作者：InternLM、Qwen 等 LLM每日一览热门论文版，顶会投稿不迷惘。快来看看由「机智流」和「ModelScope」社区推荐的论文吧
φ-Decoding: Adaptive Foresight Sampling for Balanced Inference-Time Exploration and Exploitation
论文链接：
https://modelscope.cn/papers/127390
简要介绍：
由上海 AI 实验室、西安交通大学等机构提出的 φ-Decoding，是一种全新的推理时间优化策略。该工作通过前瞻采样和聚类技术，平衡了探索与利用的关系，显著提升了大语言模型（LLM）的推理性能。实验表明，其在七个基准测试中超越了强基线，且具备跨模型通用性和计算预算扩展性。
核心图片：
DeepMesh: Auto-Regressive Artist-mesh Creation with Reinforcement Learning
论文链接：
https://modelscope.cn/papers/128655
简要介绍：
清华大学、南洋理工大学等团队推出了 DeepMesh，通过自回归方式结合强化学习（RL）优化 3D 网格生成。该工作引入高效预训练策略和直接偏好优化（DPO），生成高质量艺术风格网格，超越了现有技术。
核心图片：
TULIP: Towards Unified Language-Image Pretraining
论文链接：
https://modelscope.cn/papers/128708
简要介绍：
加州大学伯克利分校团队研发的 TULIP，革新了图像-文本对比模型。利用生成数据增强和重建正则化，TULIP 在细粒度视觉任务中表现出色，刷新了 ImageNet-1K 零样本性能纪录。
核心图片：
Cube: A Roblox View of 3D Intelligence
论文链接：
https://modelscope.cn/papers/128434
简要介绍：
Roblox 基础 AI 团队提出了 Cube，旨在构建 3D 智能基础模型。该工作通过 3D 形状标记化技术，支持文本到形状、场景生成等应用，迈出了实现 Roblox 体验全自动化的一步。
核心图片：
Temporal Regularization Makes Your Video Generator Stronger
论文链接：
https://modelscope.cn/papers/128693
简要介绍：
Everlyn AI 和香港科技大学团队推出的 FluxFlow，通过时间增强优化视频生成的时间一致性和多样性。不需修改架构，仅在数据层面实现显著提升，适用于多种视频生成模型。
核心图片：
Efficient Personalization of Quantized Diffusion Model without Backpropagation
论文链接：
https://modelscope.cn/papers/128489
简要介绍：
首尔国立大学团队提出了 ZOODiP，一种无需反向传播的量化扩散模型个性化方法。通过零阶优化和子空间梯度降噪，内存需求降低高达 8.2 倍，同时保持高质量图像生成。
核心图片：
Optimizing Decomposition for Optimal Claim Verification
论文链接：
https://huggingface.co/papers/2503.15354
简要介绍：
圣母大学团队提出了动态分解框架，通过强化学习优化分解策略，提升事实验证的准确性。相比传统方法，验证信心和准确率分别提升 0.07 和 0.12。
核心图片：
MetaLadder: Ascending Mathematical Solution Quality via Analogical-Problem Reasoning Transfer
论文链接：
https://modelscope.cn/papers/128431
简要介绍：
上海 AI 实验室团队研发的 MetaLadder，通过类比推理迁移提升 LLM 的数学解题能力。比标准 CoT 方法准确率提高 10.3%，模拟了人类的“举一反三”能力。
核心图片：
STEVE: A Step Verification Pipeline for Computer-use Agent Training
论文链接：
https://modelscope.cn/papers/127813
简要介绍：
香港中文大学等团队提出的 STEVE，通过步骤验证管道训练计算机使用代理。结合 GPT-4o 和 KTO 优化，7B 模型在真实桌面环境中表现出色。
核心图片：
MusicInfuser: Making Video Diffusion Listen and Dance
论文链接：
https://modelscope.cn/papers/128003
简要介绍：
华盛顿大学团队推出了 MusicInfuser，将视频扩散模型适配音乐生成同步舞蹈视频。无需动作捕捉，仅用轻量适配器即可实现高质量生成。
核心图片：
LEGION: Learning to Ground and Explain for Synthetic Image Detection
论文链接：
https://modelscope.cn/papers/128659
简要介绍：
上海 AI 实验室等团队提出的 LEGION，结合 MLLM 实现合成图像检测与解释。不仅提升检测性能，还能指导生成更真实图像，刷新多项基准纪录。
核心图片：
