【CNMO科技訊息】近日，自然語言處理領域國際頂級學術會議EMNLP 2026公佈論文錄用結果，小米共有8篇最新研究成果成功入選，覆蓋移動智慧體、大模型訓練與推理效率、智慧研發與主動智慧等多個方向論文。EMNLP 2026將於2026年10月24日至29日在匈牙利布達佩斯舉行。
小米集團
在移動智慧體方向，小米與高校合作團隊帶來了三項重要成果論文。其中GSAR論文提出了一套全新的強化學習獎勵機制，讓AI助手在與App的反覆互動中自動生成難度遞增的任務和執行路徑，並能夠自動判斷操作是否達成目標，擺脫對人工規則的依賴。實驗顯示，GSAR判斷任務是否完成的準確率超過90%，在AndroidWorld等主流基準上明顯提升了AI助手的實際操作能力。另一項GUI-PRA研究則將"打分員"升級為主動取證的智慧體，在AndroidWorld和Mobile-MiniWoB++兩大基準上比傳統打分方法平均提升約5.0和6.5個百分點。此外，MaP透過統一訓練目標串聯單步決策、狀態判斷與跨步規劃三種能力，在AndroidControl-High基準上將任務成功率從72.9%提升至74.2%，在AndroidControl-Low基準上從89.0%提升至90.9%。
在大模型效率方向，團隊同樣取得了多項進展論文。Informed Masking方法針對擴散大語言模型的強化學習訓練效率問題，透過識別句子中的"高難度題"與"合適練手題"，讓訓練資源更聚焦。在接入三種最新的dLLM強化學習方法並應用於LLaDA-8B-Instruct後，該方法在數學和規劃類基準上分別帶來最高2.01%、8.52%和5.77%的相對平均提升。ECHO方法則解決了大模型"逐字生成"的速度瓶頸，透過早期層與完整模型的協同工作，在不增加任何引數的情況下實現了2.4至3.01倍的推理加速。BORA-BUDGET研究關注"何時值得深度思考"的問題，在Qwen3-8B的MATH500測試中僅用3534個token就達到了91.40%的準確率，而全量深度思考模式需要4293個token才能達到93.33%，為低成本部署提供了新路徑。
在智慧研發與主動智慧方向，ECO-SCE框架透過分析程式碼層面的改動，提前篩掉大機率沒有收益的方案論文。接入OpenEvolve後，該方法在7個基準任務上平均節省70.88%的GPU時間，其中6個任務效能不降反升。PRPF框架則讓手機助手具備主動預判能力，在ProactiveMobile基準上將任務成功率從20.82%提升到41.15%，同時將誤觸發率從13.76%降至7.21%，推理算力開銷降低69.3%。
小米方面表示，AI正在成為連線手機、汽車與智慧家居的重要技術能力，模型是否足夠高效、智慧體是否足夠可靠、系統是否能夠理解環境與使用者需求，都會直接影響下一階段的智慧體驗論文。此次入選EMNLP 2026的多篇論文，體現了小米圍繞大模型、智慧體、主動智慧等方向的持續探索。從基礎研究到工程能力積累，再到人車家全生態中的具體應用，小米正在不斷完善AI技術體系，讓不同方向的研究彼此支撐、相互協同。
