论文

Autoreason: 知晓何时停止的自我修正机制

ActiveGlasses: 通过主动视觉从自我中心视角人类演示中学习操纵技能

MegaStyle：通过一致性 Text-to-Image Style Mapping 构建多样化且可扩展的 Style Dataset

当数字开口说话：在 Text-to-Video Diffusion Models 中对齐文本数字与视觉实例

HY-Embodied-0.5：面向真实世界 Agent 的 Embodied Foundation Models

ClawBench：AI Agent 能否完成日常在线任务？

重新审视推理 SFT 中的泛化问题：基于优化、数据与模型能力的条件分析

SkillClaw：通过 Agentic Evolver 实现技能的集体进化

MDPBench：面向真实场景的多语言文档解析基准测试

TC-AE：解锁深度压缩 Autoencoders 的 Token 容量

INSPATIO-WORLD：一种基于时空 Autoregressive Modeling 的实时 4D 世界 Simulator

FlowInOne: 将多模态生成统一为“图像输入、图像输出”的 Flow Matching

MARS：赋能 Autoregressive Models 的 Multi-Token Generation

以笔触而非像素进行思考：通过交织推理实现的流程驱动型图像生成

RAGEN-2：Agentic RL 中的推理崩溃

Vanast: 通过合成三元组监督实现基于人体图像动画的虚拟试穿

ThinkTwice：面向推理与自我修正的 Large Language Models 联合优化研究

ACES：谁在测试测试集？面向代码生成任务的留一法（Leave-One-Out）AUC 一致性研究

从 Agent Trajectories 中学习检索

Claw-Eval：迈向自主 Agent 的可信 Evaluation

Video-MME-v2：迈向全面视频理解 Benchmark 的下一阶段

GrandCode: 通过 Agentic Reinforcement Learning 实现竞技编程中的 Grandmaster 水平

LIBERO-Para：针对 VLA 模型改写鲁棒性的诊断性 benchmark 与评估指标

TriAttention：基于三角函数 KV Compression 的高效长文本 Reasoning

MinerU2.5-Pro：挑战大规模数据中心化文档解析的极限

Adam's Law：Large Language Models 上的文本频率定律

OpenWorldLib：一种统一的代码库与高级 World Models 的定义

WAXAL：大规模多语言非洲语言语音语料库

DRACO：一个面向深度研究准确性、完整性与客观性的跨领域基准

HuatuoGPT-o1：迈向基于 LLM 的医学复杂推理

AgentSocialBench：评估以人为本的 Agent 社交网络中的隐私风险

InCoder-32B-Thinking：面向推理的工业级代码世界模型