MDG: Masked Denoising Generation for Multi-Agent Behavior Modeling in Traffic Environments
核心问题：现有多智能体行为建模的扩散和自回归方法存在迭代采样、顺序解码或任务特定设计的限制，影响效率和复用性。
主要方法：提出Masked Denoising Generation (MDG)，将多智能体行为建模重构为独立加噪的时空张量重建，使用连续的、按智能体和时间步的噪声掩码，实现局部去噪和可控轨迹生成，支持单步或少量前向传递。
关键结果：在Waymo Sim Agents和nuPlan Planning基准测试中实现了有竞争力的闭环性能，同时提供高效、一致和可控的开环多智能体轨迹生成。
研究意义：MDG作为简单但通用的范式，可应用于开环预测、闭环仿真、运动规划和条件生成等多个任务，提升了多智能体行为建模的效率和复用性。
Video-R4: Reinforcing Text-Rich Video Reasoning with Visual Rumination
核心问题：现有视频QA模型依赖固定帧的单次感知，难以处理文本丰富视频中的小、瞬态文本线索，导致幻觉和细粒度证据失效。
主要方法：提出Video-R4，一个视频推理LMM，通过视觉反刍（迭代选择帧、放大信息区域、重新编码像素、更新推理状态）增强推理。构建两个数据集（Video-R4-CoT-17k和Video-R4-RL-30k），采用多阶段学习框架，通过SFT和GRPO-based RL微调7B LMM学习视觉操作。
关键结果：在M4-ViteVQA上取得最先进结果，并推广到多页文档QA、幻灯片QA和通用视频QA。
研究意义：证明了迭代视觉反刍是像素接地多模态推理的有效范式，提升了文本丰富视频的推理能力。
PersonaAgent with GraphRAG: Community-Aware Knowledge Graphs for Personalized LLM
核心问题：需要个性化AI代理适应用户偏好，但现有方法难以结合用户上下文和集体知识。
主要方法：提出PersonaAgent with GraphRAG框架，使用Graph RAG机制构建LLM衍生的知识图索引，总结相关信息社区。结合用户历史行为摘要和图社区检测的全局模式生成个性化提示。
关键结果：在LaMP基准上，新闻分类F1提升11.1%，电影标签F1提升56.1%，产品评分MAE降低10.4%。
研究意义：通过Graph RAG结合用户persona和集体知识，提升了个性化LLM的性能，为个性化AI代理提供了有效框架。
REMSA: An LLM Agent for Foundation Model Selection in Remote Sensing
核心问题：遥感基础模型（RSFM）选择困难，因文档分散、格式异构和部署约束多样。
主要方法：构建RSFM数据库（RS-FMD）覆盖150+ RSFMs，提出REMSA，第一个基于LLM的代理，从自然语言查询自动选择RSFM。REMSA解释用户需求、解决缺失约束、用上下文学习排序模型并提供透明理由。
关键结果：在75个专家验证的RS查询场景中，REMSA优于naive agents、密集检索和非结构化RAG-based LLMs。
研究意义：通过LLM代理自动化RSFM选择，解决了遥感基础模型选择的痛点，提升了效率和准确性。
SMILE: A Composite Lexical-Semantic Metric for Question-Answering Evaluation
核心问题：现有QA评估指标要么侧重词汇相似性（如ROUGE、EM）忽略语义，要么侧重上下文嵌入（如BERTScore）缺乏灵活性，LLM-based评估器成本高、有偏差。
主要方法：提出SMILE，结合句子级语义理解、关键词级语义理解和简单关键词匹配，平衡词汇精度和语义相关性。
关键结果：在文本、图像、视频QA任务中，SMILE与人类判断高度相关，且计算轻量。
研究意义：桥接了词汇和语义评估的 gap，提供了全面且高效的QA评估指标。
That's not natural: The Impact of Off-Policy Training Data on Probe Performance
核心问题：LLM探针训练依赖合成或off-policy数据，但其对探针泛化的影响未被系统评估。
主要方法：系统评估合成和off-policy数据对8种LLM行为的探针泛化影响，测试线性和注意力探针。
关键结果：off-policy数据的泛化成功可预测on-policy泛化；同域off-policy数据比异域on-policy数据更可靠；领域转移导致更大性能下降。
研究意义：揭示了off-policy数据对LLM探针的影响，为LLM监控中的数据选择提供了指导。
Beyond Multiple Choice: A Hybrid Framework for Unifying Robust Evaluation and Verifiable Reasoning Training
核心问题：MCQA格式存在选项泄漏信号，导致accuracy指标不可靠，RFT中鼓励猜答案。
