小米科研團隊在人工智能領域再傳捷報，其多篇最新研究成果成功入選國際頂級學術會議ICLR 2026。此次入選的研究覆蓋多模態(tài)推理、強化學習、GUI智能體、端到端自動駕駛及音頻生成等前沿方向，展現(xiàn)了該團隊在人工智能理論創(chuàng)新與應用實踐中的深厚積累。

在強化學習領域，團隊提出的《Shuffle-R1》框架通過動態(tài)數(shù)據重組技術破解了多模態(tài)大模型訓練中的兩大核心難題——優(yōu)勢坍縮與軌跡沉默。該研究創(chuàng)新性地采用成對軌跡采樣與優(yōu)勢值批次重排序機制，在保持極低計算開銷的同時，顯著提升了梯度信號質量。實驗數(shù)據顯示，該框架在多個基準測試中超越現(xiàn)有強化學習基線，為復雜場景下的智能決策提供了新范式。

移動智能體方向的研究同樣取得突破性進展。團隊開發(fā)的《MobileIPL》系統(tǒng)首創(chuàng)迭代偏好學習框架，通過Thinking-level DPO技術實現(xiàn)思考步驟的細粒度優(yōu)化。結合三階段指令演化機制，該系統(tǒng)成功突破高質量軌跡數(shù)據稀缺的瓶頸，在AITZ等主流GUI智能體測試中刷新性能紀錄，同時在分布外場景中展現(xiàn)出更強的魯棒性。

端到端自動駕駛領域，團隊提出的《ReCogDrive》方案實現(xiàn)了多技術融合創(chuàng)新。該研究通過分層認知數(shù)據流水線注入駕駛先驗知識，利用認知引導擴散規(guī)劃器生成物理可行軌跡，并首創(chuàng)DiffGRPO強化學習算法直接優(yōu)化駕駛策略。閉環(huán)測試結果表明，該方案在NAVSIM與Bench2Drive等平臺上的表現(xiàn)全面領先現(xiàn)有技術。

其他創(chuàng)新成果同樣引人注目：《ThinkOmni》研究實現(xiàn)了文本推理能力向全模態(tài)的零成本遷移；《Flow2GAN》通過融合流匹配與對抗生成技術，在音頻合成領域達成高保真少步生成；《WorldSplat》則突破4D駕駛場景生成技術，為自動駕駛仿真訓練提供更真實的虛擬環(huán)境。這些成果標志著小米在人工智能基礎研究領域已形成系統(tǒng)性布局。