CMT-RAG：告别粗暴拼历史！子问题级DAG追踪让多轮问答F1提升6.8
为了弥合这一鸿沟，研究团队提出了 CMT-RAG（互补记忆轨迹框架）。其核心创新在于不再将记忆视为扁平的文本串，而是将其解构为 子问题级别的推理轨迹（Sub-question-level Reasoning Trace...
RAG知识系统
AGI FRONTIER
AI前沿分享第2页
深度解读 AI 论文，追踪 Agent、推理、多模态与具身智能的最新进展。
PAPER INSIGHTS
更多论文解读
ClinFusion：级联空间感知融合+原生3D编码，登顶20项医学基准
针对这两大瓶颈，来自阿里达摩院、清华大学、浙江大学及北京清华长庚医院等机构的研究团队提出了 ClinFusion 。这是一个专门为全景医学理解设计的视觉中心多模态大语言模型系统。
多模态&视觉AI工程
Chimera：混合注意力提速7.3倍，无需位置编码零样本外推30秒视频
最新研究提出的 Chimera 正面打破了这一瓶颈。它是一套面向海量 Token 生成范式而设计的混合视觉扩散骨干网络，并配备了一套严密的缩放配方。Chimera 将单流统一表示、线性复杂度的 Kimi Delta A...
多模态&视觉模型优化
做得了工程却成不了学者：前沿Agent攻关NeurIPS课题被原作者双拒
原论文作者指出，智能体确实敏锐地识别出了核心问题，甚至智能体在项目开端提出的几个候选假说，与人类学者数月前最初构思的研究方向惊人地相似。但在此之后，智能体的学术行为便迅速脱轨。
AI Agent
CameraAnything：解耦内外参控制，单次生成搞定运镜重拍与跨画幅适配
针对这一空白，来自蚂蚁集团、香港中文大学、香港科技大学、清华大学和浙江大学的研究团队提出了 CameraAnything 。这是首个将相机外参、内参以及画幅比例统一起来的视频编辑框架。
基础模型
Beacon：让多模态大模型学会“看题用工具”，在13个基准上实现真收益
针对这一核心痛点，最新研究提出了多模态推理模型 Beacon 。该研究不仅系统性量化了智能体调用工具的“自适应性”与“真实净收益”，更通过一套包含“必要性感知自适应奖励”与“提示引导能力拓展”的强化学习框架，彻底改变了...
AI Agent推理
ZhuLong：从静态盲猜到真机沙盒执行，EDA脚本Pass@1提升至78.5%
针对这一工程痛点，长鑫存储（CXMT）与中国科学技术大学的研究团队提出了 ZhuLong（烛龙）。该系统取名自中国神话中“开目为昼”的神兽，旨在照亮原本晦涩不透明的商业 EDA API 生态。
AI Agent
WorldExam：不仅看画质！20款视频世界模型评测揭示能力断层
针对这一核心盲区，新基准 WorldExam 提出了从“表象外观（Apparent Appearance）”向“内在反应性（Inherent Reactivity）”跃升的四层诊断体系。
AI评测多模态&视觉
SMRC-SD：别硬喂全轨迹！电子科大用状态匹配让成功率达86.5%
为此，研究团队提出了 SMRC-SD（State-Matched Routing and Contextualized Self-Distillation），通过显式检验执行状态的一致性，决定何时该蒸馏、如何组织上下文。
AI Agent模型优化
VeriTrace：时序自主探索，Verilog基准首破100%
为了打破这一僵局，研究者提出了 VeriTrace 框架，核心是赋予专职排错智能体（Inspector）完全自主的“时序探索能力”（Agentic Temporal Exploration）——它可以像资深验证工程师一...
AI Agent
UrbanAgent：打破跨系统服务孤岛，让城市智能体任务成功率达到71%
近期由多位研究者提出的 UrbanAgent ，试图用统一的工具增强 Agent 框架攻克这一瓶颈。它不仅能够调度跨系统的异构城市服务，还引入了“行动前主动澄清、依赖驱动执行、多源证据对齐校验”的完整自适应闭环。
AI AgentAI工程
BinaryPC：无需训练的二值主成分哈希，长文本解码吞吐提升3.56倍
来自腾讯、厦门大学以及中俄数字经济研究中心的研究团队提出了名为 BinaryPC 的全新注意力方案。该方案放弃了“数据无关的随机投影”与“黑盒梯度训练”这两条旧路线，巧妙借助矩阵的二值主成分（Binary Princi...
