近日，小米公司在人工智能領(lǐng)域的研究成果引發(fā)廣泛關(guān)注。其團隊有多篇論文成功入選國際頂級會議ICLR 2026，研究范疇覆蓋多模態(tài)推理、強化學(xué)習(xí)、GUI Agent、端到端自動駕駛以及音頻生成等多個前沿方向。ICLR作為人工智能領(lǐng)域極具影響力的學(xué)術(shù)會議，始終致力于推動該領(lǐng)域理論與方法的前沿探索與創(chuàng)新發(fā)展。

在強化學(xué)習(xí)領(lǐng)域，小米團隊提出的《Shuffle-R1》成果頗具創(chuàng)新性。該研究構(gòu)建了數(shù)據(jù)動態(tài)重組框架，核心在于運用成對軌跡采樣和優(yōu)勢值批次重排序兩項關(guān)鍵技術(shù)。這一創(chuàng)新有效解決了多模態(tài)大模型訓(xùn)練過程中存在的優(yōu)勢坍縮與軌跡沉默難題，大幅提升了梯度信號質(zhì)量。在多個基準(zhǔn)測試中，該成果以極低的計算開銷超越了現(xiàn)有的強化學(xué)習(xí)基線水平。

移動智能體方向，小米團隊的《MobileIPL》同樣表現(xiàn)亮眼。團隊首創(chuàng)迭代偏好學(xué)習(xí)框架，借助Thinking-level DPO實現(xiàn)思考步驟的細(xì)粒度優(yōu)化。同時，結(jié)合三階段指令演化機制，成功突破了高質(zhì)量軌跡稀缺這一瓶頸。在AITZ等主流GUI-Agent測試中，該成果刷新了性能紀(jì)錄，并且在分布外場景下展現(xiàn)出更強的魯棒性。

端到端自動駕駛研究方面，小米團隊的《ReCogDrive》實現(xiàn)了技術(shù)融合創(chuàng)新。研究通過分層認(rèn)知數(shù)據(jù)流水線，將駕駛先驗知識注入其中，利用認(rèn)知引導(dǎo)擴散規(guī)劃器生成物理可行的軌跡。還首創(chuàng)DiffGRPO強化學(xué)習(xí)算法，直接對駕駛策略進(jìn)行優(yōu)化。在NAVSIM與Bench2Drive的閉環(huán)測試中，該成果領(lǐng)先于現(xiàn)有方案。

除了上述成果，小米團隊還有其他創(chuàng)新研究?！禩hinkOmni》實現(xiàn)了文本推理能力向全模態(tài)的零成本遷移；《Flow2GAN》融合流匹配與對抗生成技術(shù)，實現(xiàn)了高保真少步音頻合成；《WorldSplat》則在4D駕駛場景生成技術(shù)上取得突破。