• AI生成动画首次直接输出可编辑工程文件，OmniLottie把Lottie的冗长JSON压缩成参数化token序列，让视觉语言模型直接生成带关键帧和缓动曲线的矢量动画，省去格式转换环节。CVPR接收，200万动画数据集已开源

• DPO的reward估计自带隐式正则化，本身就能抑制灾难性遗忘。SPoT发现很多常见post-training做法反而在破坏这个内置保护，用4k条最小修正数据即可让Qwen3-8B数学任务提升6.2%

• Reward model的CoT不是越长越好：Mix-GRM区分了广度CoT和深度CoT，两者服务不同任务类型。结构化拆分后在5个benchmark上平均超现有最优开源模型8.2%

• 约束同时充当生成蓝图和质检标准。CoVe用显式约束驱动agent训练数据的合成与验证闭环，4B模型在τ²-bench上与17倍参数量模型竞争

也值得关注

• 多图推理benchmark聚焦真实生活场景，不考"学术题"而是测日常情境下的跨图推理能力。ICLR接收。
• Rubric-guided评估本身缺标准 — 微软做了RubricBench，专门度量模型生成评分标准的质量，给"评估的评估"补上量化基准。
• NLU任务的AutoML库 — 数据感知的训练方案自动选择，覆盖文本分类和NER，不需要手动配置pipeline。
• 个人相册检索不只是图文匹配 — PhotoBench要求理解时间线、社交关系和用户意图，比传统图文检索更接近真实使用场景。
• 用3D几何记忆桥接视频生成和场景重建 — 在视频扩散模型中注入显式3D结构，解决多视角一致性问题。
• MoE不再固定Top-K — DynaMoE逐token动态决定激活几个专家，每层容量也自适应调整。
• 上下文内自我反思即可做策略优化 — 不改参数，通过多轮反思提升回答质量，理论可证的test-time scaling方法。
• 用RL让draft模型学会调整草稿长度 — 投机解码的效率瓶颈在于固定草稿长度，自适应调整后加速比更稳定。
• 模块化记忆架构赋予模型持续学习能力 — 将记忆拆分为独立模块，让foundation model具备经验积累和跨任务迁移能力。
• 长对话记忆管理的交互式benchmark — AMemGym用动态交互评测替代静态数据集，更贴近助手在长对话中的真实记忆挑战。

阅读完整版 →