模型训练模型优化
北航提出ToolLIFT：解耦工作流与具体API，让大模型工具规划跨工具集泛化
来自北京航空航天大学的研究团队在最新论文中给出了破局思路，他们提出了名为 ToolLIFT 的通用工具规划框架。该研究的核心洞见在于：对于相似性质的复杂任务，即使底层调用的具体工具千差万别，它们在更高维度的“功能级工作...
推理
SPECTRA：冲破2-bit悬崖，将KV Cache压缩推至12倍
为此，来自诺基亚（Nokia）与莱斯大学（Rice University）的研究团队提出了名为 SPECTRA 的全新免微调、即插即用 KV Cache 编解码方案。
模型优化
Web Agent动态路由陷阱：5种策略实测告负，越需要路由反而越学不会
Web：残酷的实验结果显示： 没有一种策略能够稳定地优于“无脑固定在最便宜模式”或“固定在综合表现最好的单一模式” 。哪怕在极少数配置下某项策略在数值上微弱跑赢固定基线，经过多重假设检验校正以及噪声带宽比对后，也均落入...
AI Agent
Robust-WAM：对齐未来语义预见，具身世界动作模型真机OOD达80%
针对这种两难境地，来自北京航空航天大学、华为与香港科技大学的研究团队提出了 Robust-WAM 。这是一种面向基于视频生成的通用后训练（Post-training）方法，其核心思想并非推倒重建潜空间，而是在保留原有 ...
具身智能AI安全
PMMC：告别在线硬搜，长周期多模态记忆预编译提升3.2分
为了打破这一僵局，本文提出了一种全新的解决思路： 前瞻性多模态记忆预编译 （Prospective Multimodal Memory Compilation，简称 PMMC ）。其核心理念是将原本在提问时才匆忙进行的...
知识系统AI Agent
MCTS-Report：把多模态报告生成做成树搜索，MMRBench综合得分达到77.9
香港科技大学（HKUST）的研究团队在最新论文中提出了 MCTS-Report 。该方法完全颠覆了预设的线性流水线，将表格生成多模态报告的过程重新形式化为结构化搜索空间中的树构建问题。
推理多模态&视觉
MetaVideoAgent：让长视频智能体自主进化代码，准确率提升13个百分点
针对长视频理解中这种“固定设计难以应对多样化信息分布”的核心痛点，来自阿里巴巴、北京航空航天大学、字节跳动和浙江大学的研究团队提出了一套名为 MetaVideoAgent 的自动化演化框架。
AI Agent多模态&视觉
GMC：砍掉80%视觉Token仍保98%性能，VLM压缩重在消息而非Token
针对这一洞察，作者提出了无需训练的“锚定消息核心集剪枝”方法（Grounded Message Coreset Pruning，简称 GMC ）。该方法不再纠结于单个 Token 的孤立打分，而是将视觉压缩重构为解码器...
多模态&视觉模型优化
MemSIF：解耦结构化交互与双轨事实，长程Agent记忆准确率提升8.79%
针对这两大结构性痼疾，本文提出了 MemSIF （Memory with Structured Interactions and Facts）框架。该方法抛弃了传统的单轨交互处理方式，将原始对话重塑为保留局部话题连续性...
知识系统AI Agent
LLMRouter：统一16种路由算法，性能相对提升14.6%
LLMRouter：为了填补真实落地场景与评测之间的鸿沟，团队构建了包含 4,767 个测试样本的多场景基准 xRouteBench ，并设计了完全自动化的跨模型执行与打分流水线。
AI工程
LiLa-WAM：单卡24GB练出世界-动作模型，90.48%成功率领跑50项机器人任务
来自云知声、自然资源部、深信服、深圳理工大学和天津大学等机构的研究团队提出了 LiLa-WAM （Lightweight Latent Reasoning World-Action Model）。它打破了传统世界模型必...
具身智能推理
JoyAI-Video-Edit：单卡720p 30帧，两步蒸馏攻克流式视频编辑
JoyAI-Video-Edit 提出的 长时程自回归蒸馏（Long-Horizon Autoregressive Distillation, LHAD） ，巧妙地解决了长程稳定性与显存占用的矛盾。LHAD 采用了分段...
多模态&视觉模型优化