Show Me Examples: Inferring Visual Concepts from Image Sets
视觉语言模型 (VLM) 可以遵循复杂的文本指令，但它们很难从纯粹的视觉上下文中进行推理。特别是，当前的模型无法从示例图像集中推断出共享概念并将其应用于新的输入。我们引入了集合视觉概念推理（VICIS），这是一项评估这种能力的任务。给定共享概念和查询图像的一小部分上下文图像，模型必须生成新图像，以保留上下文定义的概念，同时与查询保持一致。我们证明最先进的 VLM 在这项任务上表现不佳......
When Unlearning Is Free: Leveraging Low Influence Points to Reduce Computational Costs
随着对机器学习中数据隐私的担忧不断增加，从训练模型中遗忘或删除特定数据点的能力变得越来越重要。尽管最先进的遗忘方法已经出现，但它们通常平等地对待遗忘集中的所有点。在这项工作中，我们通过询问来挑战这种方法：是否需要删除对模型学习影响可忽略不计的点？通过对语言和视觉任务的影响函数进行比较分析，我们确定了对模型输出影响可以忽略不计的训练数据子集……
如果函数的属性可以用函数中每个值出现的频率来表征，而不管每个值出现的位置如何，则该属性称为位置不变（或对称）。众所周知，测试函数位置不变属性的（查询）复杂性与测试相应分布（的相应属性）的（样本）复杂性密切相关。当前工作的主要信息是，这种密切关系并没有在验证的背景下维持。当考虑到......时这两者都成立
Interactive Proofs for General Distribution Properties
假设 Alice 从未知分布中收集了少量样本，并且想了解该分布。鲍勃是一位不受信任的数据分析师，他声称已经对分布进行了复杂的数据分析，并对其属性做出了断言。 Alice 何时以及如何有效地验证 Bob 的声明（使用比自己运行分析所需的资源更少的资源）？我们为可以由有界深度电路决定的一般分布属性构建了交互式证明系统。取 N 为分布的上限...
Personalizing Incremental Video Search with Hybrid Text and ID Embeddings
增量视频搜索需要在每次击键后进行高质量排名，而意图通常不明确（例如，1-3 个字符前缀）。我们提出了一个 Apple TV 搜索的个性化系统，该系统在排名时结合了互补的语义和协作信号。我们的方法学习两个项目嵌入空间：(i) 基于文本的多语言编码器 (TextEmb)，通过对比学习对共同参与三元组进行微调；(ii) 基于 ID 的协作嵌入模型 (IdEmb)，根据交互衍生的积极因素进行训练。在服务时，我们从…构建用户表示
Embarrassingly Simple Self-Distillation Improves Code Generation
大型语言模型 (LLM) 能否在没有验证器、教师模型或强化学习的情况下仅使用其自己的原始输出来改进代码生成？我们通过简单自蒸馏（SSD）给出肯定的答案：从具有特定温度和截断配置的模型中抽取样本解决方案，然后使用标准监督微调对这些样本进行微调。 SSD 在 LiveCodeBench v6 上将 Qwen3-30B-Instruct 从 42.4% 提高到 55.3% pass@1，收益主要集中在更难的问题上，并且它在 4B、8B 和 30B 规模的 Qwen 和 Llama 模型上进行了推广，包括......
Doubly Sub-linear Interactive Proofs of Proximity
我们研究双次线性交互式邻近证明（dsIPP）：生成速度超快的证明，可用于证明有关巨大输入的近似断言。证明生成速度超快，因为它只需要读取输入的一小部分（亚线性）。证明的近似验证甚至更快（读取输入的更小部分）。与属性测试文献类似，近似验证意味着亚线性时间诚实证明者可以使验证者接受属性中的每个输入，但没有证明者可以欺骗验证者......
One Layer Is Enough: Adapting Pretrained Visual Encoders for Image Generation
视觉生成模型（例如扩散模型）通常在压缩的潜在空间中运行，以平衡训练效率和样本质量。与此同时，人们对利用高质量的预训练视觉表示越来越感兴趣——无论是在 VAE 内对齐它们还是直接在生成模型内对齐它们。然而，由于面向理解的特征和生成友好的潜在空间之间的根本不匹配，适应这种表示仍然具有挑战性。表示编码器受益于高维潜伏，捕捉不同的假设......
CLaRa: Bridging Retrieval and Generation with Continuous Latent Reasoning
检索增强生成（RAG）利用外部知识增强了大型语言模型（LLM），但仍然受到长上下文和不相交的检索生成优化的影响。在这项工作中，我们提出了 CLaRa（连续潜在推理），这是一个在共享连续空间中执行基于嵌入的压缩和联合优化的统一框架。为了获得语义丰富且可检索的压缩向量，从而减少输入生成器的文档长度，我们引入了 SCP，一种基于问答和释义的密钥保留数据合成框架......
