Dagelijks geselecteerde AI onderzoekspapers met vertalingen
De selectie van optimalisatoren voor grootschalige modeltraining is een systeemontwerpbeslissing geworden die gezamenlijk wordt beperkt door rekenkracht, geheugen, afstemmingsbudget en taakdiversiteit, terwijl het landschap van meer dan honderd methoden gefragmenteerd blijft. Daarom presenteren we OmniOpt, een uniform overzicht en benchmarkkookboek van optimalisatoren voor de onderzoeksgemeenschap. OmniOpt rust op vier gekoppelde componenten. Ten eerste behandelen we elke optimalisatorupdate als een gestructureerde transformatie door een vijftraps metapijplijn, en laten we zien dat de meeste methoden slechts een of twee van deze fasen gebruiken. Ten tweede gebruiken we norm-gebonden lineaire minimalisatie-orakels (LMO's) om verschillende optimalisatoren te verenigen. Ten derde vormen deze twee visies de basis voor een tweedimensionale taxonomie, waarbij de ene dimensie elke methode toewijst aan een mechanismefamilie en de andere de meetbare trainingsdoelstellingen registreert die het beoogt te verbeteren. Ten vierde, en de kern van dit artikel, concretiseren we de volledige taxonomie in een uniforme cross-domein benchmark die representatieve optimalisatoren, modelschalen en trainingsregimes omvat, van taalmodeltraining tot beeldclassificatie, waarbij we elke methodenfamilie systematisch analyseren op meerdere effectdoelstellingen en hun afwegingen uiteenzetten. OmniOpt biedt de onderzoeksgemeenschap dus een operationeel coördinatensysteem voor het selecteren van optimalisatoren onder expliciete mechanisme- en doelstellingsaannames, en schetst een richting voor de toekomstige ontwikkeling van de optimalisatorgemeenschap.
Recente vooruitgang in multimodale funderingsmodellen en agentsystemen heeft GUI-agenten gedreven van taakuitvoering op één platform naar cross-platform interactie. Het bouwen van multi-platform GUI-agenten blijft echter uitdagend. Enerzijds zijn hoogwaardige en uitvoerbare cross-platform interactietrajecten nog steeds schaars, en bestaande data hebben vaak een beperkte platformdekking. Anderzijds vertonen verschillende platforms verschillende interactieconventies, waardoor gezamenlijke of continue training geneigd is tot vermenging van gedragspatronen, platformspecifieke capaciteitsvermindering en catastrofaal vergeten. Om deze uitdagingen aan te pakken, construeren we Uni-GUI, een hoogwaardige cross-platform GUI-interactiedataset, en introduceren we UI-MOPD, de eerste methode die multi-teacher on-policy destillatie integreert in continu leren voor GUI-agenten. UI-MOPD selecteert dynamisch een platformspecifieke leraar op basis van de huidige omgeving en draagt platformspecifieke gedragsprioriteiten over naar een gedeeld beleid via platform-geconditioneerde destillatie, waardoor aanpassing aan nieuwe platforms mogelijk wordt terwijl capaciteiten op bestaande platforms behouden blijven. Experimenten op OSWorld en MobileWorld tonen aan dat UI-MOPD taaksuccespercentages van respectievelijk 38,2% en 12,0% behaalt, wat de effectiviteit ervan aantoont in het balanceren van cross-platform capaciteitsbehoud en aanpassing aan nieuwe platforms. Projectpagina: https://elispectre.github.io/UI-MOPD/.
Onderzoeksverspreiding, het omzetten van een paper in een poster, een talkvideo en een blogpost, is nog steeds een handmatige laatste mijl. Eerdere automatisering behandelt elk artefact geïsoleerd, waarbij elk het paper opnieuw vanaf nul extraheert, meestal een eenrichtingsweergave oplevert die de auteur niet opnieuw kan openen in PowerPoint of Word, en de kwaliteit afremt op zachte VLM-voorkeursscores die een plateau bereiken terwijl dragende secties nog leeg aanvoelen. Wij stellen dat deze laatste mijl het beste kan worden gebouwd als een compositie van vaardigheden: dunne agent-leesbare contracten die één stroomopwaartse extractor delen en deterministische primitieven omhullen in een meetbare-vul-lus waarvan de uitgangen harde pass/fail-rendergates zijn. We implementeren dit als ResearchStudio-Reel, vijf Claude Code- en Codex-vaardigheden georganiseerd in één gedeelde extractor (Paper2Assets), drie bewerkbare generatoren (Paper2Poster, Paper2Video, Paper2Blog) en één interactieve convergentielaag (Paper2Reel). Paper2Assets extraheert elk paper één keer in een gedeelde bundel die door elke stroomafwaartse vaardigheid kan worden hergebruikt; De drie generatoren produceren een printklare poster, een gesynchroniseerde talkvideo en een tweetalige blog die feitelijk consistent blijven en heen-en-weer kunnen in PowerPoint of Word; Paper2Reel bindt vervolgens alle drie samen in een zelfstandige HTML-viewer waarvan sectieklikken de video, dia's, bijschriften en blog naar overeenkomstige inhoud laten springen. Op de Paper2Poster-benchmark leiden onze posters in elk esthetisch en informatie-subcriterium, zowel tegen eerdere geautomatiseerde systemen als tegen single-shot frontier-LLM's, en overtreffen ze de eigen posters van de auteurs op esthetiek onder twee gereserveerde VLM-beoordelaars, en winnen ze algemeen op 84% tot 93% van de papers; capaciteitsaudits tonen verder aan dat, door uniek vertelling-afgestemde highlights op dia's te combineren met een tweetalige blog die wordt gecontroleerd door lay-outbewuste DOCX-reparatie, ResearchStudio-Reel de enige pijplijn is die alle drie bewerkbare artefacten levert. Het project is beschikbaar op https://aka.ms/ResearchStudio
3D-reconstructie en -generatie worden gewoonlijk aangepakt met afzonderlijke paradigma's: pixelgebaseerde regressie voor reconstructie, en latente diffusie voor generatie. Recente studies proberen ze te verenigen in de latente ruimte, maar met opmerkelijke nadelen: de diffusiedoelstelling is gedefinieerd op latente kenmerken in plaats van op de onderliggende 3D-representatie, en beide takken lijden onder informatieverlies dat wordt geïntroduceerd door latente codering, terwijl ze een voorgetrainde Variational Autoencoder (VAE) of Representatie Autoencoder (RAE) vereisen. In dit artikel herformuleren we deze twee taken onder een verenigd pixelruimte-diffusieparadigma en introduceren we PixWorld, een enkel model dat zowel 3D-reconstructie als -generatie gezamenlijk aanpakt. Door diffusie direct te superviseren op gerenderde afbeeldingen, verwijdert PixWorld de bovengenoemde beperkingen en stemt het de optimalisatie af op 3D-scènegetrouwheid. Naast fotometrische en perceptuele supervisie, die op het 2D-beeldniveau werkt en 3D-geometrisch besef mist, introduceren we verder een geometriewaarnemingsverlies dat gerenderde aanzichten afstemt op hun grondwaarheid in de geometriebewuste kenmerkruimte van een voorgetraind 3D-fundatiemodel, wat 3D-structurele supervisie biedt. PixWorld presteert consequent beter dan eerdere methoden voor generatie in de latente ruimte en evenaart de modernste reconstructiemethoden, wat de superioriteit van een verenigde pixelruimtebenadering aantoont.
