跳转至

美团ICML 2026入选论文精选，两场直播聚焦Agent与视频生成

Ch01.1113 美团ICML 2026入选论文精选，两场直播聚焦Agent与视频生成

📊 Level ⭐⭐ | 5.6KB | entities/美团icml-2026入选论文精选两场直播聚焦agent与视频生成.md

美团ICML 2026入选论文精选，两场直播聚焦Agent与视频生成

美团ICML 2026入选论文精选，两场直播聚焦Agent与视频生成

让你更懂AI的 让你更懂AI的 PaperWeekly

在小说阅读器读本章

去阅读

在小说阅读器中沉浸阅读

点亮👆 “☆”星标 ，不错过推送内容~

🎯 活动预告 ：

美团&顶会论文分享会继续！

ACL'26 两场及搜推 ASX 团队专场已结束，视频沉淀 见【美团技术团队小红书】 ，还有 2 场【 ICML'26 美团论文分享会】 等你参与👇🏻

📌 7月1日（周三）14:00-16:30 通用 Agent 前沿技术专场

聚焦大模型驱动的通用智能体能力构建，技术方向覆盖智能体记忆与长程推理、环境合成与工具使用、价值建模、自我验证、Agent 鲁棒性评估等领域。

📌 7月2日（周四）14:00-16:30 视频生成等综合专场

聚焦视觉生成与大模型学习前沿，技术方向覆盖超高分辨率视频生成、世界模型、身份保持视频、流式视频超分、微调优化、检索增强决策等领域。

欢迎一起交流学习，文末附议程。

报名请扫码 <<

—— 报名 1 次即可听 5 场前沿分享 ——

**

**

** 01 **

MemOCR: Layout-Aware Visual Memory for Efficient Long-Horizon Reasoning

MemOCR：面向高效长程推理的版面感知视觉记忆机制

论文下载 ： https://arxiv.org/abs/2601.21468

论文简介 ： 长时间跨度的智能体推理需要将不断增长的交互历史有效压缩到有限的上下文窗口中。现有的大多数记忆系统将历史序列化为文本，其中token级别的开销是均匀的，且与长度线性增长。为此，我们提出了MemOCR，一种多模态记忆智能体，通过视觉布局实现自适应信息密度的记忆空间分配，从而在紧张的上下文预算下提升长时间跨度推理能力。在长上下文多跳和单跳问答基准测试中，MemOCR优于强文本基线方法，并在极端预算条件下实现了更有效的上下文利用。

02

ScaleEnv: Scaling Environment Synthesis from Scratch for Generalist Interactive Tool-Use Agent Training

ScaleEnv: 从零开始构建可扩展的环境合成系统用于通用交互式工具使用智能体的训练

论文下载 ： https://arxiv.org/abs/2602.06820

论文简介 ： 为智能体配备交互式环境和可验证任务以进行自我探索，对于培养能够适应多样化场景的通用智能体至关重要。我们提出了ScaleEnv，一个完全从零开始构建全交互式环境和可验证任务的框架。ScaleEnv通过程序化测试确保环境的可靠性，通过工具依赖图扩展和可执行动作验证来保证任务的完整性和可解性。在未见过的多轮工具使用基准测试上展示了显著的性能提升，突显了强大的泛化能力。

03

V_0: A Generalist Value Model for Any Policy at State Zero

V_0：一种适用于任意策略在初始状态下的通用价值模型

论文下载 ： https://arxiv.org/abs/2602.03584

论文简介 ：

→ 原文存档

关联