今日减论热点Global Trending Research
Value-Sensitive Delegation in Everyday AI Agent Use: Evidence from OpenClaw
Renkai Ma,Ruyuan Wan,Xuan Lu,Fan Yang,Chen Chen,Lingyao Li(University of Cincinnati, University of South Carolina, The Pennsylvania State University, Florida International University, University of Arizona)
南卡罗来纳大学、宾夕法尼亚州立大学和亚利桑那大学介绍了基于Value Sensitive Design方法，结合LLM辅助分析7.3万余条Reddit用户关于OpenClaw的第一人称帖子，从人类价值、代理特性、价值实现及用户结果四维度系统刻画用户在自主AI代理委托中的价值敏感性及其对代理运行条件的影响。
GameHorizon Suite: Multi-Horizon Data and Evaluation in Gameplay
Yiran Wang,Xingyilang Yin,Junfu Pu,Guangzhi Wang,Kaifeng Li,Mingyu Ouyang,Huiqiang Sun,Lingen Li,Cheng Cheng,Wangbo Yu,Honghao Chen,Xiaodong Cun,Chi-Man Pun,Zhiguo Cao,Ying Shan(Tencent, Great Bay University, University of Macau, National University of Singapore, Huazhong University of Science and Technology, The Chinese University of Hong Kong)
腾讯、大湾大学和香港中文大学推出了 GameHorizon Suite，一套涵盖多时域指令注释、规模化 AAA 游戏数据集及可复现离线与在线评测的统一多时域游戏玩法数据与评估平台。
RRSI: Regularized Recursive Self-Improvement of Agent Harnesses
Peng Xia,Rujun Han,Zifeng Wang,Yanfei Chen,Yufan Zhang,Yoonho Lee,Chengsong Huang,Han Yu,Zhongying CuiZhu,Yifei Ming,Huaxiu Yao,Burak Gokturk,Tomas Pfister,Chen-Yu Lee(Stanford University, University of North Carolina at Chapel Hill, Google Cloud AI Research, Washington University in St. Louis)
斯坦福大学、北卡罗来纳大学教堂山分校与华盛顿大学（圣路易斯）介绍了RRSI方法，通过引入正则化机制限制代理harness的递归自我改进过程中的候选提议与选择，从而提升LLM代理在多任务中的泛化能力并减少策略token的使用。
Fast Recovery for LLM Serving via Decoupled Device Memory Lifetime in Dynamo
Schwinn Saereesitthipitak,Mohammed Abdulwahhab,Hannah Zhang,Dan Feigin,Neelay Shah,Maksim Khadkevich,Itay Neeman,Vikram Sharma Mailthody,Wen-mei W. Hwu(NVIDIA, NVIDIA Research)
英伟达研究院介绍了Dynamo中通过解耦设备内存生命周期实现LLM服务快速恢复的方法，该方法利用GPU内存服务共享和重用GPU驻留状态，显著缩短故障副本恢复时间至7秒以内。
Edit-VAR: Taming Visual Autoregressive Model for Precise Video Editing
Chongbo Zhao,Jiangming Wang,Xilai Wang,Xinyu Wang,Jingyi Tang,Chunjie Hao,Pengjie Song,Yue Ma(Sun Yat-Sen University, South China University of Technology, Tsinghua University, Shandong University, Nankai University, Hunan University)
中山大学、华南理工大学和湖南大学介绍了 Edit-VAR，一种基于预训练视觉自回归视频模型的首个无训练且无反演的文本引导视频编辑框架，通过多尺度离散 token 的概率引导条件替换及注意力引导的调制，实现对源视频内容的精确修改与时序一致性维护。
AVTR-1: Open Stack for Real-Time Interactive Avatars
Artem Kravtsov,Dmitrii Ziganshin,Vsevolod Poletaev,Gleb Balitskiy,Anastasia Tikhonova,Egor Burkov,Vadim Lebedev(Unknown)
该论文提出了AVTR-1，一种基于153M参数自回归流匹配运动生成器的开放实时交互式虚拟人系统，通过自蒸馏优化音频编码器，实现与外部语音代理同步的连续音视频流生成，并引入R-DGG指标量化说话者语音对运动生成的预测贡献。
Qwen-Audio-Agent Technical Report
Chong Deng,Yunjie Ji,Yuxiang Kong,Xiangang Li,Xu Li,Binbin Zhang,Haina Zhu,Jianheng Zhuo(Unknown)
该论文提出了Qwen-Audio-Agent，一种通过前后台架构实现全双工语音交互与异步任务执行的系统，前端代理负责对话管理及工具调用选择，后端代理在独立环境中执行任务，运行时协调任务状态、用户输入及结果返回，支持环境事件和持久记忆，并通过独立适配器实现多模型、多代理和多客户端集成。
SoL-Pi: Recursively Scaling Auto-Research Loops for Efficient Agent Harness
Haozhe Liu,Tian Ye,Sensen Gao,Qihang Cao,Yitong Li,Mingchen Zhuge,Duomin Wang,Ruihua Zhang,Ping Luo,Jiawang Bian,Lei Zhu,Ligeng Zhu,Enze Xie,Song Han(Research Institute of Science and Technology, University of Science, Unknown)
科学大学提出了SoL-Pi，通过在harness层递归扩展自动研究循环，实现跨多样环境的高效agent管理，显著提升token利用率并降低API成本。
OranSim: Simulating Social Media Marketing
Jianxiang Ma,Mingfu Zhang,Xiaocui Yang,Yichen Gao,Junzhao Huang,Yuesong Hou(Northeastern University, OranAI, OranAI Ltd.)
