北京
（原标题：MemoraX AI 联合科研合作伙伴 10 篇论文入选 NeurIPS 2026，持续推进下一代 AI 技术研究）
相关研究涵盖大模型后训练、训练与推理一致性、自适应推理及在线强化学习，聚焦模型学习可靠性、推理效率与复杂决策。
MemoraX AI 与高校及产业科研合作伙伴共同推进的研究中，有 10 篇论文被 NeurIPS 2026 录用。研究方向涵盖大模型后训练、推理优化、自适应推理和在线强化学习，体现了团队在人工智能基础研究与智能体相关技术领域的持续投入。
NeurIPS（Conference on Neural Information Processing Systems，神经信息处理系统大会）是人工智能与机器学习领域的重要国际学术会议。2026年大会将于12月举行，主会场设于悉尼，亚特兰大和巴黎另设卫星会场。
推进 AI 学习、推理与决策的关键技术探索
随着 AI Agent 开始承担更加复杂、持续运行的任务，如何提升模型训练的可靠性、缩小训练目标与实际推理表现之间的差距、合理分配推理资源，以及在复杂环境中制定有效策略，正成为人工智能研究的重要课题。
MemoraX AI 致力于构建新一代 AI 记忆基础设施，同时围绕记忆建模、强化学习与智能体系统开展技术研究，探索如何让记忆从单纯的信息存储与检索能力，发展为可学习、可管理，并能够在后续任务中发挥作用的系统能力。
公司的技术探索覆盖文本记忆、办公与编程记忆及多模态记忆等方向。面向开发者构建 AI 应用的需求，Memory API 支持记忆的写入、搜索、更新与删除。面向 AI 编程智能体的 MemoraX Code 则帮助智能体跨会话、跨 Agent 保留代码仓库结构、架构决策、编码偏好与历史调试经验。其背后的核心技术问题，是如何让记忆本身具备可学习能力，使系统能够自主判断哪些信息值得保留、何时更新或召回，以及如何将历史交互转化为可复用的经验。
四篇代表性论文：探索 AI 能力提升的关键问题
此次入选的研究从模型训练可靠性、训练与推理一致性、自适应推理及复杂决策等不同角度，探索提升人工智能系统能力的方法。以下介绍其中四篇代表性论文。
1. Beyond Correctness: Robustness-Driven Evolutionary Self-Training for Large Language Models
研究方向：大模型后训练与推理可靠性
模型能够给出正确答案，并不意味着其推理过程足够可靠。这项研究提出鲁棒性驱动的演化自训练框架 TREST，通过评估推理路径在采样扰动下的稳定性，筛选更具鲁棒性的推理轨迹用于训练。
在五个数学推理基准上，TREST 取得了 49.83% 的平均准确率，高于实验中对比的 GRPO 和 Iterative RFT 基线方法。
该研究将评估重点从单纯判断答案是否正确，进一步延伸至推理策略在不同采样条件下能否保持稳定，为提升大模型推理的可靠性提供了新的研究思路。
2. The Mirage of Optimizing Training Policies: Monotonic Inference Policies as the Real Objective for LLM Reinforcement Learning
研究方向：强化学习与推理优化
训练阶段的指标提升，并不一定能转化为模型部署后的实际表现。这项研究关注大模型强化学习中的训练与推理不一致问题：训练策略的优化未必能够同步改善模型在实际推理阶段的表现。
研究提出单调推理策略改进原则（Monotonic Inference Policy Improvement，MIPI），并进一步提出单调推理策略更新框架（Monotonic Inference Policy Update，MIPU），旨在让策略优化更加关注模型在实际推理阶段的表现。
在 Qwen3-4B 和 Qwen3-1.7B 模型上的实验显示，在所测试的条件下，该方法提升了平均推理表现，并改善了训练稳定性。这项研究为强化学习目标与模型实际部署表现之间的有效衔接提供了新的方法。
3. Does Your Large Language Model Have An Intuitive Sense of The Difficulty of A Question?
研究方向：自适应推理与计算效率
面对不同难度的问题，AI 并不一定需要投入相同的推理资源。这项研究探讨大语言模型的内部表征中是否包含与问题难度相关的信号，并提出 RLDP 方法，从模型隐藏表征中估计问题难度。
在此基础上，研究进一步提出 RLDP-AdaSwitch，根据估计的问题难度动态调整推理强度。
这一方法为自适应推理提供了新的技术思路，使模型能够根据不同问题的实际需求分配计算资源，而不是对所有问题采用相同的推理策略，有助于探索推理效果与计算成本之间更合理的平衡。
4. What Kind of Diffusion Models Do We Need in Online Reinforcement Learning?
研究方向：在线强化学习与复杂决策
在复杂环境中，智能体需要在高维动作空间中做出决策。如何在表达复杂动作分布的同时，保持策略优化的效率，是在线强化学习面临的重要挑战。
这项研究探讨扩散模型在在线强化学习中的设计问题，并提出 Coupled Flow，探索兼顾动作分布表达能力与策略优化效率的方法。
相关实验覆盖 MuJoCo、DeepMind Control（DMC）、MyoSuite 和 HumanoidBench 等环境中的36项任务，为复杂控制场景下的策略学习提供了进一步的研究基础。
从基础研究走向长期智能系统
从提升模型训练的可靠性，到改善训练与推理的一致性；从根据问题难度动态分配推理资源，到优化复杂环境中的决策策略，这些研究从不同角度探索了人工智能系统学习、推理与决策的关键机制。
对于需要长期运行的 AI 系统而言，单次任务中的推理能力只是其中一部分。智能体还需要保留有价值的上下文，从过往交互中积累经验，并将这些经验应用于后续任务。
MemoraX AI 创始人兼 CEO 郝建业表示：“从强化学习到 Agent Memory，核心问题其实始终没有改变：智能体如何利用过去的交互经验，让下一次决策变得更好？我们认为，记忆应该是一种可学习的能力，也应该成为独立的基础设施层，而不只是基础模型的附属功能。我们的研究重点是让智能体能够自主判断哪些信息值得保留、何时更新或召回，以及如何将过去的交互转化为能够指导未来决策的经验。”
MemoraX AI 将继续联合高校及产业科研合作伙伴推进人工智能基础研究，并围绕 AI Memory 与智能体系统开展技术探索，推动记忆能力在长期任务与真实应用中发挥作用。
关于 MemoraX AI
MemoraX AI 致力于构建新一代 AI 记忆基础设施，帮助 AI Agent 保留有价值的上下文、从交互中积累经验，并将这些经验应用于未来任务与决策。
公司围绕 AI Memory、强化学习与智能体系统开展技术研究，通过基础研究、公开评测与产品应用，探索让智能系统能够持续保留上下文、复用经验并更有效地完成长期任务的技术路径。