主要方法：提出ReVeL框架，将MCQA重写为开放问题，保持答案可验证。根据答案类型分类，应用不同的重写和验证方案。用GRPO微调Qwen2.5-VL模型。
关键结果：ReVeL-OpenQA训练的模型在MCQA基准上匹配accuracy，OpenQA accuracy提升约6个百分点；评估时揭示MCQA分数膨胀达20个百分点，提高判断准确性，降低成本和延迟。
研究意义：解决了MCQA的局限性，提供了更可靠的评估和训练框架，提升了多模态语言模型的推理能力。
Selective Rotary Position Embedding
核心问题：RoPE在softmax transformers中用固定角度旋转编码位置，线性transformers用输入依赖的门控处理顺序，但RoPE缺乏输入依赖性。
主要方法：提出Selective RoPE，输入依赖的旋转嵌入机制，generalizes RoPE，支持线性和softmax transformers的任意角度旋转。
关键结果：在门控transformers中使用Selective RoPE，提升了语言建模和困难序列任务（如复制、状态跟踪、检索）的性能。
研究意义：通过输入依赖的旋转嵌入，提升了transformers的位置编码能力，改善了语言相关任务的性能。
IndustryNav: Exploring Spatial Reasoning of Embodied Agents in Dynamic Industrial Navigation
核心问题：现有embodied benchmarks集中在静态家庭环境，无法捕捉动态真实世界的整体性能，VLLMs在空间推理中存在挑战。
主要方法：提出IndustryNav，第一个动态工业导航基准，包含12个高保真Unity仓库场景，动态物体和人类移动。用PointGoal导航 pipeline评估局部-全局规划，引入碰撞率和警告率metrics。
关键结果：9个SOTA VLLMs中，闭源模型有优势，但所有代理在鲁棒路径规划、避障和主动探索中存在不足。
研究意义：揭示了VLLMs在动态工业环境中的空间推理局限性，为embodied research提供了新基准和方向。
Don't Learn, Ground: A Case for Natural Language Inference with Visual Grounding
核心问题：现有NLI方法依赖文本，易受文本偏差和表面启发式影响。
主要方法：提出零样本NLI方法，用text-to-image模型生成前提的视觉表示，与文本假设比较进行推理。评估余弦相似性和VQA两种推理技术。
关键结果：无任务微调下达到高accuracy，对文本偏差和表面启发式鲁棒。
研究意义：通过视觉接地提升NLI的鲁棒性，为自然语言理解提供了新方向。
ReBaPL: Repulsive Bayesian Prompt Learning
核心问题：传统prompt tuning易过拟合，分布外泛化差；现有Bayesian prompt learning难以探索多模态posterior。
主要方法：提出ReBaPL，整合循环步长调度和SGHMC，交替探索和利用；引入基于表示空间的排斥力，防止过早收敛到单一模式。
关键结果：在多个基准数据集上优于SOTA prompt learning方法。
研究意义：通过Bayesian inference和排斥力，有效探索prompt的posterior分布，提升了泛化能力，为prompt learning提供了更鲁棒的方法。
MMT-ARD: Multimodal Multi-Teacher Adversarial Distillation for Robust Vision-Language Models
核心问题：传统单教师对抗蒸馏存在知识多样性有限、收敛慢、难以平衡鲁棒性和准确性的问题。
主要方法：提出MMT-ARD，多模态多教师对抗鲁棒蒸馏框架。双教师知识融合架构优化清洁特征保留和鲁棒特征增强；动态权重分配基于教师置信度；自适应sigmoid加权函数平衡跨模态知识转移。
关键结果：ViT-B-32模型上，鲁棒accuracy提升+4.32%，零样本accuracy提升+3.5%，训练效率提升2.3x。
研究意义：通过多教师蒸馏提升了VLM的对抗鲁棒性和训练效率，为安全关键应用中的VLM提供了更鲁棒的方法。
Masked-and-Reordered Self-Supervision for Reinforcement Learning from Verifiable Rewards
核心问题：RLVR在定理证明等任务中scalability有限，中间推理关键但最终答案难验证；token-level SFT沦为死记硬背。
主要方法：提出MR-RLVR，通过“masked-then-fill”和“step reordering”构建过程级自监督奖励，从中间推理中提取可学习信号。两阶段训练：先在数学计算和证明数据上自监督训练，再在仅结果可验证的数据集上RLVR微调。
关键结果：Qwen2.5-3B和DeepSeek-R1-Distill-Qwen-1.5B上，Pass@1提升+9.86%，Pass@5提升+5.27%，Pass@8提升+4.00%。
研究意义：通过过程级自监督信号提升了RLVR的scalability和性能，解决了仅结果可验证场景中的推理问题。
