ARTICLE · 人工智能
ACL 2026 精选论文分享：美团履约团队前沿技术专场
一语总结本文分享了美团履约团队在 ACL 2026 上发表的五篇前沿论文，涵盖 GeoRA 高效低秩适配、CoT-Flow 概率流推理、UserLM-R1 用户模拟器、Fine-Mem 记忆管理和 DuplexOmni 全双工多模态交互。
文章是美团技术团队对 ACL 2026 上自家五篇论文的精选分享。GeoRA 从几何感知角度设计低秩适配方法，专为 RLVR 优化，保留预训练结构的同时提升训练稳定性和泛化能力；CoT-Flow 将离散推理步骤建模为连续概率流，量化每一步信息增益，实现 15.9%的 AIME24 准确率提升和 10%~15%的长度压缩；UserLM-R1 构建具备推理能力的用户模拟器，通过多奖励强化学习让智能体学会像人一样策略性协商；Fine-Mem 引入因果反馈对齐，以块级步骤奖励和基于证据的奖励归因解决长期记忆任务中的稀疏奖励问题；DuplexOmni 通过交互层与思考层异步协作，实现低延迟的全双工多模态实时交互。五篇论文分别对应强化学习、推理效率、用户模拟、记忆管理和多模态交互等 Agent 核心方向，实验数据详实，思路新颖。
- GeoRA 提出几何感知低秩适配方法，专用于 RLVR 场景。
通过 SVD 提取 RL 更新子空间主方向初始化适配器，冻结残差分量保持结构，在 1.5B~32B 模型上持续优于现有低秩基线，泛化更强。
- CoT-Flow 将离散推理步骤建模为连续概率流，量化信息增益。
受整流流启发，将每个推理步骤视为速度向量，实现贪心解码策略，提升推理效率与准确率，同时 RL loss 实现 11%~37%的长度压缩和 32%训练加速。
- UserLM-R1 构建具备推理能力的用户模拟器，通过多奖励强化学习提升策略水平。
综合动态角色与场景目标画像，先产生高质量推理链再回复，在对抗测试集上显著超越基线。
- Fine-Mem 引入细粒度反馈对齐，解决长程记忆任务中的稀疏奖励问题。
通过块级步骤奖励和基于证据的奖励归因，提供即时监督，在 Memalpha 和 MemoryAgentBench 上取得更高成功率。
- DuplexOmni 实现全双工多模态实时交互。
交互层与思考层异步协作，交互层处理流式音频视频，思考层提供复杂推理和工具使用，多个公开基准表现出色。
ACL 2026 精选论文分享：美团履约团队前沿技术专场
文章是美团技术团队对 ACL 2026 上自家五篇论文的精选分享。GeoRA 从几何感知角度设计低秩适配方法，专为 RLVR 优化，保留预训练结构的同时提升训练稳定性和泛化能力；CoT-Flow 将离散推理步骤建模为连续概率流，量化每一步信息增益，实现 15.9%的 AIME24 准确率提升和 10%~15%的长度压缩；UserLM-R1 构建具备推理能力的用户模拟器，通过多奖励强化学习让智能体学会像人一样策略性协商；Fine-Mem 引入因果反馈对齐，以块级步骤奖励和基于证据的奖励归因解决长期记忆任务中的稀疏奖励问题；DuplexOmni 通过交互层与思考层异步协作，实现低延迟的全双工多模态实时交互。五篇论文分别对应强化学习、推理效率、用户模拟、记忆管理和多模态交互等 Agent 核心方向，实验数据详实，思路新颖。