Grote taalmodellen hebben ideevorming voor onderzoek steeds toegankelijker gemaakt, maar effectieve ideeontwikkeling vereist meer dan het genereren van kandidaatrichtingen. Onderzoekers moeten een probleem verankeren in de huidige literatuur, betekenisvolle knelpunten identificeren, zich onderscheiden van bestaande oplossingen en risico's evalueren voordat ze zich vastleggen op implementatie. We presenteren ResearchStudio-Idea als een herbruikbare vaardighedensuite voor deze eerste mijl van onderzoeksideevorming. De suite omvat Paper-Search, een zelfstandige multi-bron literatuurzoekvaardigheid; Scoop-Check, een zelfstandige prior-art botsingscontrole voor nieuwigheidsclaims; en IdeaSpark, de end-to-end vaardigheid die bewijsgrondslag, patroongestuurde generatie, botsingsretrieval, audit en ideekaartweergave in één workflow samenbrengt. IdeaSpark is opgebouwd uit een corpus van 1.947 machine learning-conferentieartikelen verzameld van ICLR, ICML en NeurIPS tussen 2021 en 2025, inclusief Oral papers, een apart bijgehouden hoog-citerende subset en afgewezen inzendingen. Analyse van deze uitkomsten onthult 31 terugkerende subpatronen voor ideevorming, samengevoegd tot 15 herbruikbare ideevormingspatronen. Elk patroon is geoperationaliseerd als een gestructureerde kaart met onderzoekscontexten, knelpunttypes, differentiatiestrategieën, ondersteunende precedenten en veelvoorkomende faalwijzen. Gegeven een onderzoeksprobleem en een bewijsbundel, evalueert IdeaSpark de gereedheid van bewijs, reconstrueert de omringende onderzoekscontext, identificeert onopgeloste knelpunten, selecteert relevante patronen, instantieert één kandidaatrichting, haalt mogelijk conflicterend eerder werk op en voert uitkomsten-geïnformeerde audit uit. Deze workflow transformeert herbruikbare ideevormingspatronen in traceerbare onderzoeksvoorstellen. Blinde geautomatiseerde beoordelingsevaluaties tonen aan dat IdeaSpark consistent sterkere onderzoeksvoorstellen produceert dan basislijnen zonder vaardigheid en met generieke vaardigheid, terwijl het een concurrerende nieuwigheid behoudt.
Conceptverwijdering heeft als doel een doelconcept uit een representatie te verwijderen terwijl de andere informatie die erin is gecodeerd, behouden blijft. Dit is moeilijk omdat representaties veel concepten coderen die vaak gecorreleerd zijn met het te verwijderen doel, waardoor het verwijderen van het doel risico loopt deze te beschadigen. We stellen de Manifold Constraint Hypothesis (MCH) voor: als natuurlijke representaties zich concentreren op een gestructureerd, lager-dimensionaal manifold, dan moeten interventies worden beperkt tot dat manifold en andere informatie die in de representatie is gecodeerd beter behouden tijdens interventies. We instantiëren MCH in een nieuwe methode voor conceptverwijdering: MANifold aware Concept Erasure (MANCE). MANCE voert iteratieve updates uit op de representaties met behulp van signalen van een classifier die een doelconcept voorspelt. We schatten het manifold met behulp van representaties verkregen uit natuurlijke invoer, en vervolgens projecteren we de update voor conceptverwijdering op het geschatte manifold. We voeren een uitgebreide evaluatie uit op 119 instellingen die tekst en visie omvatten, waaronder 13 taalmodellen, drie NLP-concepten en 40 CelebA-CLIP-attributen. Het toepassen van MANCE bovenop eerdere methoden toont consistent verbeterde lekkageresultaten. We introduceren ook MANCE+ en MANCE++, die een algoritme voor conceptverwijdering in gesloten vorm toevoegen vóór het gebruik van MANCE, waardoor een betere afweging tussen lekkage en chirurgische precisie wordt bereikt in vergelijking met overeenkomstige updates in de volledige ruimte. MANCE++, onze beste methode, behaalt state-of-the-art resultaten op niet-lineaire conceptverwijdering. Deze resultaten ondersteunen MCH in de verwijderingscontext: interventies moeten worden beperkt tot het natuurlijke representatiemanifold.
Het evalueren van belichaamde robotfundamentmodellen blijft een kritiek knelpunt; in tegenstelling tot grote taalmodellen die efficiënt kunnen worden beoordeeld via digitale benchmarks, vereisen robotbeleidslijnen trage, kostbare uitrol in de echte wereld, beperkt door hardware en menselijk toezicht. Dit heeft de interesse gewekt in wereldmodellen als surrogaat-beleidsevaluatoren, maar de sleuteleigenschappen die een wereldmodel betrouwbaar maken voor beleidsbeoordeling blijven slecht begrepen. Dit werk presenteert een systematische studie van wereldmodellen voor robotbeleidsevaluatie en introduceert WMBench, een benchmark opgebouwd uit echte robot-teleoperatiedata en bijpassende beleidsuitrol die diverse manipulatie taken bestrijkt, om gecontroleerde vergelijkingen mogelijk te maken tussen modelfamilies, actiecoderingen, uitrolhorizonten en evaluatiemetrieken. Met behulp van WMBench analyseren we 7 videowereldmodellen, 4 actierepresentatieschema's en meer dan 324.000 gesimuleerde beleidsuitrol gekoppeld aan echte robotuitvoeringen. We verrijken onze analyse verder met grootschalige gemeenschapsinzendingen van de CVPR 2026 GigaBrain Challenge, samengestelde synthetische trajecten en trainingsvideo's van meer dan 12.000 uur. Onze experimenten leveren drie kerninzichten op: de kwaliteit van de evaluator wordt gedomineerd door consistentie van actiegetrouwe uitrol op lange termijn, niet door visueel realisme op korte termijn; de voordelen van voortraining komen niet alleen voort uit de schaal van de gegevens, maar ook uit het balanceren van algemene wereldkennis met robotspecifieke bestuurbaarheid; en architectuurkeuzes, waaronder actiecodering, geheugenontwerp en op de evaluator gerichte nabehandeling, bepalen sterk de overeenstemming met echt robotgedrag. Op basis van deze resultaten leiden we een praktische ontwerp routekaart af en realiseren deze in GigaWorld-1, een wereldmodel dat speciaal is geoptimaliseerd voor beleidsevaluatie. We stellen onze code, modellen, datasets en toolkits volledig ter beschikking om schaalbaar evaluatieonderzoek voor belichaamde fundamentmodellen te bevorderen.
Dichte ruimtelijke waarneming is essentieel voor fysieke intelligentie, waarbij visuele systemen worden geacht om gestructureerde, metrische en actiegerichte representaties te herstellen uit pixelobservaties. Moderne visuele basismodellen hebben doorgaans de neiging om semantische invariantie te prioriteren, vaak ten koste van gedetailleerd ruimtelijk begrip. In deze studie onderzoeken we visuele vooropleiding door een grensgerichte lens, gemotiveerd door het uitgangspunt dat grenzen en vormdiscontinuïteiten essentiële aanwijzingen bieden voor het waarnemen van geometrische eigenschappen. Concreet stellen we gemaskeerde grensmodellering voor, een zelfgecontroleerd paradigma dat dynamisch subpixel-grensrepresentaties leert en vervolgens de ontdekte grensdragende tokens gebruikt als gemaskeerde doelen om dicht visueel tokenleren te faciliteren. Door dit raamwerk op te schalen, ontwikkelen we LingBot-Vision en tonen we de doeltreffendheid ervan aan in een diverse reeks stroomafwaartse visietaken, met DINOv3 als sterke basislijn. Opmerkelijk genoeg drijft LingBot-Vision de overgang aan van LingBot-Depth 1.0 naar LingBot-Depth 2.0 voor dieptevervollediging, en levert daarmee een verbeterde diepteschatting, een belangrijke pijler voor belichaamde kunstmatige intelligentie. Onze bevindingen onthullen dat grensmodellering verder gaat dan eenvoudige lijnsegmenten en in plaats daarvan dient als een schaalbaar vooropleidingsprincipe voor het leren van ruimtelijk gestructureerde visuele representaties.
Wij presenteren Wan-Streamer v0.2, een latentiebehoudende upgrade van het native-streaming, end-to-end audio-visuele interactiemodel. v0.2 behoudt de modelformulering van v0.1, maar verhoogt de interactieve uitvoerstroom van 192x336 naar 640x368, terwijl de modelzijde signaal-naar-signaal latentie van ongeveer 200 ms bij 25 FPS behouden blijft. De hogeresolutiestroom ondersteunt scène-verankerde mid-shot agenten waarvan houding, blik, handen, nabije objecten en lokale scène-indeling herkenbaar blijven tijdens realtime conversatie. Om de grotere visuele stroom te ondersteunen zonder zichtbare vertraging voor de gebruiker, behoudt v0.2 de denker als een enkel-GPU pad met lage latentie voor streaming perceptie, de korte taal-/toestand Transformer-doorgang die de generatiecache opbouwt, en de definitieve decodering. De uitvoerder wordt een multi-GPU Ulysses-stijl context-parallelle groep voor de dure volgende-eenheid latente generatie. Elke uitvoerder-rank schrijft inkomende K/V in een vooraf opgedeelde lokale cache. De lange hoge-resolutie latente videosequentie wordt over de ranks gesplitst voor denoising en verzameld via Ulysses-communicatie, terwijl de veel kortere audio-latente sequentie wordt gegenereerd zonder sequentie-splitsing. In deze splitsing bereikt de taal-/toestandberekening van de denker de uitvoerder alleen als K/V-conditionering, zodat er geen aparte taalsequentie binnen de uitvoerdersgroep gecommuniceerd hoeft te worden. Dit concentreert extra hardware op visuele generatie, terwijl de compacte denker-uitvoerder grens behouden blijft, waardoor de totale interactielatentie op afstand ongeveer 550 ms bedraagt, inclusief een bidirectioneel netwerkbudget van 350 ms.
