作为中间方案，既保留语义完整，又能捕捉局部优化空间，在对话对齐等任务中表现突出：既能按语义单元评估，又通过动态权重聚合全局优化，让模型“每写一句都知是否偏离目标”。追踪生成每步决策（如句子、子任务），提供实时反馈，像老师逐段点评作文般解决“信用分配”难题，尤其适配智能体多步骤任务，助其及时修正偏差，避免最终失误。，作为介于响应级和 token 级之间的中间粒度，既携带明确语义信息，又能缓解稀疏奖励

摘要：论文提出NAUTILUS模型，用于解决水下图像颜色失真、细节模糊等问题。通过构建145万问答对的大规模水下多任务数据集NautData，并设计基于物理先验的视觉特征增强(VFE)模块，该模型能在特征层面逆向修复水下图像退化信息。实验表明，NAUTILUS在目标检测、分类等8项任务上性能显著提升，尤其在恶劣水下环境中表现出强鲁棒性。该研究为水下智能探索提供了新基准，其可解释的物理建模方法和即插

上海交通大学团队提出BriLLM（Brain-inspired Large Language Model），采用"SiFu（Signal Fully-connected flowing）学习"范式，通过"静态语义节点+动态电生理式信号传播"机制重构语言生成过程。该模型具有结构内生可解释性、推理复杂度与上下文长度解耦等优势，并采用稀疏共享策略降低参数规模。小规

AAAI2026会议聚焦大模型前沿研究，精选7篇核心论文。研究涵盖：1）基于梯度表示优化的推理增强方法；2）MLLM指导的多模态嵌入学习；3）强化学习的视觉语言模型后门防御；4）上下文依赖表情符号消解基准测试；5）功能感知的低秩适配初始化策略；6）视觉语言模型的细粒度因果追踪框架；7）语言可分离性指导的多语言数据预选方法。这些研究为大模型推理、安全、应用等关键问题提供了创新解决方案。论文合集可通过

EMNLP2025最佳论文解析：聚焦NLP前沿突破 EMNLP2025会议在苏州举行，共接收1600篇论文，整体接收率21.3%。最佳论文奖授予《INFINI-GRAMMINI》，该研究创新性地采用FM-index数据结构，实现PB级文本的高效精确n-gram搜索，为LLM训练数据审计提供关键工具。7篇杰出论文覆盖多个前沿领域：LINGGYM构建首个低资源语言元语言推理评估基准；ValueActi

Transformer与强化学习（RL）的融合正成为决策智能领域的研究热点。这一新范式通过Transformer强大的时序建模能力，有效解决了传统RL在长时序依赖、离线数据利用率、安全约束平衡等方面的难题。目前研究聚焦三大方向：离线RL的序列化建模、安全约束的动态适配以及情景RL的效率优化。两篇代表性论文展示了该方向的创新成果：《Constrained Decision Transformer》通

AAAI2026会议聚焦大模型前沿研究，精选7篇核心论文。研究涵盖：1）基于梯度表示优化的推理增强方法；2）MLLM指导的多模态嵌入学习；3）强化学习的视觉语言模型后门防御；4）上下文依赖表情符号消解基准测试；5）功能感知的低秩适配初始化策略；6）视觉语言模型的细粒度因果追踪框架；7）语言可分离性指导的多语言数据预选方法。这些研究为大模型推理、安全、应用等关键问题提供了创新解决方案。论文合集可通过

本期精选10篇大模型前沿论文，涵盖多个研究方向：1）领域专用LLM与多智能体架构，如OpenBioLLM开源基因组问答框架；2）LLM推理优化与逻辑建模，包括ProRAC神经符号推理框架；3）评估基准与安全隐私，如MermaidSeqBench图表生成评估基准和CIMemories隐私风险评估；4）跨领域应用与伦理影响，包括自动驾驶行为分析及公平算法操纵风险研究。这些成果展示了LLM在性能提升、安

陈丹琦团队提出SLIM框架，破解长程智能体搜索的上下文管理难题。该研究针对现有框架因上下文溢出、工具预算耗尽等问题导致的性能下降，创新性地将检索拆分为独立搜索与浏览工具，并引入周期性轨迹总结机制。实验显示，SLIM在BrowseComp和HLE基准上分别达到56%和31%的准确率，超越开源基线8-4个百分点，同时减少4-6倍工具调用。该框架在o3、o4-mini和Claude-4-Sonnet等不

【摘要】复旦大学邱锡鹏团队提出创新性"视频思考"范式，突破现有"文本/图像思考"在动态推理和多模态融合上的局限。研究构建了包含4149个样本的VideoThinkBench基准测试集，涵盖视觉中心与文本中心两大任务类别。实验显示，Sora-2在视觉推理任务上与主流视觉语言模型性能相当，在文本推理任务上取得MATH 92%、MMMU 75.53%的准确率。研究