[Tech Report]OneReason: A System Report on Reasoning-Enhanced LLM for Recommendation [arXiv] [机器之心] [智东西]

OneRec Team (Core Contributor, including Yuqin Dai)

• 业界首个在工业推荐场景中让 thinking 模式稳定优于 non-thinking 模式的推荐推理基座模型。
• 经历全流程模型开发：多轮 RFT、OPD、GRPO 等训练策略迭代，百卡集群训练。
• 构建的 CoT 方案被论文最终版本采用，是组内唯一有效的 CoT 版本。

[Tech Report]Atom-Searcher: Enhancing Agentic Deep Research via Fine-Grained Atomic Thought Reward [arXiv] [Github] [机器之心]

Yong Deng∗, Guoqing Wang∗, Zhenzhe Ying∗, Xiaofeng Wu∗, Jinzhen Lin, Wenwen Xiong, Yuqin Dai, Shuo Yang, Zhanwei Zhang, Qiwen Wang, Yang Qin, Changhua Meng

• 提出全新的”原子思维”范式：将大模型的推理过程拆解为细粒度的功能单元，从而引导模型进行更清晰、更深入的推理。
• 设计原子思维奖励机制（ATR）及课程式聚合策略：通过将 ATR 与最终结果奖励结合，缓解了策略优化中的梯度冲突和奖励稀疏问题。
• 构建 Atom-Searcher 框架并验证效果：基于原子思维与奖励聚合策略，在七个基准测试上超越现有最优方法。

[ACL26 Findings]SEAD: Self-Evolving Agent for Multi-Turn Service Dialogue

[Github]

Yuqin Dai, Ning Gao, Wei Zhang, Jie Wang, Zichen Luo, Jinpeng Wang, Yujie Wang, Ruiyuan Wu, Chaozheng Wang.

• 提出SEAD框架：首个面向服务对话的自进化智能体，无需大规模人工标注数据，有效解决数据稀缺与质量差的难题。
• 创新解耦机制：将用户画像控制与角色扮演分离，构建公平的对抗博弈与自适应课程学习环境，避免训练失衡。
• 性能显著领先：任务完成率提升17.6%，对话效率提升11.1%，效果显著优于现有开源基座及商业闭源模型。

[AAAI25 Oral]Harmonious Group Choreography with Trajectory-Controllable Diffusion

[Github] [Project Page]

Yuqin Dai, Wanlu Zhu, Ronghui Li, Zeping Ren, Xiangzheng Zhou, Xiu Li, Jun Li, Jian Yang.

• 发现并提出领域内存在的问题: 舞者混淆(Dancer Ambiguity)现象. 为后续研究提供指引与思路.
• TCDiff 是当前 SOTA 的多人舞蹈生成模型, 能够较好的解决舞者混淆(Dancer Ambiguity)现象.
• 提出了 Footwork Adaptor 模块, 能有效缓解多人舞蹈生成中的脚步滑动问题(Foot Slide).
• 提出了 Fusion Projection 插件, 该插件占用较小的计算资源, 能够有效解决舞者混淆(Dancer Ambiguity)现象

[arXiv25]EviNote-RAG: Enhancing RAG Models via Answer-Supportive Evidence Notes

[Github] [机器之心]

Yuqin Dai*, Guoqing Wang*, Yuan Wang*, Kairan Dou, Kaichen Zhou, Zhanwei Zhang, Shuo Yang, Fei Tang, Jun Yin, Pengyu Zeng, Zhenzhe Ying, Can Yi, Changhua Meng, Yuchen Zhou, Yongliang Shen, Shuai Lu

• 我们提出 EviNote-RAG 框架，将“检索-回答”模式改为“检索-笔记-回答”，提升信息提炼和推理可靠性。
• 引入类人类的检索式摘要机制，生成支持性证据笔记（SENs），突出关键信息和不确定点，减少噪音、提升聚焦。
• 方法在多个问答基准上达到 SOTA，不仅效果显著提升，还大幅增强训练稳定性和效率，例如在 HotpotQA、Bamboogle、2Wiki 上分别提升 F1 20% (+0.093)、40% (+0.151)、91% (+0.256)。

[AAAI26]Careful Queries, Credible Results: Teaching RAG Models Advanced Web Search Tools with Reinforcement Learning

[Github]

Yuqin Dai*, Shuo Yang*, Guoqing Wang*, Yong Deng, Zhanwei Zhang, Jun Yin, Pengyu Zeng, Zhenzhe Ying, Changhua Meng, Can Yi, Yuchen Zhou, Weiqiang Wang, Shuai Lu