We presenteren EVA-Client, een open-source raamwerk voor implementatie, gegevensverzameling en evaluatie van getrainde manipulatiebeleidslijnen op echte robots. EVA-Client bevindt zich tussen een beleidsserver en de fysieke hardware en verenigt de fasen van de echte robot in de beleidsiteratielus binnen één enkele codebase. Het levert drie bijdragen. Ten eerste een component-ontkoppelde architectuur waarin robot-backends, inferentiestrategieën en transport-middleware een orthogonaal raster vormen: het toevoegen van een robot of een strategie raakt alleen de eigen laag. Ten tweede inspecteerbare uitvoering door Debug-, Collect- en Eval-workflows, met modi variërend van open-loop-simulatie tot continue real-time besturing. Ten derde fungeert elke evaluatierun ook als een gegevensverzameling, waarbij volledige rollouts worden vastgelegd in trainingsgerede indeling, samen met uitputtende logs en een naast-elkaar-vergelijker, zodat elke evaluatie de volgende trainingsronde voedt in plaats van te eindigen als een niet-geregistreerde indruk. EVA-Client consolideert verder de belangrijkste real-time inferentiestrategieën – synchrone en asynchrone uitvoering, ACT-stijl temporele ensembling, Real-Time Chunking en een naïeve asynchrone ablatie-baseline – achter één enkel configuratieoppervlak.
Uniforme modellen voor robotmanipulatie streven ernaar één beleid uit te rusten met zowel de semantische voorkennis van voorgetrainde VLM's als de fysieke dynamica die door middel van toekomstvoorspelling wordt geleerd. In de praktijk tasten bestaande ontwerpen vaak de semantiek van de voorgetrainde backbone aan, ondervinden ze interferentie tussen heterogene doelstellingen en leren ze toekomstvoorspelling vanaf nul in de pixelruimte, waardoor de dynamica-voorkennis van voorgetrainde videogeneratoren onbenut blijft. Wij presenteren InternVLA-A1.5, dat het beleid bouwt op een native VLM-backbone die blijft trainen op VQA en deeltaakvoorspelling, en een lichte, uniforme expert toevoegt voor continue actiegeneratie. Toekomstvoorspelling wordt geherformuleerd als een latent query-probleem, waarbij een kleine set leerbare vooruitzicht-tokens de taakrelevante toekomst condenseert tot een compacte latente code onder toezicht van een bevroren voorgetraind videogeneratiemodel, zodat het beleid wereldmodel-dynamica-voorkennis erft zonder ooit pixelniveau-generatie te leren. De videotak wordt bij inferentie verwijderd, waardoor real-time besturing behouden blijft. Voorgetraind op 1,2M robotepisodes en 3M multimodale voorbeelden, behaalt InternVLA-A1.5 de beste algemene resultaten op alle zes simulatiebenchmarks. In de echte wereld levert de behouden semantiek de sterkste compositionele generalisatie op buiten beschouwing gelaten instructiekoppelingen, en de twee ontwerpen samen ondersteunen langetermijnuitvoering.
Wetenschappelijk literatuuronderzoek vereist vaak meer dan het ophalen van artikelen uit één enkele zoekopdracht: de intenties van gebruikers zijn ondergespecificeerd, afhankelijk van voorkeuren en evolueren door interactie. Bestaande zoekagenten vertrouwen doorgaans op vaste pijplijnen of impliciete, uitsluitend op taal gebaseerde redeneringen, waardoor hun zoekstrategieën moeilijk te controleren, inspecteren en verfijnen zijn. Wij introduceren PaperPilot, een meerstaps literatuurzoekagent die wetenschappelijk zoeken definieert als workflow-inductie. Gegeven een ankerartikel en een gebruikersquery construeert PaperPilot een uitvoerbare DAG van zoekoperatoren voor artikelen, waaronder trefwoordzoekopdracht, citatie-uitbreiding, filteren, scoren, herrangschikken en bewijsextractie. Gebruikersfeedback wordt vervolgens gebruikt om zowel de query als de workflow zelf te verfijnen. Wij traineren PaperPilot met gesuperviseerde workflow-imitaties en voorkeursoptimalisatie over gecontroleerde workflow-corrupties. Experimenten tonen aan dat PaperPilot-9B verbetert ten opzichte van de basis Qwen3.5-9B toolset-agent onder meerstaps interactie, met een toename van Hit@5 van 58,0 naar 77,0, MRR van 47,5 naar 59,4 en nDCG@10 van 26,8 naar 32,5, terwijl workflow-uitvoeringsfouten afnemen van 9,5% naar 0%. Deze resultaten tonen aan dat expliciete, bewerkbare zoekworkflows een effectieve en beheersbare interface bieden voor het afstemmen van literatuurzoekagenten op complexe wetenschappelijke intenties.
De groei van de key-value (KV) cache is een grote bottleneck in autoregressieve decodering, omdat geheugen en bandbreedte lineair schalen met de contextlengte. Bestaande methoden voor KV-verwijdering vertrouwen vaak op statische heuristieken of proxy-scores, die het nut van toekomstige tokens slecht bijhouden en leiden tot breekbare verwijdering wanneer de relevantie verschuift. Om dit aan te pakken introduceren we KVpop, dat een KV-verwijderingsbeleid met een vast budget leert door direct toezicht te houden op de bewaar-of-verwijder beslissing. De scorer wordt getraind met een nieuw toekomstgericht aandachtsdoelwit, dat efficiënt wordt berekend zonder dichte aandachtskaarten te materialiseren. We introduceren verder een vertraagde geheugen-gebaseerde scorer die, uniek onder geleerde verwijderingsmethoden, het scoren uitstelt voor een vast aantal stappen om gebruik te maken van de nabije toekomstige context. Op AIME en HMMT wiskundig redeneren behoudt KVpop 98% van de volledige-aandachtsprestatie op Qwen3-4B bij 75% KV-cachecompressie en 97% bij 88% compressie, en presteert consequent beter dan gevestigde verwijderingsbaselines. Qwen3-8B toont nog sterkere resultaten en bereikt bijna volledige lerarenprestatie. Deze resultaten tonen aan dat het toezicht houden op verwijdering met toekomstige-aandachtssignalen de geheugenkosten verlaagt terwijl de kwaliteit behouden blijft.
Multi-vector visie-taal retrieval bewaart fijnmazig visueel bewijs via maximale-gelijkenis late interactie, maar dichte beeldzijde tokens maken opslag en scoring duur. Bestaande tokencompressiemethoden verlagen deze kosten, maar kunnen object- en regio-niveau bewijs verwijderen of samenvouwen dat toekomstige querytokens mogelijk moeten selecteren. Wij stellen SaMer voor, een objectbewust token-samenvoegingsraamwerk dat beeldzijde post-projector tokens comprimeert tot K representatieve centroïden terwijl de oorspronkelijke late-interactie interface behouden blijft. SaMer gebruikt alleen tijdens training objectannotaties als een samenvoegingsprior om cross-instance vermenging te ontmoedigen, vereist geen ground-truth bounding boxes of detectoren bij inferentie, en past alleen de gedeelde projectielaag aan met bevroren visie- en taalbackbones. Met K=64 verwijdert SaMer meer dan 93% van de beeldzijde tokens en vermindert ColPali opslag met 16,09 keer, terwijl het R@1 op Flickr30K en MSCOCO verbetert. Deze winsten komen voort uit het feit dat objectbewust samenvoegen query-selecteerbaar objectbewijs bewaart dat pruning of alleen-feature pooling kan verwijderen of samenvouwen. SaMer presteert ook beter dan compressiebaselines en vertoont sterkere frase-niveau grounding, wat suggereert dat efficiënte multi-vector retrieval niet alleen afhangt van het verminderen van het aantal tokens, maar van het bewaren van het bewijs dat toekomstige querytokens moeten selecteren.
