标签
该论文提出了一种人类反馈引导的多智能体逆强化学习框架（HFG-MAIRL），通过局部马尔可夫博弈和Bradley–Terry偏好反馈对交互式驾驶行为进行奖励建模，在AIDE数据集上超越了现有IRL基线。
本文提出 FINDERS 框架，利用扩散语言模型的迭代去噪过程构建多粒度重建空间，通过去噪、分解、路由与压缩四个操作实现面向多场景的自适应用户表征，并在十个工业场景的实验与线上 A/B 测试中超越现有方法。
本文介绍了知识-几何解耦（KGD），一种用于流式推荐系统中预训练-迁移的方法。它将预训练的行为知识与任务特定的几何结构分离，使得模型能够持续刷新而互不干扰，并报告相比基线提升4%-12%，且已在Shopee成功部署。
介绍IRIS框架，该框架无需显式反馈即可从隐式交互流中学习动态用户画像，在决策预测上优于静态和仅记忆基线。
一场于2026年7月22日举办的免费研讨会，主讲人为Google DeepMind的Kim Stachenfeld，他将讨论DataDIVER——一种利用LLMs发现人类和动物行为可解释符号模型的方法。
OdysSim对人类行为模拟的行为基础模型进行了系统研究，引入了Soul分类法、一个包含2140万次交互的语料库以及一种训练方法，该方法在23个基准任务中的8个上达到了最先进水平，同时生成更类人的输出。