Learning from Language Feedback via Variational Policy Distillation
通过变分策略蒸馏从语言反馈中学习
🧭 LLM ★ 深度解读
Salesforce AI Research
将语言反馈学习形式化为变分EM，通过教师与学生的协进化蒸馏持续提升推理性能
- 寄存器注意力可用于多模态特征压缩：将场景信息压缩到少量寄存器 token，仅在这些寄存器间做全局交互，类似操作可迁移到电商多模态商品表示中，用少量可学习 token 对图文特征进行汇聚与交叉注意力，降低计算量。
- 自监督从视频中学习通用表示：利用海量无标注视频，通过重建代理任务预训练模型，该思路可直接用于用户行为序列建模——将行为序列视为时间帧，通过预测下一行为或重建序列结构获得更强序列表示。
- 单头多任务密集预测：用一个密集预测头同时监督深度、相机参数等多个任务，这种多目标共享表示的设计可借鉴到推荐模型的多目标学习中，减少参数冗余并提升泛化。
- 重建是空间理解的强代理任务：学习到的寄存器可直接改善视觉-语言-动作模型，表明三维重建能训练出对视觉-语言对齐有益的空间特征，电商视觉搜索或布局生成任务中可尝试引入重建预训练来增强空间敏感度。
- 检索增强校准的思路可迁移至电商用户行为时间线构建：将非结构化评论/日志中的事件与结构化交易时间戳对齐，提升用户旅程建模精度。
- 图结构多步流程（锚事件骨架→非中心事件相对放置→外部证据校准）可泛化为通用多模态融合范式，适用于推荐系统中异构数据的时间对齐。
- AULTC（绝对时间标签准确度）指标可直接用于评估推荐场景下用户行为序列的时间预测质量。
- 发现大量文本事件缺失于结构化记录，提示在生成式推荐中需重视非结构化信号的独立价值，避免仅依赖结构化数据遗漏关键行为。
- 探索-利用分离范式可迁移至电商场景：agent 在接单前先自主探索商品状态、接口参数或用户偏好，获取结构化知识后执行推荐/购物任务，提升动态环境的适配性。
- 用 ECC 量化领域探索度：为电商或工具 Agent 定义关键产品、属性、API 返回等“探索检查点”，像本文计算覆盖率，可客观评价 agent 对业务环境的理解程度，避免依赖模糊的成功率。
- 交错训练平衡探索与任务优化：采用 GRPO 交替优化探索奖励（覆盖度）与任务奖励（转化/收益），可训练出既会收集信息又能完成目标的 agent，比纯任务 RL 更鲁棒。
- 鲁棒性增强可用于生成式推荐：环境扰动（如物品库存变化）时，让 agent 先探索再决策，类似事前信息采集，可减少因过拟合静态知识导致的错误推荐，提升在线适应力。
- 若业务场景（如私域商品评价问题生成）需低成本、隐私敏感部署，SLM 是可行选择，性能接近大模型，可优先实验。
- 为生成式推荐或 Agent 的指令设计建立多维质量指标时，可借鉴 Bloom 分类法，对生成内容层次化打分，避免单维度评价。
- 模型自评（用 LLM 评价 LLM 输出）存在系统性偏差，必须加入人工校验环节；在人机协同工作流中，可先让 SLM 粗筛，专家抽检校准。
- 在 Agent 工具链中，对小范围、高并发的结构化内容生成（如提示词模板、回复候选），用 SLM 可实现质量与成本的平衡。
- 电商涉及数字敏感文档（价比、标价图）时，避免直接用单向量检索全页图像，应保留 patch 级特征或结合 OCR 文本。
- 视觉 RAG 检索金融类图像时可改用多向量（如后期交互 ColBERT 风格），仅聚合会丢失细粒度数字变化。
- 全局纹理主导提示：均值池化洗掉局部关键信号，可试注意力池化、稀疏 patch 选择或区域编码。
- 商品图搜索若依赖局部细节（LOGO、规格数字），全局向量易误匹配，需强化局部特征权或加 OCR。
- 多源BERT信号融合构建用户状态轨迹，可迁移至电商用户兴趣演化建模，捕捉兴趣变化
- LLM生成可读报告的方式为推荐系统提供可解释性思路，自动生成推荐理由
- 变化点检测算法能识别用户偏好突变，应用于实时推荐策略动态调整
- 时间分段轨迹分析适用于处理非平稳用户行为序列，可借鉴至时间感知推荐模型
- 电商推荐场景冷启动物品/用户：若有文本描述（标题、属性），可用类似LIP的方法通过LLM生成对相似源域（如成熟品类）的偏好概率，减少迁移时的负迁移风险。
- 多智体协作中的经验复用：当任务用自然语言描述时，可借助LLM先验快速筛选相关历史任务数据，提升少样本策略学习效率。
- 与现有预估模型兼容：框架仅要求模型有似然函数，可无缝集成到CTR/CVR预估的线性或深度模型，无需改动结构。
- 工程实现轻量：先验可离线通过LLM计算文本嵌入相似度得到，在线阶段只是简单的概率加权，延迟可控。
