南洋理工大学机器人触觉综述：53篇论文梳理感知到控制全链路
论文基本信息 原文标题： Learning Physical Interaction: A Survey of Tactile- and Force-aware Robot Learning 首次公开： 2026年8月2日 署名单位： 南洋理工大学 原论文： https://arxiv.org/abs/2608.07558
前沿研究
共 149 篇
上海交大 参数剪枝 研究｜12个网络揭示剪枝掉点：低阶交互被删
论文基本信息 标题：How Does Parameter Pruning Reshape 深度神经网络（DNN） Representations? An Interaction-Driven Exploration 首次公开时间：2026年9月6日 署名单位：上海交通大学 原论文链接： https://arxiv.org/abs/2609.06483 项目与
斯坦福大学机器人控制新方法：显式概念记忆让机器人成绩从8.6%升到86.1%
论文基本信息 原文标题： 显式概念记忆方法（ECoMEM）：面向记忆依赖的机器人控制 首次公开： 2026年9月30日（arXiv v1） 署名单位： 斯坦福大学 原论文链接： https://arxiv.org/abs/2610.00801 项目页面： https://ecomem.github.io/
东南大学自动驾驶：PlanWAM用规划塑造未来表征
论文基本信息 文中简称说明：规划塑形未来表征模型（PlanWAM）；由规划任务塑形（Planning-Shaped）；端到端（End-to-End）。 原文标题： PlanWAM: Planning-Shaped Future Representations for End-to-End Autonomous Driving 首次公开： 2026年10月8日
清华大学、麻省理工韩松团队与NVIDIA提出并行推理：平均加速约1.7倍
论文基本信息 原文标题：Parason: Revealing Subtask and Trial Parallelism in LLM Reasoning（其中LLM指大语言模型） 署名单位：清华大学、麻省理工学院、NVIDIA 首次公开：2026年8月25日 https://arxiv.org/abs/2608.24658
康斯坦茨大学AI智能体群体行为：复制解释大部分涌现结构
论文基本信息 原文标题： Copying explains the collective behavior of AI agents in the wild 首次公开： 2026年9月8日 署名单位： 康斯坦茨大学、恩里科·费米研究中心、意大利联合圣保罗银行数据与人工智能办公室、维也纳复杂性科学中心 原论文链接： https://arxiv.org/abs/
广西大学等三校长上下文记忆：128K稳定，8窗口回忆仅25%
论文基本信息 原文标题： Separating Stream Stability from Long -Term Recall in Language Models 首次公开： 2026年9月7日 署名单位： 广西大学、重庆交通大学、广东工业大学 https://arxiv.org/abs/2609.07282
南洋理工大学Linux提权安全基准：531个场景测出模型能力差4倍
论文基本信息 原文标题： P r i v E s c a l a t e : Measuring and Augmenting the Threat of L L M - A u t o m a t e d Linux Privilege Escalation 首次公开： 2026年9月8日 署名单位： 新加坡南洋理工大学、西安交通大学 会议： 2026年计
谷歌大语言模型智能体：自进化程序图让长链工具执行更稳
原文标题： Procedural Graphs: Self- Evolving Execution Structures for L LM Agents 首次公开： 2026年9月8日（arXiv v1） 署名单位： 谷歌、佐治亚理工学院、北京大学 研究领域： 大语言模型智能体、工具调用、长程规划、程序性记忆 原论文： https://arxiv.org/a
阿里巴巴Jingren Zhou团队长上下文训练：Libra吞吐最高提升2.54倍
原文标题： Libra: Taming Attention Workload Skew in Long-Context LLM Training with Bounded Sequence Pool 首次公开： 2026年7月25日 署名单位： 中国科学院大学、阿里巴巴集团、新加坡国立大学 核心术语： 长上下文训练（Long-Context）、大语言模型（L
快手可灵团队视频生成推理：Vid-PRE让Wan2.2准确率提升67%
原文标题： “以视频思考”方法（Think-with-Video）对应原文题名：From Evaluation to Enhancement: Benchmarking and Improving Think-with-Video Reasoning for Video Generative Models 首次公开： 2026年9月10日 署名单位： 新加坡
何恺明团队VISTA视觉智能体：13.33分升至99分
原文标题： VISTA: A Visual Harness for Reasoning in an Interactive World 首次公开： 2026年10月1日 署名单位： 麻省理工学院 知名研究者： 何恺明团队 原论文： https://arxiv.org/abs/2610.02200 项目主页： https://vista-research.gi