• 我们提出了 WebFilter 框架，将检索过程建模为马尔可夫决策过程，并通过强化学习训练大语言模型使用高级网页搜索操作符，从而在真实网络环境中有效过滤虚假信息。
• 设计了信息过滤奖励策略，结合“来源限制奖励”和“检索精度奖励”，同时优化查询行为与检索结果质量，显著提高了检索精准度与可信度。
• 实验表明，WebFilter 在多项问答基准上取得了最优性能，高级搜索操作符的使用率由 10% 提升至 75%，并在域内与跨域任务中均展现出强泛化能力。

[IJCV25]TCDiff++: An End-to-end Trajectory-Controllable Diffusion Model for Harmonious Music-Driven Group Choreography

[Github] [Project Page] [新智元]

Yuqin Dai*, Wanlu Zhu*, Ronghui Li, Xiu Li, Zhenyu Zhang, Jun Li,Jian Yang

• 我们提出TCDiff++, 一种端到端版本的群舞生成模型。
• 我们引入位置嵌入和一致性损失，防止碰撞并保持合理间距。
• 模型加入换位信息和脚步自适应器，减少脚滑并提升一致性。
• 优化长时生成效果，提出长序列采样与解码器，优化长舞蹈生成的连贯性。

[ICML25]MindAligner: Explicit Brain Functional Alignment for Cross-Subject Visual Decoding from Limited fMRI Data

[Github]

Yuqin Dai*, Zhouheng Yao*, Chunfeng Song, Qihao Zheng, Weijian Mai, Kunyu Peng, Shuai Lu, Wanli Ouyang, Jian Yang, Jiamin Wu.

• 我们提出了MindAligner，这是第一个显式的大脑对齐框架，能够在数据有限的情况下实现跨个体的视觉解码和大脑功能分析。
• 我们提出了一种大脑转移矩阵，用于建立不同个体之间的细粒度功能对应关系。该矩阵通过大脑功能对齐模块进行优化，采用多层次对齐损失实现软性跨个体映射。
• 实验表明，MindAligner在视觉解码任务中，只有6%的模型参数被学习时，便超越了现有的最先进方法。
• 我们进行了跨个体的大脑功能可视化研究，发现早期视觉皮层在不同个体间活动相似，而与记忆和空间导航相关的高级视觉皮层则表现出显著的个体间差异。

[arXiv26]SAGE: A Service Agent Graph-guided Evaluation Benchmark [Github]

Ling Shi*, Yuqin Dai*, Ziyin Wang, Ning Gao, Wei Zhang, Chaozheng Wang, Xinwei Wu, Yujie Wang, Wei He, Jinpeng Wang, Linlong Xu, Deiyi Xiong

• 提出SAGE基准，将非结构化SOP形式化为动态对话图，实现逻辑合规与路径覆盖验证。
• 引入对抗意图分类与扩展机制，支持低成本跨域部署及自动对话数据合成。
• 发现模型存在”执行鸿沟”与”共情韧性”：能识别意图但执行错误，对抗下仍礼貌。

[arXiv][DAGENT: Optimizing Multi-Hop RAG as Executable Reasoning Workflows]

Jingyu He*, Yuqin Dai*, Kaiwen Zhang, Hang Zhang, Shangke Lyu, Yuchen Yan, Haiwen Hong, Hong Zhao, Yao Fu, Weiming Lu, Yiquan Wu, Yongliang Shen

• 提出 DAGENT 框架，将多跳 RAG 过程建模为可执行推理工作流，实现结构化的检索-推理路径规划。
• 通过工作流优化策略，显著提升多跳问答场景下的检索精度与推理质量。
• 在多个多跳问答基准上取得优于现有 RAG 方法的性能。

[arXiv][Have LLMs Truly Learned to Search? Rehearsal-Guided Execution for Robust Agentic RAG]

Jinyan Chen*, Yuqin Dai*, Yijun Li, Yuchen Yan, Zhipiao Liu, Hongwei Yang, Yiquan Wu, Wenqi Zhang, Weiming Lu, Yongliang Shen

• 提出 Rehearsal-RL 框架，通过”排练-执行”两阶段范式增强 LLM 的搜索规划能力与鲁棒性。
• 引入排练引导机制，让模型在正式执行检索前先进行轻量预演，减少无效搜索与推理偏差。
• 在多个 RAG 基准上验证了方法的有效性，显著提升 Agentic RAG 在复杂查询场景下的表现。

[CVPR26 Findings]GreenPlanner: Practical Floorplan Layout Generation via an Energy-Aware and Function-Feasible Generative Framework

Pengyu Zeng*, Yuqin Dai*, Jun Yin*, Jing Zhong, Ziyang Han, Chaoyang Shi, ZhanXiang Jin, Maowei Jiang, Yuxing Han, Shuai Lu†