Diffusie grote taalmodellen (dLLMs) genereren tekst door iteratief een gemaskeerde reeks te ontruisen, wat een parallel alternatief biedt voor autoregressieve modellen, maar het stimuleren van sterk redeneren via post-training blijft moeilijk: gecontroleerde fijnafstemming is off-policy en lijdt aan blootstellingsbias, terwijl reinforcement learning slechts schaarse beloningen op sequentieniveau geeft en moeilijk toepasbaar is zonder hanteerbare sequentiekansdichtheden. On-policy zelfdistillatie (OPSD) biedt een veelbelovend alternatief, waarbij één model zowel als student als docent fungeert om dichte, token-level, on-policy supervisie te bieden, maar de effectiviteit ervan hangt af van het geven van bevoorrechte informatie (PI) aan de docent – typisch een instantie-specifieke grondwaarheidsreferentie die niet beschikbaar is bij inferentie – zodat de student uiteindelijk een zwak PI-vrij consensusbeleid distilleert dat weinig verbetering oplevert voor dLLM-redeneren. Wij introduceren dOPSD, dat in plaats daarvan het privilege van de docent rechtstreeks afleidt uit de eigen ontruisingsbaan van de student, door gemaskeerde posities te evalueren met behulp van latere, meer-gedecodeerde stappen van diezelfde baan in plaats van een extern label, zodat het voordeel van de docent voortkomt uit het eigen decodeerproces van het model; op Dream en LLaDA verbetert dOPSD zowel het in-domein wiskundig redeneren als de out-of-domain codegeneratie, waarbij het beter presteert dan gecontroleerde en on-policy basislijnen.
We introduceren het eerste multiplayer-wereldmodel voor zeer dynamische omgevingen die worden beheerst door complexe fysieke interacties. Waar single-player-wereldmodellen de andere agenten als onderdeel van de omgeving beschouwen, conditioneert het onze op de actiestromen van meerdere agenten, waarbij het leert om veranderingen in de scène aan de juiste speler toe te schrijven en coherent te blijven onder willekeurige combinaties van hun acties. We bestuderen dit probleem in het spel Rocket League, waar spelers concurreren en samenwerken onder snelle, nauw gekoppelde dynamiek. Getraind op 10.000 uur aan speeltijd verzameld met openbaar beschikbare bots, genereert ons 5-miljard-parameter latente diffusiemodel vier-speler-wedstrijden in realtime, met 20 frames per seconde op een enkele Nvidia B200 GPU. Hoewel het alleen getraind is op korte clips, blijven de rollouts ver buiten de trainingshorizon stabiel: de distributionele kwaliteit blijft stabiel tot vijf minuten, de langste horizon die we meten, en in de praktijk zien we rollouts die uren doorgaan zonder tekenen van instorting. We onderzoeken systematisch de centrale ontwerpkeuzes: de videocodec, het generatieve doel en het multiplayer-conditioneringsschema. Daarnaast karakteriseren we hoe gedrag verandert met model- en dataschaal, inclusief de vermogens die ontstaan en de faalwijzen die aanhouden. We ontwikkelen verder gerichte evaluaties die het fysieke begrip van het model onderzoeken in plaats van alleen visuele verschijning. Om verder onderzoek aan multiplayer-wereldmodellen te ondersteunen, geven we onze dataset, onze volledige trainings- en inferentiecodebase en een live demo vrij.
Schaalwetten voor voortraining tonen aan dat modelcapaciteit voorspelbaar verbetert met data en rekenkracht. Maar het leren van echte omgevingen na implementatie blijft veel minder begrepen. Door ongeveer 38.000 uur aan agentinteractie met de omgeving over 134 echte taken te analyseren, vinden we, voor zover wij weten, het eerste bewijs dat de algehele prestatie tijdens omgevingsleren een log-sigmoid schaalwet volgt met opmerkelijk hoge precisie, met een R² van 0,998. Over modelgeneraties heen zien we ook dat de leersnelheid van agenten ongeveer elke drie maanden verdubbelt. Deze ontdekking komt voort uit EdgeBench, een verzameling van 134 echte taken met ultralange horizonten, variërend van wetenschappelijke ontdekking, software-engineering, combinatorische optimalisatie, professioneel kenniswerk, formele wiskunde en interactieve spellen. Elke taak vereist ten minste 12 uur aan continue agentwerking onder rijke, meerniveau feedback, en is opgebouwd met aanzienlijke inspanning van experts. We maken 51 taken en ons volledige evaluatiekader openbaar beschikbaar om de studie naar hoe agenten leren van echte ervaringen te versnellen.
Wij stellen Perceptual Flow Matching (PFM) voor, een eenvoudig maar effectief raamwerk voor generatie in weinig stappen in flow-matching modellen. In plaats van snelheidsregressie uit te voeren in de conventionele VAE-latente ruimte, superviseert PFM flow matching in een perceptuele kenmerkruimte met behulp van voorgetrainde perceptuele modellen. Deze eenvoudige wijziging verbetert de mogelijkheid tot generatie in weinig stappen van flow-matching modellen aanzienlijk, waarbij het aantal bemonsteringsstappen wordt verminderd van 35-50 tot 4-8, terwijl de generatiekwaliteit behouden blijft. In tegenstelling tot bestaande versnellings- en distillatiebenaderingen vereist PFM geen teacher-modellen of hulpscorenetwerken en kan het met minimale aanpassingen worden geïntegreerd in standaard flow-matching trainingspijplijnen. Uitgebreide experimenten op het gebied van beeldgeneratie, videogeneratie en beeldbewerkingstaken tonen aan dat PFM consistent hoogwaardige resultaten oplevert, terwijl het minder artefacten produceert dan bestaande distillatiegebaseerde methoden. We tonen verder aan dat perceptuele supervisie de regressieminimizer verschuift van mean-seeking naar mode-seeking, waardoor voorspellingen worden gebiast naar on-manifold modi die nauwkeurig blijven onder grove integratie in weinig stappen. Onze resultaten onthullen dat standaard flow-matching training op natuurlijke wijze hoogwaardige generatoren in weinig stappen kan opleveren wanneer gesuperviseerd in een geschikte representatieruimte. We hopen dat dit inzicht toekomstig onderzoek naar representatiebewuste doelstellingen voor efficiënt generatief modelleren inspireert.
Het opschalen van pre-training, post-training en test-time compute is een centraal paradigma geworden voor het verbeteren van de mogelijkheden van LLM's. In dit werk identificeren we verificatie, het vermogen om de correctheid van een oplossing te bepalen, als een nieuwe opschalingsas. Om dit te ontsluiten en de effectiviteit ervan aan te tonen, introduceren we LLM-as-a-Verifier, een algemeen toepasbaar verificatiekader dat fijnmazige feedback geeft voor agentische taken zonder extra training te vereisen. In tegenstelling tot standaard LM-beoordelaars die LLM's aanzetten tot het produceren van discrete scores voor kandidaatoplossingen, berekent LLM-as-a-Verifier de verwachting over de verdeling van logits van score-tokens om continue scores te genereren. Deze probabilistische formulering stelt verificatie in staat om op te schalen langs meerdere dimensies: (1) scoregranulariteit, (2) herhaalde evaluatie en (3) criteriumdecompositie. In het bijzonder laten we zien dat het opschalen van de scoregranulariteit leidt tot een betere scheiding tussen positieve en negatieve oplossingen, wat resulteert in meer gekalibreerde vergelijkingen. Bovendien leidt het opschalen van herhaalde evaluatie en criteriumdecompositie consequent tot extra winst in verificatienauwkeurigheid door vermindering van variantie en complexiteit. We introduceren verder een kostenefficiënt rangschikkingsalgoritme voor het selecteren van de beste oplossing uit kandidaten met behulp van de continue scores van de verificateur. LLM-as-a-Verifier behaalt state-of-the-art prestaties op Terminal-Bench V2 (86,5%), SWE-Bench Verified (78,2%), RoboRewardBench (87,4%) en MedAgentBench (73,3%). Naast verificatie kunnen de fijnmazige signalen van LLM-as-a-Verifier ook dienen als een proxy voor het schatten van taakvoortgang. We bouwen een extensie voor Claude Code, waarmee ontwikkelaars hun eigen agentische systemen kunnen monitoren en verbeteren. Ten slotte tonen we aan dat LLM-as-a-Verifier dichte feedback kan geven voor RL, wat de sample-efficiëntie van SAC en GRPO op robotica- en wiskundige redeneerbenchmarks verbetert.