- 在LLM成对重排序场景中，用主动排序（如Mohajer锦标赛+堆提取）替代冒泡/快速排序，在相同调用预算下NDCG@10可提升9点以上；工程上只需替换调度逻辑，不改变提示、不增加模型推理。适合电商搜索/推荐中候选商品重排等预算敏感场景。
- 随机方向提示仅需一次LLM调用完成成对比较，将系统性的顺序偏差转化为零均值噪声，直接削减50%的调用成本，且不损失排序质量。实现简单：随机化文档在prompt中的顺序即可。
- 若存在可靠的先验排序（如BM25或粗排分），PAC主动排序进一步用少量锚点比较快速收敛至top-K，调用量可低至180次左右，适合极低延迟场景。
- 两种主动排序均支持查询内并行：莫哈杰的各锦标赛之间、PAC的锚点比较均可并发，实际延迟可通过批量推理大幅压缩，适合高吞吐线上服务。
Improving Multi-turn Dialogue Consistency with Self-Recall Thinking
通过自我回忆思维提升多轮对话一致性
🧭 Reasoning ★ 深度解读
University of Electronic Science and Technology of China
提出 Self-Recall Thinking 框架，让 LLM 在推理中内生回忆并引用关键历史轮次，兼顾多轮对话准确率与效率。
VGGT-$Ω$
VGGT-Ω：可扩展的前馈三维重建模型
🧭 可扩展多视角重建与空间理解
Meta
通过架构精简、寄存器注意力与大规模自监督训练，前馈重建模型在精度与效率上大幅超越先前工作
📌 工作参考价值（4 点）
Why Neighborhoods Matter: Traversal Context and Provenance in Agentic GraphRAG
为什么邻域重要：Agentic GraphRAG 中的遍历上下文与溯源
🧭 RAG ★ 深度解读
University of Southern Denmark
发现 Agentic GraphRAG 中最终引用实体虽必要却不充分，答案还依赖未引用的遍历上下文与图结构
Text Knows What, Tables Know When: Clinical Timeline Reconstruction via Retrieval-Augmented Multimodal Alignment
文本知何事，表格知何时：检索增强多模态对齐实现临床时间线重建
🧭 检索增强多模态对齐 · 时间线重建
Carnegie Mellon University
用检索到的结构化EHR表格校准临床文本时间线，多模态对齐提升绝对时间精度并发现34.8%事件仅存于文本。
📌 工作参考价值（4 点）
Concurrency without Model Changes: Future-based Asynchronous Function Calling for LLMs
无需模型修改的并发：面向LLM的基于Future的异步函数调用
🧭 Agent ★ 深度解读
University of California, Berkeley
提出AsyncFC，通过Future占位符解耦LLM解码与函数执行，实现无模型修改的异步工具调用并显著降低延迟
XFP: Quality-Targeted Adaptive Codebook Quantization with Sparse Outlier Separation for LLM Inference
XFP：面向LLM推理的质量驱动自适应码簿量化与稀疏异常值分离
🧭 LLM ★ 深度解读
Gemini Stiftung Leipzig
让操作者设定余弦相似度质量下限，自动决定每层最小位宽，实现消费级GPU上的大模型高效推理
Look Before You Leap: Autonomous Exploration for LLM Agents
先看再跳：LLM Agent 的自主环境探索能力训练
🧭 LLM Agent 自主探索能力训练与评估 ★ 深度解读
University of Science and Technology of China · Meituan
通过 ECC 指标和交错 GRPO 训练，显式培养 LLM Agent 在陌生环境中的主动探索能力，显著改善下游任务表现。
📌 工作参考价值（4 点）
Small, Private Language Models as Teammates for Educational Assessment Design
小语言模型作为队友：教育评估设计中的私密部署比较研究
🧭 教育评估生成任务中的SLM vs LLM对比评估