Uncertainty Quantification for LLM Function-Calling
大型语言模型 (LLM) 越来越多地用于自主解决现实世界的任务。其中一个关键要素是法学硕士函数调用范式，这是一种广泛使用的方法，为法学硕士配备工具使用功能。然而，LLM 错误地调用函数可能会产生严重影响，特别是当其影响不可逆转时，例如转账或删除数据。因此，在执行函数调用之前，考虑法学硕士对函数调用正确解决任务的信心至关重要。不确定性量化（UQ）方法可用于量化……
Proactive Agent Research Environment: Simulating Active Users to Evaluate Proactive Assistants
预测用户需求并自动执行任务的主动代理作为数字助理具有广阔的前景，但缺乏现实的用户模拟框架阻碍了它们的发展。现有方法将应用程序建模为平面工具调用 API，无法捕获数字环境中用户交互的状态和顺序性质，并使真实的用户模拟不可行。我们引入主动代理研究环境（Pare），这是一个用于在数字环境中构建和评估主动代理的框架。将应用程序建模为有限状态机......
Multilingual Semantic Retrieval for Apple Music Search
Apple Music 以数十种语言为 150 多个店面的听众提供服务，其目录每天都会增加数十万首新曲目。在这种规模下，拼写错误、音译和跨语言查询的搜索召回成为会话质量的主要驱动因素，特别是对于占唯一查询大部分的尾部查询。我们提出了一个基于 305M 参数暹罗双编码器的多语言语义检索系统，该编码器根据 GTE 多语言基础进行了微调，并具有课程安排的多目标训练。该模型通过...集成到搜索堆栈中
本文在 2026 年国际可用性、可靠性和安全性会议 (ARES) 的 AI4TCI（安全可信关键基础设施系统人工智能研讨会）研讨会上被接受。自主谈判代理越来越多地部署在保险和采购等高风险环境中。虽然加密技术可以保护明确披露的约束值，但它们无法解决更微妙的威胁：行为隐私泄露，对手从可观察的谈判动态（例如让步轨迹、时间安排和……）中推断出私人约束。
Incentivizing Temporal-Awareness in Egocentric Video Understanding Models
多模态大语言模型 (MLLM) 最近在视觉理解方面表现出了强大的性能，但它们往往缺乏时间意识，特别是在以自我为中心的环境中，其中推理取决于事件的正确排序和演变。这种缺陷部分源于训练目标未能明确奖励时间推理，而是依赖于帧级空间快捷方式。为了解决这个限制，我们提出了时态全局策略优化（TGPO），这是一种具有可验证奖励的强化学习（RLVR）算法，旨在激励时态……
长上下文处理仍然是语言模型的核心挑战：即使具有扩展的上下文窗口，模型通常也无法跨长上下文可靠地提取、推理和使用信息。最近的工作，如递归语言模型（RLM），通过推理时的编程交互将长上下文分解为递归子查询的代理方式来应对这一挑战。尽管前景广阔，但 RLM 的成功关键取决于如何选择这些情境交互程序的轨迹，而这一点尚未得到探索。在本文中，我们研究这个问题......
Unmasking On-Policy Distillation: Where It Helps, Where It Hurts, and Why
在策略蒸馏为训练推理模型提供密集的、按令牌的监督；然而，目前尚不清楚该信号在哪些条件下有益，在哪些条件下有害。应该采用哪种教师模式，在自我蒸馏的情况下，应该以哪种具体情境作为监督信号？不同代币的最佳选择是否有所不同？目前，解决这些问题通常需要昂贵的训练运行，其总体性能指标掩盖了单个代币级别的动态。我们推出了免培训...
Weblica: Scalable and Reproducible Training Environments for Visual Web Agents
网络复杂、开放且不断变化，这使得扩展可视网络代理的训练数据变得具有挑战性。现有的数据收集尝试仍然仅限于用于监督微调的离线轨迹或用于 RL 训练的少数模拟环境，因此无法捕获网络多样性。我们提出了Weblica（Web Replica），一个用于构建可复制和可扩展的Web环境的框架。我们的框架利用 1) HTTP 级缓存来捕获和重播稳定的视觉状态，同时保留交互行为，以及 2) 基于 LLM 的环境合成......
DynaMiCS: Fine-Tuning LLMs with Performance Constraints Using Dynamic Mixtures
大型语言模型的多域微调需要提高目标域的性能，同时保留受限域的性能，例如常识、指令遵循或安全评估。现有的数据混合策略依赖于固定的启发式或自适应规则，无法明确强制保留此类功能。我们提出了 DynaMiCS，一种动态混合优化器，它将多域微调作为约束优化问题。每次更新时，DynaMiCS 都会执行短的特定域探测运行，以估计局部的斜率矩阵...