Audio-intelligentie omvat het begrijpen, redeneren over en genereren van zowel audio als spraak. In dit werk introduceren wij Nemotron-Labs-Audex-30B-A3B (Audex), een universele audio-tekst LLM gebouwd op Nemotron-Cascade-2-30B-A3B, een krachtige tekst-only MoE LLM. Audex hanteert een eenvoudig uniform ontwerp met een enkele Transformer-decoder: audio-ingangen worden gecodeerd en geprojecteerd in de tekst-embeddingruimte, terwijl teksttokens en gekwantiseerde audio-uitvoertokens uniform worden behandeld tijdens de generatie. Deze architectuur maakt sterke audio-tekst fusie, naadloze multimodale generatie en compatibiliteit met standaard LLM-trainings- en inferentie-infrastructuur mogelijk. Voor de training cureren wij zorgvuldig audio-tekst datasets bestaande uit 157,4 miljard audiotokens en 320,5 miljard teksttokens. Wij passen meertraps gesuperviseerde training toe op deze datasets, gevolgd door tekst-only Cascade RL en multidomein on-policy distillatie. Audex levert state-of-the-art audiobegrip, spraakherkenning en -vertaling, tekst-naar-spraak, audiogeneratie en spraak-naar-spraakgeneratie, terwijl het zeer overtuigende redenering, afstemming, kennis, lange-context en agentische capaciteiten van zijn tekst-only LLM-basis behoudt met marginale of geen regressie. Wij stellen de model checkpoints beschikbaar om open onderzoek te faciliteren.
Recente vooruitgang in videodiffusiemodellen heeft het mogelijk gemaakt om ofwel lange enkelvoudige aanzichtgeneratie via temporele autoregressie, ofwel korte meervoudige aanzicht-synthese via bidirectionele aandacht te realiseren. Het genereren van lange, meervoudige aanzicht-consistente video's van dynamische scènes blijft echter onopgelost. In dit werk presenteren we MV-Forcing, een raamwerk dat temporele en aanzichtgewijze autoregressie binnen één diffusiemodel combineert door een 4D-geometrische brug te introduceren tussen sequentieel gegenereerde aanzichten. Ons belangrijkste inzicht is dat een autoregressief 3D-reconstructiemodel naadloos aansluit tussen autoregressief gegenereerde aanzichten. Gegeven een voltooid bronaanzicht reconstrueren we de 3D-structuur ervan en renderen we een geometrische voorkennis van het volgende doelstandpunt, die het diffusiemodel verfijnt tot een hoogwaardige video. Om de generatie uit te breiden voorbij het vaste temporele venster van het leraarmodel, introduceren we een gezamenlijk ontruisingsregime waarbij beide aanzichtsleuven tijdens de training vanuit ruis worden geïnitialiseerd, wat temporeel onbegrensde generatie mogelijk maakt. We destilleren het model via Distributiematching-destillatie met Ruimtelijk-Temporele Zelfdwinging, waarmee de kloof in blootstellingsbias tussen training en inferentie wordt gedicht voor zowel temporele als aanzichtsequentiële autoregressie. Uitgebreide experimenten op zowel gesynthetiseerde als echte data tonen aan dat MV-Forcing geometrisch consistente meervoudige aanzichtvideo's van dynamische scènes produceert met willekeurige lengtes en aantal standpunten, met behulp van één enkel studentmodel met weinig stappen.
LLM-agenten voeren steeds vaker autonome handelingen uit via externe tools, wat leidt tot complexe en evoluerende veiligheidsrisico's. Bestaande veiligheidstesten richten zich echter op door experts ontworpen veiligheidsschendingen, en de corresponderende uitkomsten worden beoordeeld door vastgelegde regels, waardoor ze kostbaar zijn om uit te breiden naarmate agenten evolueren. Daartoe presenteren we Vera, een end-to-end geautomatiseerd veiligheidstestframework dat principes van software-engineering testen voor niet-deterministische agenten implementeert via een driefasige, zelfversterkende pijplijn. Ten eerste ontdekt en structureert een literatuurgedreven verkenning continu opkomende risico's in taxonomieën van veiligheidsrisico's, aanvalsmethoden en tooluitvoeringsomgevingen. Ten tweede produceert combinatorische compositie over taxonomiedimensies uitvoerbare veiligheidscases, die elk een concreet veiligheidsdoel, een programmatisch geconstrueerde begintoestand en een deterministisch verificatiepredicaat dat is gebaseerd op waarneembare artefacten, specificeren. Ten derde voert adaptieve uitvoering heterogene agenten uit in geïsoleerde sandboxes, waar een controleagent de meerstapsinteractie stuurt op basis van runtime-observaties, terwijl op bewijs gebaseerde verifieerders uitkomsten beoordelen op basis van omgevingstoestand en toolaanroepbewijs in plaats van modelzelfrapportage. We evalueren Vera op vier productie-agentframeworks (OpenClaw, Hermes, Codex, Claude Code), wat aanzienlijke veiligheidszwaktes aan het licht brengt, met gemiddelde aanvalssuccespercentages van 93,9% bij meerkanaalsaanvallen; we geven ook Vera-Bench vrij, bestaande uit 1600 uitvoerbare veiligheidscases die 124 risicocategorieën bestrijken in drie uitvoeringsomgevingen. Deze resultaten geven aan dat modulaire, uitvoerbare testinfrastructuur essentieel is voor rigoureuze en onderhoudbare veiligheidsevaluatie van snel evoluerende agentische systemen op schaal. De code is openbaar beschikbaar op https://github.com/Yunhao-Feng/Vera.
Gedragsvoorspelling op lange termijn heeft tot doel de volgende actie van een gebruiker af te leiden op basis van een lange historische reeks en speelt een cruciale rol in het veld van kunstmatige intelligentie. De opkomst van grote taalmodellen (LLMs) biedt een veelbelovende richting voor sequentiële gedragsvoorspelling, maar LLMs hebben moeite met het induceren van latente gedragspatronen en modelspecifieke cognitieve vooroordelen bij het aanpakken van gedragsvoorspelling op lange termijn. Eerdere methoden voor geheugenbeheer volgen een contextcompressieparadigma dat probeert deze taak aan te pakken door de last van de historische reeks te verlichten, maar slagen er niet in de kernuitdagingen op te lossen. In dit artikel pleiten we voor een paradigmaverschuiving die de lange historische reeks herformuleert van een last naar een waardevolle hulpbron die moet worden benut, en stellen we dienovereenkomstig PraMem voor, dat voorafgaande oefening uitvoert over de lange historische reeks om een ervaringsgeheugen op te bouwen, dat dient als ondersteunde input voor nauwkeurige gedragsvoorspelling op lange termijn. Uitgebreide experimenten over diverse taken tonen aan dat PraMem superieure prestaties levert in vergelijking met eerdere methoden, en diepgaandere analyses bieden waardevolle inzichten in het mechanisme en de evolutie van het ervaringsgeheugen. Code: https://github.com/icip-cas/PraMem.
Grote taalmodellen werken steeds vaker met lange contexten, waarbij de KV-cache een dominant geheugenknelpunt wordt: de grootte neemt lineair toe met de sequentielengte en moet gedurende de volledige decodering worden behouden, waardoor volledige GPU-caching zonder compressie onbetaalbaar duur wordt. Bestaande compressiemethoden voor de KV-cache hebben moeite om efficiëntie te balanceren met getrouwe contextbehoud. Tokenverwijdering gooit informatie weg, terwijl semantische groepering compressiebeslissingen vastlegt tijdens de prefiltijd; geen van beide kan token-niveau details herstellen uit een gecomprimeerde span zodra deze relevant wordt tijdens de generatie. Als oplossing stellen we SeKV voor, een resolutie-adaptieve semantische KV-cache die context organiseert in entropie-gestuurde semantische spans en deze opslaat in een GPU-CPU geheugenhiërarchie zonder informatie weg te gooien. Elke span houdt een lichtgewicht samenvattingsvector op de GPU voor grove routering en een laagrangige SVD-basis op de CPU voor token-niveau reconstructie op aanvraag. Een getraind inzoommechanisme breidt selectief query-relevante spans uit tijdens de decodering, wat nauwkeurige ophaling mogelijk maakt zonder de volledige KV-cache op de GPU te materialiseren. SeKV maakt adaptieve reconstructie op token-niveau mogelijk terwijl het basis-LLM volledig bevroren blijft en er minder dan 0,05% trainbare parameters worden toegevoegd. Over vier benchmarks heen verbetert SeKV gemiddeld met 5,9% ten opzichte van de sterkste semantische compressiebaseline, terwijl het GPU-geheugen met 53,3% vermindert in vergelijking met volledige KV-caching bij 128K context. Code is beschikbaar op https://github.com/AmirAbaskohi/SeKV.
