论文

本文提出因果强制++（Causal Forcing++），一种可扩展的少步自回归（AR）扩散蒸馏方法，用于实时交互视频生成。通过引入因果一致性蒸馏（causal CD）来初始化少步AR学生模型，无需预计算完整PF-ODE轨迹，在帧级2步设置下超越现有最先进的4步块级方法，VBench总分数提升0.1，推理延迟降低50%，训练成本减少约4倍。该方法进一步拓展到动作条件世界模型生成，为实时交互视频生成提供了高效解决方案。

本文提出SDAR方法，将在线策略自蒸馏（OPSD）作为门控辅助目标与强化学习（RL）主优化相结合，解决了多轮智能体训练中OPSD的不稳定性问题。在ALFWorld、WebShop和Search-QA任务上，SDAR相比GRPO分别提升了9.4%、10.2%和7.0%的性能，并避免了朴素GRPO+OPSD的波动性。

本文揭示了在线策略蒸馏（OPD）的高效性源于其“预见性”——在训练早期就建立稳定的更新轨迹。作者从模块分配和更新方向两个层面验证了这一发现，并提出了加速方法EffOPD，实现3倍训练加速且保持性能。

本文系统分析了AI在研究全生命周期中的应用，包括创意生成、写作、验证和传播四个阶段。研究发现AI在结构化、检索和工具辅助任务中表现可靠，但在真正新颖的创意和科学判断上仍不可靠，全自动系统尚未达到顶级会议水平。最后提供了分类体系、基准测试和实用指南。

本文提出CoRD框架，通过基于困惑度评分和束搜索的逐步推理合成，实现异构大模型协作生成高质量推理轨迹。实验表明，CoRD能以更少的监督信号达到接近教师水平的学生性能，并泛化至域外和开放场景。

本文提出HarnessAudit框架，用于审计LLM智能体执行轨迹的边界合规性、执行保真度和系统稳定性。通过构建包含210个任务的基准测试，发现任务完成率与安全执行不一致，且多智能体协作扩大了安全风险面。研究表明，框架设计设定了安全部署的上限，填补了输出级评估无法检测中间轨迹违规的空白。

PhysBrain 1.0提出了一种新方法，通过将大规模人类第一人称视频转换为结构化物理常识监督，训练视觉-语言模型，进而迁移到机器人策略。在多项多模态问答和具身控制基准测试中达到最优结果，尤其在域外场景中表现突出，表明人类交互视频可有效桥接多模态理解与机器人控制。

本文提出SenseNova-U1，一种基于NEO-unify架构的原生统一多模态范式，将理解与生成视为单一过程的协同视图。该模型在文本理解、视觉感知、知识推理等任务上媲美顶级理解专用VLM，同时在图像生成、图文交互相成等任务中表现出色，并展现了在视觉-语言-动作及世界模型场景中的潜力。

本文揭示了基于组的策略梯度优化方法具有共同的几何结构：隐式定义响应单纯形上的目标分布并通过一阶近似进行投影。为此，提出列表策略优化（LPO），通过将近端RL目标限制在响应单纯形上并执行精确散度最小化，显式进行目标投影。LPO在多样推理任务和LLM骨干上相比典型策略梯度基线持续提升训练性能，同时保持优化稳定性和响应多样性。

本文提出 CoREB，一个抗污染、多任务的代码检索与重排序基准，涵盖文本到代码、代码到文本、代码到代码三个任务。实验发现短关键词查询导致所有模型性能崩溃，而微调的 CoREB-Reranker 首次在所有任务上取得一致提升，弥补了现有研究忽视重排序环节的缺陷。

HumanNet 是一个包含一百万小时人体活动视频的大规模语料库，涵盖第一人称和第三人称视角、细粒度动作、物体交互及长期行为，并提供丰富的交互注释。实验表明，使用 HumanNet 中的 1000 小时第一人称视频进行持续训练，效果优于使用 100 小时真实机器人数据，证明人体视频可成为机器人数据的可扩展替代方案。

MemPrivacy提出了一种在边缘设备上识别敏感词、替换为结构化占位符，再在云端处理记忆、本地恢复原始值的方法，实现了隐私保护与记忆效用的平衡。在覆盖200用户、5.2万隐私实例的基准测试中，该方法在隐私提取上超越GPT-5.2和Gemini-3.1-Pro，并将效用损失控制在1.6%以内。这项工作为边缘-云环境中安全性、实用性和用户透明度的部署提供了新思路。