SLM在教育题目生成任务中性能接近LLM，但模型自评不可靠，须有人工闭环
📌 工作参考价值（4 点）
Think When Needed: Adaptive Reasoning-Driven Multimodal Embeddings with a Dual-LoRA Architecture
需要时思考：自适应推理驱动的多模态嵌入与双LoRA架构
🧭 Multimodal
提出自适应推理框架，通过双LoRA和路由门动态决定是否生成思维链，实现高效且更优的多模态检索嵌入
A Picture is Worth a Thousand Words? An Empirical Study of Aggregation Strategies for Visual Financial Document Retrieval
一图胜千言？视觉金融文档检索聚合策略实证研究
🧭 视觉RAG · 文档嵌入聚合
实证证明单向量聚合使金融文档区分度崩溃，全局纹理主导是关键原因
📌 工作参考价值（4 点）
Explainable Detection of Depression Status Shifts from User Digital Traces
用户数字痕迹中抑郁状态变化的可解释检测
🧭 可解释抑郁状态变化检测·时间轨迹分析
融合多BERT模型信号与LLM生成可读报告，实现抑郁状态变化点的可解释检测与分析
📌 工作参考价值（4 点）
Language-Induced Priors for Domain Adaptation
语言诱导先验的冷启动域适应框架
🧭 利用LLM文本先验指导冷启动域适应
用LLM将目标域文本描述转化为源选择先验，嵌入EM算法解决冷启动负迁移
📌 工作参考价值（4 点）
Active Learners as Efficient PRP Rerankers
主动学习实现高效PRP重排序
🧭 生成式检索重排序 · 噪声成对比较主动学习 ★ 深度解读
Universidad de San Andrés
将PRP重排序建模为噪声成对比较的主动学习，通过自适应调度和随机方向提示，在低预算下大幅提升Top-K质量
📌 工作参考价值（4 点）
Towards Self-Evolving Agentic Literature Retrieval
走向自我进化的智能体文献检索系统
🧭 Agent ★ 深度解读
Shanghai Jiao Tong University · SciLand · Zhejiang University
提出PaSaMaster，以自演进检索、幻觉消除排名和规划-检索分离，在1%成本下超越GPT-5.2，实现零源幻觉
123456789101112131415161718192021222324252627282930313233343536373839404142434445464748495051525354555657585960616263646566676869707172737475767778798081828384858687888990919293949596979899100101102103104105106107108109110111112113114115116117118119120121122123124125126127128129130131132133134135136137138139140141142143144145146147148149150151152153154155156157158159160161162163164165166167168169170171172173174175176177178179180181182183184185186187188189190191192193194195196197198199200201202203204205206207208209210211212213214215216217218219220221222223224225226227228229230231232233234235236237238239240241242243244245246247248249250251252253254255256257258259260261262263264265266267268269270271272273274275276277278279280281282283284285286287288289290291292293294295296297298299300301302303304305306307308309310311312313314315316317318319320321322323324325326327328329330