Het voorspellen van objectdynamica (d.w.z. wereldmodellering) is een fundamentele uitdaging voor robotmanipulatie, en het modelleren van vervormbare objecten is een bijzonder moeilijk geval vanwege hun hoogdimensionale toestandsruimten en complexe materiaaleigenschappen. Hoewel huidige wereldmodellen dit benaderen via twee verschillende paradigma's – het leren van de dynamica over de 2D-pixelruimte of de meer expliciete 3D-geometrische ruimte – blijft een systematisch begrip van hun relatieve sterke punten en beperkingen ongrijpbaar door het gebrek aan diverse, grootschalige real-world data. Om dit aan te pakken presenteren we Deform360, een grootschalige visuotactiele dataset met 198 alledaagse objecten, 1.980 interactiesequenties en meer dan 215 uur observaties van 41 rondomzichtcamera's en bimanuele tactiele grijpers, waarmee zowel globale beweging als contactgeïnduceerde lokale vervormingen worden vastgelegd. Door gebruik te maken van een nieuwe markerloze visuotactiele 3D-trackingpijplijn om dichte geometrie en beweging te extraheren, evalueren we systematisch de huidige state-of-the-art wereldmodellen, waarbij we 2D-videomodellen vergelijken met 3D-deeltjesmodellen. Tot slot geven we een voorlopige demonstratie die de real-world toepasbaarheid van onze dataset aantoont door robotplanningstaken op vervormbare objecten uit te voeren. Onze analyse onthult belangrijke inzichten in de afwegingen tussen structurele voorkennis en schaalbaarheid, en biedt een solide benchmark voor toekomstig onderzoek naar generaliseerbare objectgerichte wereldmodellering voor vervormbare objecten. Projectwebsite: https://deform360.lhy.xyz
Reproductie van kwetsbaarheden op repository-niveau is een veeleisende software-engineeringtaak (SE): een agent moet een codebase inspecteren, de invoergrammatica afleiden die een kwetsbaar pad bereikt, een proof-of-concept (PoC) construeren en verifiëren dat de crash verdwijnt bij de gepatchte build. Recente LLM-agenten kunnen deze stappen vaak uitvoeren wanneer de aanpak correct is, maar falen nog steeds door de verkeerde strategie te kiezen. Dit artikel stelt dat strategie, in plaats van de volledige actietrajectorie, de juiste leereenheid is voor dergelijke SE-agenten: zij is compact genoeg om te optimaliseren, concreet genoeg om de uitvoering te sturen en stabiel genoeg om op te slaan en opnieuw te gebruiken bij pogingen. We presenteren Mastermind, een dubbel-lusraamwerk dat overdraagbaar strategieleren scheidt van taakspecifieke ervaring. Een trainbare planner leert herbruikbare kwetsbaarheidsreproductiestrategieën via SFT en mijlpaalgebaseerde GRPO, terwijl een ervaringslus taaklokale strategierecords bijhoudt die volgende pogingen sturen. De planner wordt onafhankelijk van de uitvoerder getraind, waardoor strategieleren meerdere bevroren uitvoerders kan verbeteren zonder hun actiegeneratievermogen te wijzigen. We evalueren Mastermind op CyberGym met 260 trainingstaken en 200 niet-geziene evaluatietaken. Met GPT-5.5 als bevroren uitvoerder bereikt Mastermind een slagingspercentage van 84,5%, beter dan open-boek PoC-context (60,0%), Best-of-8-sampling (63,0%) en iteratieve verbetering (77,0%). Dezelfde planner verbetert ook GPT-5.4 mini en GLM~5.1 van respectievelijk 45,0% en 58,5% naar 60,0% en 71,0%. Deze resultaten tonen aan dat het leren van strategieën op hoog niveau een effectief en overdraagbaar mechanisme is voor het verbeteren van SE-agenten op repository-schaal.
In de longitudinale klinische praktijk wordt elke thoraxfoto beoordeeld in de context van het eerdere onderzoek van de patiënt, en een groot deel van wat de radioloog communiceert, is de verandering van het ene bezoek naar het volgende. Voor zover wij weten, presenteren wij de eerste trainingsvrije best-of-N-steekproefmethode voor voorgetrainde thoraxfotoverslaggeneratoren die expliciet rekening houdt met deze longitudinale overgang van eerdere naar huidige toestand. We noemen het transitiebewuste best-of-N-steekproefmethode: elk verslag wordt opgesplitst in zinnen en ingebed in een ongeordende verzameling in R^d; elk (eerder, huidig) paar wordt gereduceerd tot een richtingsvector met vaste dimensie via een set-naar-set-afstand die is ontworpen om de verandering tussen de twee verzamelingen te coderen; en kandidaten worden gescoord op basis van de cosinusafstand van hun kandidaat-transitievector naar een opgeslagen bank van grondwaarheidstransitievectors uit de training, geaggregeerd als min of kNN. We geven het raamwerk vorm met vier directionele setafstanden (gemiddelde verschuiving, nieuwheidsresidu, gericht Hausdorff-anker en kostengewogen optimaal transport) en evalueren dit op een multi-visit AP-PA-cohort, waarbij we inferentie uitvoeren onder drie prompts met drie visie-taalgeneratoren. Transitiebewuste best-of-N presteert over de hele linie beter dan willekeurige selectie, met de grootste relatieve winst in de Impressie-sectie.
In toenemende mate sturen LLM-inferentiediensten clientverzoeken door naar wereldwijd verspreide engine-replica's via een proxy. Load-balancingbeleid moet gezamenlijk rekening houden met factoren zoals KV-cache-lokaliteit, replica-belasting en variabele netwerklatentie bij het optimaliseren van metrieken zoals latentie en TTFT. Bestaande systemen evalueren echter slechts een deel van deze factoren in hun kostenmodel, wat leidt tot ongelijke concentraties van belasting en KV-cache over replica's. Wij presenteren GORGO, een proxy-architectuur die holistisch rekening houdt met netwerklatentie, prefill-kosten en wachtrijvertraging door middel van afstelbare parameters. Omdat open-source chatdatasets zoals LMSYS-Chat1M en WildChat-4.8M weinig gegevens met lange context en hoge prefix-hergebruik bevatten, publiceren wij een synthetische dataset, ART-Chat-2.5M, afkomstig van productiemetadata met lange context. Op een afstemvenster van ART-Chat-2.5M sturen evolutionaire strategieën de parameters van het GORGO-beleid aan om direct de p95 TTFT te optimaliseren. Tijdens evaluatievensters met vasthouding fixeren we de uit afstemming geleerde parameterwaarden en verbeteren we de p95 TTFT met 6,9–15,5% en de p95 end-to-end (E2E)-latentie met 14,3–30,9% ten opzichte van basislijn-load-balancingbeleid zoals eenvoudige sessieaffiniteit en prefix-cache. De code en de ART-Chat-2.5M-dataset zijn te vinden op https://github.com/Arcadia-Research-Team/GORGO.
Unified multi-modale modellen (UMM's) hebben veelbelovende interleaved tekst-beeld redeneervaardigheden getoond, maar het effectief optimaliseren van dergelijke multi-turn generatie via reinforcement learning (RL) blijft een open uitdaging. Bestaande benaderingen passen RL uitsluitend toe op tekststappen, waarbij beeldgeneratie wordt gedelegeerd aan gesuperviseerde surrogaten, waardoor beleidsgradiënten niet kunnen worden voortgeplant door het volledige interleaved traject over heterogene modaliteiten. Dit laat het potentieel van RL voor UMM's grotendeels onbenut. In dit artikel introduceren we BRAID (Bridging inteRleAved multI-modal reasoning as a unified Decision process), een eenvoudig raamwerk dat multi-turn tekst-beeld-tekst redeneren beschouwt als een unified Markov-beslissingsproces (MDP), waardoor gezamenlijke optimalisatie van tekstuele en visuele generatie mogelijk wordt via een enkele, principiële RL-doelstelling. BRAID berekent een gedeeld trajectniveau-voordeel en plant dit coherent voort in zowel teksttokens als beeldruisonderdrukkingspaden, elk geoptimaliseerd via zijn modaliteit-eigen beleidsgradiëntmechanisme. Om verdere toewijzing van krediet over lange horizon aan te pakken, gebruikt BRAID een visie-taalmodel (VLM) jurylid dat elke tussentijdse afbeelding beoordeelt op zijn redeneernut, en zo dichte feedback op turn-niveau levert om het leren op kritieke visuele vertakkingen te verscherpen. Experimenten op benchmarks voor ruimtelijk redeneren en visuele perceptie tonen aan dat BRAID consequent beter presteert dan verschillende baselines, wat bevestigt dat een unified MDP-formulering met visie-denkbegeleiding essentieel is voor effectief multimodaal redeneren.
