近期，DeepSeek-R1通过基于规则的奖励强化学习（RL）展示了大型语言模型（LLMs）中推理能力的涌现。基于这一理念，我们首次探索了基于规则的强化学习如何增强多模态大型语言模型（MLLMs）在图形用户界面（GUI）动作预测任务中的推理能力。为此，我们精心整理了一个规模虽小但质量极高的数据集，包含136项具有挑战性的任务，涵盖了移动设备上的五种常见动作类型。同时，我们还引入了一种统一的基于规则

实验结果表明，当前最先进的LLMs在不同知识领域（例如，以推理为重点的模型DeepSeek-R1在SuperGPQA上取得了最高的61.82%准确率）的表现仍有显著提升空间，凸显了当前模型能力与通用人工智能之间存在的巨大差距。其次，项目团队提出了一种新颖的人机协作过滤机制，通过迭代精炼的方式消除琐碎或模糊的问题，从而提高了评估的针对性和有效性。实验结果表明，在不同轮次的评估中，模型的表现具有较高的

【研究摘要】本研究推出GLM-4.1V-Thinking视觉语言模型，通过三阶段训练框架（大规模预训练、监督微调、课程采样强化学习RLCS）显著提升多模态推理能力。模型在28个基准测试中表现优异，尤其在长文档理解和STEM推理任务上媲美GPT-4o等闭源模型。研究亮点包括：1）构建涵盖100亿图像-文本对的多样化数据集；2）创新RLCS框架实现跨领域能力协同提升；3）开源9B参数模型在多项任务超越

我们介绍了Eagle 2.5，这是一个用于长上下文多模态学习的前沿视觉语言模型（VLM）系列。我们的工作解决了长视频理解和高分辨率图像理解中的挑战，为这两项任务引入了一个通才框架。所提出的训练框架结合了自动降级采样和图像区域保留，这两种技术可以保持上下文完整性和视觉细节。该框架还包括许多针对长上下文数据训练的管道效率优化。最后，我们提出了Eagle-Video-110K，这是一个新颖的数据集，集成

《DeepAnalyze-8B：面向自主数据科学的智能体式大模型》 摘要：本文提出DeepAnalyze-8B，首个专为自主数据科学设计的智能体式大语言模型。该模型通过创新的课程学习训练范式，模拟人类分析师的学习轨迹，实现从原始数据到深度报告的端到端自动化流程。研究采用基于数据支撑的轨迹合成框架构建训练数据，使8B参数的模型在12个基准测试中超越基于工作流且构建在专有大模型上的智能体。实验表明，D

摘要：本研究提出SmolVLA——一种小型高效的视觉语言动作模型，解决了现有视觉语言动作（VLA）模型参数量大、训练成本高的问题。通过优化模型架构设计（跳层处理、视觉标记缩减、交替注意力机制）和利用481个社区数据集进行预训练，SmolVLA参数少于5亿，能在单GPU训练并部署至消费级设备。创新性地引入异步推理堆栈实现感知-动作解耦，提升控制速率。实验表明，在LIBERO和Meta-World模拟

为了评估LLM对物理概念的理解，本文设计了一项名为PhysiCo的任务。该任务通过网格格式的输入来抽象描述物理现象，从而避免了记忆问题。网格中的每个元素都代表了对物理概念的不同层次理解，从核心现象到应用实例，再到网格世界中其他抽象模式的类比。

摘要：本研究针对大型语言模型（LLMs）强化学习中的探索预算分配问题，提出创新解决方案KnapsackRL。该框架将任务探索建模为背包问题，通过动态规划为不同难度任务分配差异化预算：简单任务减少资源，复杂任务最高可获得93次模拟推演（传统均匀分配仅16次）。实验表明，该方法使有效梯度比例提升20%-40%，在数学推理基准测试中平均提高2-4分，特定任务最高提升9分，性能相当情况下可节省50%计算资

《MIRIX：模块化多智能体记忆系统的突破性进展》 摘要：本研究提出MIRIX记忆系统，突破现有AI智能体记忆能力的根本局限。通过六种精心设计的记忆类型（核心、情景、语义、程序性、资源记忆和知识库）和多智能体框架，MIRIX实现了多样化长期用户数据的持久保存与准确检索。实验表明，在多模态基准测试ScreenshotVQA中，MIRIX准确率比RAG基线提升35%，存储需求减少99.9%；在长对话测

摘要：本文提出Diffuman4D方法，通过滑动迭代去噪机制增强4D扩散模型的时空一致性，实现稀疏视角视频的高质量视图合成。该方法定义4D潜在网格编码图像、位姿和姿态信息，采用滑动窗口在时空维度交替去噪，使信息充分流动。实验证明，在DNA-Rendering和ActorsHQ数据集上，该方法生成的视频在PSNR、SSIM等指标上显著优于现有技术，保持更好的时空连贯性，同时控制GPU内存消耗。研究还