缘-云协作减少传输负载和延迟，利用单目姿态估计器和VQ-VAE提取动作特征，提升动作理解精度。

Comments 12 pages, 6 figures

Retrieve, Integrate, and Synthesize: Spatial-Semantic Grounded Latent Visual Reasoning

检索、整合与综合：空间-语义 grounded 的潜在视觉推理

Jin Cui, Xinyue Long, Xunyong Zhang, Yadong Zhang, Chuanchang Su, Jingye Gan, Boran Zhao, Pengju Ren

机构 * State Key Laboratory of Human-Machine Hybrid Augmented Intelligence, and Institute of Artificial Intelligence and Robotics, Xi’an Jiaotong University（人机混合增强智能国家重点实验室，人工智能与机器人研究院，西安交通大学） 纠错

AI总结 本文提出RIS框架，通过空间-语义 grounded 方法改进多模态大语言模型的视觉推理，通过构建逐步 grounded 数据集并引入短语言过渡token，提升潜在状态与词汇对齐的解码能力，实验显示在多个基准上优于现有基线。

Comments 19 pages, 8 figures

QHyer: Q-conditioned Hybrid Attention-mamba Transformer for Offline Goal-conditioned RL

QHyer: 用于离线目标条件强化学习的Q-条件混合注意力-门控Transformer

Xing Lei, Jincheng Wang, Xuetao Zhang, Donglin Wang

机构 * National Key Laboratory of Human-Machine Hybrid Augmented Intelligence（人机混合增强智能国家重点实验室） ； Institute of Artificial Intelligence（人工智能研究院） ； Robotics, Xi'an Jiaotong University（机器人技术，西安交通大学） ； Computer Science, University College London（计算机科学，伦敦大学学院） ； School of Engineering, Westlake University（工程学院，西湖大学） 纠错

AI总结 本文提出QHyer，通过引入状态条件化的Q估计器和混合注意力-门控架构，解决离线目标条件强化学习中长期依赖建模和稀疏奖励下的行为拼接问题，验证了其在非马尔可夫和马尔可夫数据集上的优越性能。

Comments ICML 2026

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

ESSAM: A Novel Competitive Evolution Strategies Approach to Reinforcement Learning for Memory Efficient LLMs Fine-Tuning

ESSAM：一种用于内存高效的LLM微调的强化学习竞争进化策略方法

Zhishen Sun, Sizhe Dang, Guang Dai, Haishan Ye

机构 * Xi’an Jiaotong University（西安交通大学） ； SGIT AI Lab（SGIT人工智能实验室） 纠错

AI总结 本文提出ESSAM，结合进化策略的零阶搜索与SAM提升泛化能力，实现低内存高精度的LLM微调，实验显示其在GSM8K任务中表现优异，内存使用显著降低。