Wij presenteren de inzending van AI Wizards voor EXIST 2026 voor multimodale seksisme-identificatie in memes. De taak bestaat uit drie, steeds moeilijkere subtaken. We modelleren ze hiërarchisch als conditionele soft-label voorspelling over empirische annotatorverdelingen. Ons systeem wijst vaste Gemini Embedding 2 visie-taalrepresentaties toe via een lichtgewicht Gated MLP getraind met KL-divergentie en homoscedastische onzekerheidsweging. Onze inzendingen eindigden als eerste op Taak 2.3 en als vierde op Taken 2.1 en 2.2 op de officiële Soft-Soft leaderboards. De code is beschikbaar op https://github.com/NLP-AI-Wizards/EXIST-2026
Visie-Taal-Actie (VTA)-modellen verwerven brede belichaamde vaardigheden door middel van grootschalige pretraining, maar hun generalisatie blijft veel kwetsbaarder dan die van LLM's en VLM's. De gangbare remedie, nabewerking via gesuperviseerde fijnafstemming of bekrachtigingsleren, verbetert taakspecifieke prestaties, maar vernauwt de generalistische capaciteit die pretraining waardevol maakt. We identificeren een cruciaal knelpunt: VTA-fouten komen niet alleen voort uit actiegeneratie, maar ook uit actie-evaluatie. Een diagnostische pass@k-studie bevestigt dat bevroren VTA's al competente gedragingen in hun outputdistributie bevatten, waarbij totale slagingspercentages stijgen van 33% bij pass@1 naar 92% bij pass@32. Hieruit geïnspireerd stellen we SVA (Search, Value, and Act) voor, een eenvoudig raamwerk dat bevroren VTA-beleid voorziet van bewustzijn van langetermijngevolgen. SVA gebruikt eerst Monte-Carlo-boomzoeken in simulatie om de outputdistributie van de VTA volledig te verkennen en diverse trajecten te verzamelen die geannoteerd zijn met empirische opbrengsten; deze kennis wordt vervolgens gedestilleerd in een lichtgewicht Q-waardemodel dat de verwachte gevolgen van kandidaatacties voorspelt; bij implementatie stelt de bevroren VTA meerdere kandidaten voor en selecteert de evaluator degene met de hoogste onzekerheidsgeregulariseerde Q-waarde, zonder dat er een simulator nodig is. Door actievoorstel te ontkoppelen van gevolgevaluatie behoudt SVA de generalisatiecapaciteit van de VTA-backbone, terwijl taaksuccespercentages aanzienlijk verbeteren. Experimenten met belichaamde benchmarks tonen aan dat SVA consistent generalisatie naar onbekende taken verbetert en een sterk testtijdschaalgedrag vertoont. Opvallend is dat SVA een 9B VTA in staat stelt een 27B VTA te overtreffen met 7 punten bij 27% lagere inferentielatentie, wat suggereert dat het opschalen van testtijdsevaluatie kosteneffectiever is dan het opschalen van modelgrootte.
Spraakgebaseerde depressiedetectie comprimeert kenmerken van korte audiosegmenten tot één beslissing op sprekersniveau, een stap die temporele aggregatie wordt genoemd en zelden op zichzelf wordt bestudeerd. De meeste benchmarks gebruiken een vaste, zelfgecontroleerde encoder en een enkele handmatig gekozen laag, waardoor een gerapporteerde verbetering eerder de pijplijn kan weerspiegelen dan de aggregatiemethode zelf. We introduceren DEPOOL, een gecontroleerde benchmark die zes aggregatiearchitecturen vergelijkt met zes bevroren spraak-backbones op een Engels en een Mandarijns depressiecorpus, waarbij elke configuratie leert welke backbone-lagen van belang zijn in plaats van er handmatig een te kiezen. In het resulterende raster van 72 configuraties stort een derde van de configuraties in en voorspelt voor elke spreker slechts één klasse, een falen dat evenzeer aan de backbone als aan de methode is gebonden, en de architectuur die het meest stabiel is in een enkele seed-run wordt onbetrouwbaar wanneer training zich herhaalt over seeds. Robuustheid ten opzichte van backbone en seed, in plaats van gemiddelde nauwkeurigheid over een enkele pijplijn, zou een eersteklas benchmarkcriterium moeten zijn voor temporele aggregatie in klinische spraak.
Beheersbare generatieve modellen van 3D-medische beelden kunnen volumes synthetiseren met gespecificeerde klinische attributen, maar dit vereist samples die tegelijkertijd hoge getrouwheid, native 3D en trouw aan de gevraagde conditionering zijn. Wij presenteren CONFLUX, een latent diffusiemodel voor computertomografie (CT) van de borstkas: een 3D-variatie-autocoder comprimeert elk volume, en een rectified-flow-transformer genereert in de latente ruimte. Generatie wordt geconditioneerd op gestructureerde radiologische metadata (18 afwijkingsbevindingen, geslacht, leeftijd en reconstructiekernel) via adaptieve laagnormalisatie. Het model overtreft sterke volumetrische baselines op tri-planaire Fréchet-afstand (FID 32,3 vs. 74,6 voor MAISI) terwijl het directe controle over klinische attributen biedt. Om die controle te versterken, voegen we een online-reinforcement-learning-post-trainingfase toe (groepsrelatieve beleidsoptimalisatie) die beloont hoe betrouwbaar een classificator de gevraagde bevindingen uit elk gegenereerd volume herstelt. Beoordeeld door een aparte, onafhankelijke classificator, verwijdert de post-training 47% van het tekort ten opzichte van de betrouwbaarheid van echte scans. Wij geven het model en een dataset van ~200k synthetische borstkas-CT’s vrij, met conditionering metadata die een breed scala aan klinische bevindingen omvatten.
Wij presenteren SynCity 3000, een raamwerk voor het genereren van 3D-scènes die globaal coherent zijn en tegelijkertijd fijnmazige controle over de lay-out mogelijk maken. Voortbouwend op het vermogen van huidige beeld-naar-3D-generatoren om complexe 3D-assets te produceren op basis van één enkele afbeelding, breiden we deze mogelijkheid uit naar de schaal van volledige scènes door de generator aan te passen zodat deze als een convolutionele operator kan worden toegepast. Dit bereiken we door het model te fine-tunen op scène-achtige data gegenereerd door een nieuwe synthetische data-engine, die we voorstellen om het gebrek aan 3D-scènedata voor training aan te pakken. De convolutionele generator wordt vervolgens toegepast op een dimetrische afbeelding van de volledige scène, gegenereerd op basis van de gebruikersprompt, wat resulteert in 3D-scènes van willekeurige omvang en complexiteit. Bij diverse prompts en lay-outs produceert SynCity 3000 grote, coherente en gedetailleerde scènes, waarmee de tekortkomingen van eerdere benaderingen voor 3D-scènegeneratie worden aangepakt.
Crossmodule overeenkomsten tussen geluid en smaak zijn goed gedocumenteerd in de psychologie en neurowetenschappen, maar grotendeels afwezig in content-gebaseerde multimedia retrieval. We formaliseren smaak-van-audio voorspelling als een content-gebaseerde muziekinformatie retrieval benchmark over een perceptueel gevalideerde multi-bron corpus, waarbij we tien bevroren audio-encoders uit de vier HEAR-families vergelijken onder een gedeelde multi-taak regressiehoofd, met gated late-fusie als een configureerbare variant. Om de effectiviteit van de modellen te beoordelen, berekenen we absolute fout en rangcorrelatie. De sterkste systemen voorspellen de vijf smaken binnen een macro RMSE van 0,134; op niet eerder gebruikte echte muziek is hun fout minder dan de helft van de afwijking van één beoordelaar van de consensus (RMSE 0,13 vs. 0,28), dus het model volgt de groepsconsensus nauwkeuriger dan een gemiddelde menselijke beoordelaar, en ruim onder de vorige state-of-the-art basislijn (0,219). Wat absolute fout betreft zijn de encoders statistisch vlak, waarbij een enkele VGGish overeenkomt met de beste fusie, maar het voordeel van gated late-fusie blijft beperkt tot rangcorrelatie (macro Pearson r 0,724 vs. 0,666). Geoperationaliseerd als een content-gebaseerde retrieval index rangschikt de voorspelde smaakruimte een pool van 309 items veel getrouwer dan een CLAP-tekst basislijn, die op kansniveau presteert; ridge probes en een audio-bandstop knockout lezen de sterkste representaties af tegenover gedocumenteerde geluid-smaak correspondenties.