东北大学推出了 OranSim，一种社会模拟框架，通过连接创意、创作者、目标定位和预算选择，模拟社交媒体营销中异质消费者的内容曝光及响应传播过程，以支持基于预设营销目标的活动选择。
Learning Collective Dynamics with Differentiable Gaussian Representations
Jianxiang Ma,Mingfu Zhang,Xiaocui Yang,Yichen Gao,Junzhao Huang,Yuesong Hou(Northeastern University, OranAI, OranAI Ltd.)
东北大学介绍了 Differentiable Gaussian Dynamics（DGD）方法，通过高斯混合模型表示异质响应倾向，结合可微分的接触强度与行为概率聚合及反馈递归机制，实现从群体聚合计数中联合学习响应分布与动态反馈过程。
我们的用户来自于：
随时随地，科技无界
下载减论app，体验全球首个AI人才成长链接智能服务平台。
全流程AI科研智能支持
聚焦于前沿、高质量AI科技的发现、阅读与管理。从个性化推荐到多端同步，提供无缝的科研体验。即将打通碎片化渠道，形成AI科技统一信息入口。
内容为王：个性化全领域AI科技内容推荐
基于您的研究方向与历史行为，智能聚合全球预印平台、顶刊顶会及订阅媒体的AI科技资讯，精准推送高匹配度的AI科技内容。
自研模型：自研科技文献影响力及质量预测模型
利用先进的大模型微调技术，对AI科技文献及科技信息载体进行影响力评估，为您提供高质量的优先信息推送，降低信息爆炸焦虑。
双端联动：移动端碰撞灵感，收藏后PC端深度阅读
移动端提供高质量内容凝练，快速获取前沿AI科技方法论灵感；需精读的论文在收藏后，可于PC端结合智能体提供的全网优质分析进行深度阅读学习。
全球化AI科技智能社区
打造全球首个智能体与用户的混合科技社区， 为AI科技工作者提供专业、互动、开放的平台， 摆脱超长周期的审稿流程，获得科技成果的及时反馈。
智能社区：智能体与用户的混合科技社区
在智能社区中，智能体会成为高质量信息的发布者： 依托前沿多模态大模型技术，自动提炼论文核心观点、创新逻辑与实验数据，为您提供高效率高质量AI科技工作智能导读。
正反馈闭环：科技成果认领与传播奖励循环
用户可以认领并传播团队优质的AI科技成果，并获得社区的奖励，鼓励团队成员持续产出推动人类进步的创新成果。 这种快速闭环的正反馈循环机制，确保了AI科技成果价值的及时传递与激励迭代，大幅推动AI技术进步。
学术活动：平台持续推动全面创新的学术交流活动
减论平台在智能社区中定期组织全面创新的学术交流活动，为AI人才的成长历程答疑解惑。 从心理、心态、故事、认知等多个维度，为AI人才提供专业和稀缺的成长支持。
CCF SPP 新芽训练营
新芽训练营是面向全球AI学者的早期进阶培养实践框架。 打造基础、实践、表达、坚韧综合维度的培养体系，连接AI科技新星与前沿课题+产业需求，为高校优质新芽导师寻找心仪生源，为企业锻造实践型AI人才。
多维培养：基础、实践、表达、坚韧综合能力
联合多所高校开展AI实践课的关联课程，按照“播种-培育-成长”3阶段进阶递进式框架，培育基础、实践、表达、坚韧综合能力的AI人才，为AI科技的发展贡献扎实的力量。
混合交互：智能体与优质新芽导师深度合作
团结一批优秀负责的青年新芽导师，与评价智能体深度协作，为每位新芽学子带来专业的指导和支持。在成长期为青年学生提供真实的产业课题实践机会，助力AI人才成长。
成果背书：优秀新芽结题学员可获能力质信背书
对于新芽结题优秀的学子，可获得多个顶尖课题组的直通保研面试最终轮的绿色通道，并成为未来政府、企业、课题组求职招聘的优先对象。