Planning op beslissingsmoment met actie-geconditioneerde wereldmodellen is een populaire paradigma geworden voor belichaamde besturing. Echter, de standaard planningskosten beoordelen een kandidaat uitsluitend op basis van hoe dicht de voorspelde eindtoestand bij het doel ligt, waarbij de realiseerbaarheid van de tussentijdse overgangen onopgemerkt blijft – een voorspeld traject kan overtuigend lijken terwijl de uitrol in de omgeving ervan afdwaalt. In dit artikel stellen wij ACID voor, een raamwerk voor planning op beslissingsmoment dat cyclische actieconsistentie introduceert: de actie die door een invers dynamisch model terugwaarts wordt afgeleid uit een voorspelde overgang, zou de actie moeten herstellen waarop die overgang was geconditioneerd. We vouwen deze stapsgewijze residu in de planningskosten via een schaalinvariante adaptieve weging. Over vier actie-geconditioneerde wereldmodellen en zes taken, variërend van rigide en vervormbare manipulatie, gearticuleerde besturing tot visuele navigatie, verbetert ACID consistent de planning en evenaart het de nauwkeurigheid van de basislijn met aanzienlijk minder rekenkracht voor planning.
Opdat robots betrouwbaar kunnen werken in commerciële en industriële toepassingen, kunnen recente ontwikkelingen in agentische coderingssystemen dan interpreteerbare robotprogrammering combineren met het aanpassingsvermogen aan open werelden van modelvrije beleidsvormen? We richten ons op "Variationele Automatisering" (VA), een klasse van taken die grotere variaties in objectgeometrie en pose vertonen dan vaste automatisering. Modelvrije beleidsvormen slagen er vaak niet in de betrouwbaarheidskloof voor VA-taken te dichten, die in commerciële en industriële toepassingen aanhoudend en betrouwbaar moeten worden uitgevoerd. Geïnspireerd door eerder werk over Taak- en Bewegingsplanning (TAMP) en het Robot Besturingssysteem (ROS), introduceren we Graph-as-Policy (GaP), een multi-agent coderingsharnas dat gerichte berekeningsgrafieken genereert met perceptie-, planning- en controlenodes uit een Modulaire Open Robotvaardighedenbibliotheek (MORSL). GaP genereert vervolgens een interne simulatieomgeving om taakinstanties met verschillende grafieken parallel te oefenen, om iteratief de grafiekstructuur en parameters te verfijnen, wat leidt tot hogere slagingspercentages en doorvoer. Evaluatie met 8 nieuwe open VA-taakbenchmarks, 4 in simulatie en 4 in de echte wereld, suggereert dat GaP slagingspercentages kan behalen die significant beter zijn dan de basislijnen. Details, code en gegevens zijn online te vinden: https://graph-robots.github.io/gap
Onge superviseerde syllabische tokenisatie streeft ernaar discrete syllabische tokens te leren die latente linguïstische inhoudsgerelateerde structuur uit ruwe spraak vastleggen. Recente syllabische tokenisatiemethoden maken gebruik van teacher-student distillatie van de voorgetrainde HuBERT om latente spraakframerpresentaties te organiseren in syllabische segmenten. Wanneer het model echter wordt getraind met een kruisentropiedoelstelling op uitingniveau, voorspelt het de sprekeridentiteit in plaats van de linguïstische inhoud, waardoor de zuiverheid van syllabische tokens in het gedrang komt. Om dit probleem aan te pakken, stellen we een spreker-ontwarde syllabische tokenizer voor die door sprekerverstoring beïnvloede studentrepresentaties regresseert naar schone teacherdoelen binnen chunks van vaste lengte. Experimentele resultaten tonen aan dat onze voorgestelde methode state-of-the-art prestaties behaalt in syllabegrensdetectie en syllabische segmentclustering. Bovendien behaalt een spraaktaalmodel dat is getraind op onze syllabische tokens een relatieve verbetering van 7% in syntactisch en semantisch begrip ten opzichte van het foneemniveau SpiRit-LM.
Semi-gesuperviseerde semantische segmentatie (SSSS) draait al lang om één vraag: welke pseudo-labels zijn te vertrouwen? En die vraag wordt beantwoord met steeds zorgvuldigere betrouwbaarheidsfiltering. Fundamentele backbones veranderen het regime: met een DINOv2-docent behoudt een strikte drempel al een gemeten 98%-schone set pseudo-labels, dus de nauwkeurigheid die overblijft zit niet in de filter maar in hoe de inbeddingsruimte door klasse is gestructureerd. Wij stellen PixCon voor, een schoon-positief pixel-contrastief raamwerk. PixCon onderhoudt een per-klasse geheugenbank die alleen gelabelde pixels toelaat die de student al correct classificeert, wat per constructie een besmettingsvrije positieve set (ρ_F=0) garandeert, in tegenstelling tot eerdere contrastieve SSSS-banken (ReCo, U^2PL) die zijn gebouwd uit met betrouwbaarheid gefilterde pseudo-labels. Het is een enkele tak over een consistentie-backbone, voegt geen parameters toe tijdens inferentie en heeft geen bankspecifieke drempel nodig. Een eerste-orde analyse van de gesuperviseerde InfoNCE-gradiënt verklaart waarom contaminatie schaadt: de vals-positieve term schaalt als ρ_F/(1-ρ_F), die we meten (0,018 op Pascal, 0,106 op ADE20K) in plaats van aannemen. Op Pascal VOC, Cityscapes en ADE20K evenaart of verbetert PixCon een sterke DINOv2-gebaseerde UniMatch V2-baseline in een rekenkracht-gematcht een-schakelprotocol: het verbetert elk Pascal-1/8 seed (een winst per seed van ongeveer +0,2 mIoU) en het drie-seed gemiddelde bereikt 87,90, de gepubliceerde UniMatch V2-B waarde. Omdat contaminatie al zeldzaam is onder foundation-model docenten, geeft onze analyse aan dat de ρ_F=0-garantie voornamelijk fungeert als robuustheid naarmate docenten verzwakken, terwijl de nauwkeurigheidswinst voortkomt uit schonere positieve supervisie, waardoor schoon-positief contrast een robuuste, goedkope standaardoptie wordt voor foundation-model SSSS.
Hoogdoorvoer wetenschappelijke faciliteiten zoals de Grote Hadronenbotser zijn afhankelijk van real-time gebeurtenisfiltering (triggering) onder strikte beperkingen op bandbreedte, latentie en opslag. In de praktijk zijn triggermenu's grotendeels statisch en handmatig afgesteld, en kunnen ze suboptimaal worden naarmate detectoromstandigheden, pileup en achtergrondsamenstelling in de loop van de tijd verschuiven. We modelleren online drempelafstemming als een sequentieel besluitvormingsprobleem: een bekrachtigingslerende agent verwerkt stromende samenvattingen van recente snelheden en signaalgevoelige kenmerken en werkt triggerniveaus bij om de signaalefficiëntie te maximaliseren terwijl een beoogde achtergrondsnelheid binnen een tolerantieband wordt gevolgd. We passen groepsgefilterde beleidsoptimalisatie (GFPO) aan voor stromingscontrole en introduceren twee varianten (GFPO-F, GFPO-FR) die de haalbaarheid van de achtergrondsnelheid tijdens de training afdwingen. Op een benchmark die realistische botsingsexperimenten nabootst, bestuderen we twee representatieve triggers: een totale transversale energie (H_{T})-trigger gevoelig voor pileupvariaties, en een anomaliedetectie (AD)-trigger gebaseerd op reconstructieverlies voor zeldzame of niet-standaard signalen. Op Monte Carlo-stromen verhoogt onze agent het aandeel tijdsintervallen binnen tolerantie met 48% (H_T) en 28% (AD), met een cumulatieve winst van maximaal 2% in signaalefficiëntie op die interventies binnen tolerantie. Overgaand van simulatie naar echte botsingsdata (CMS Run 283408) bereikt dezelfde agent, zonder verdere afstemming, een verbetering van 56% (H_T) en 28% (AD) binnen tolerantie ten opzichte van basislijnen, met verdere signaalefficiëntiewinst op beide triggers. Voor zover wij weten, is dit de eerste demonstratie van op bekrachtigingsleren gebaseerde triggercontrole op echte botsingsdata van de Grote Hadronenbotser. Code is beschikbaar op https://github.com/Zixind/GFPO_LHC (zie repository voor details).