• 提出了 GreenPlanner 框架：将“设计评估”与“生成”统一起来的节能住宅设计框架。它解决了现有生成方法缺乏自动评估机制、容易产生不符合现实约束（如能耗过高或空间功能缺陷）的布局的问题，实现了兼顾可持续性和空间功能合理性的自动化设计。
• 构建了两个关键数据集：DesignFD（设计可行性数据集）：包含带有专家验证的能耗和空间功能标签，用于学习设计约束的先验知识。GreenPD（绿色平面图数据集）：基于 DesignFD 并通过评估器筛选和修正得到的，它将用户需求与符合法规的布局配对，消除了无效样本（从 60% 降至 0%），为训练提供了高质量数据。
• 开发了核心模型 PDE 与 GreenFlow：PDE（实用设计评估器）：能够快速预测能耗表现和空间功能有效性，准确率超过 99%。GreenFlow 生成器：一种基于流（flow-based）的生成模型，利用 PDE 的反馈进行训练，实现了在现实约束下的可控布局生成，相比专业建筑师的设计效率提升了 87%。

[AAAI27 Under Review][Empowering a Self-Evolving LLM for Urban Land-Use Planning without Expert Supervision]

Chaoyang Shi*, Yuqin Dai*, Pengyu Zeng, Jun Yin, Ziyang Han, Yuchen Zhou, Shuai Lu, Yuxing Han

• 将可执行城市规划定义为紧凑型 LLM 可从空间反馈中学习、无需专家标签的任务，并指出朴素自进化会受“直接生成城市级任务”和“直接求解全图”两类失败模式阻碍。
• 构建 UrbanBench：基于 OSM 的可执行基准，覆盖 53 个真实城市窗口和 8,834 个规划单元，通过 5 类可程序验证的空间目标实现标准化比较。
• 提出 UrbanZero 空间自进化框架：单一模型同时担任任务提出者与求解者，生成语义规划简报，编译为地块级任务并以 patch-wise planning 求解，再用程序验证器的结果反馈调节后续任务。
• 实验表明 UrbanZero 将规划能力内化到紧凑本地模型中，使基础规划器提升 25.9%，原始总分超过最强 API 参考模型，并验证 patch-wise solving 与 outcome-conditioned feedback 对城市级 LLM 规划有效。

[AAAI27 Under Review][PlanCraft: Sketch, Refine, and Furnish for Architect-Inspired Progressive 3D Residential Scene Generation]

Pengyu Zeng*, Yuqin Dai*, Jun Yin*, Ziyang Han, Ng Cheuk Hei, Jing Zhong, Chaoyang Shi, ZhanXiang Jin, Maowei Jiang, Yuxing Han, Shuai Lu†

• 识别“设计是渐进式过程”和“平面图是空间先验”两点被忽视的结构性洞察，并提出 PlanCraft：首个将不完整设计草图连接到完整带家具 3D 住宅场景的统一系统。
• 构建 SketchPlan 自动化数据流水线，通过回放建筑师绘图过程生成不同完成度的局部草图训练对；提出 PlanCraft-Diff 统一图像域扩散模型，结合两阶段粗到细训练与连通性候选过滤，使 FID 相比 2D 基线降低 2.6–11 倍。
• 设计 PlanCraft-Agent：一个扎根于 3D 场景的装配阶段，将语言模型约束生成、规则扩展与碰撞感知摆放求解器结合，并以验证过的房间边界为锚点；专家评估显示其在合理性、实用性和个性化上超过此前语言模型式 3D 系统。

[AAAI27 Under Review]RenoCAD: Residential Floorplan Renovation via Constraint-Preserving Editable Vector Generation

Pengyu Zeng*, Jun Yin*, Yuqin Dai*, Peilin Li, Ng Cheuk Hei, Han Zheng, Haoyuan Sun, Ziyang Han, Jing Zhong, Tiancheng Zeng, ZhanXiang Jin, Chaoyang Shi, Shuai Lu

• 将住宅改造建模为选择性向量生成，提出区别于完整户型合成的“保留、编辑、验证”三难问题，并构建包含 10,451 个案例的 RenoCAD-DS。
• 提出 RenoCAD-IR，显式区分固定建筑基元与可编辑布局对象；进一步开发泄漏受控的自回归流水线，包含结构化解析、确定性固定元素合并和向量级验证。
• 实验揭示语法有效性与几何正确性之间存在明显差距。RenoCAD 在房间与门恢复方面显著优于直接提示的 LLM/VLM，并持续提升 CV-Bench 与 BLINK 上的平面空间推理能力。

[ICASSP24 Oral]Text2Avatar: Text to 3D Human Avatar Generation with Codebook-Driven Body Controllable Attribute

Chaoqun Gong*, Yuqin Dai*, Ronghui Li, Achun Bao, Jun Li, Jian Yang, Yachao Zhang, Xiu L.

• Text2Avatar 是第一个基于复杂耦合的输入文本提示生成逼真风格的 3D Avatar 的模型，实现了多属性可控和逼真的 3D 人头像生成。
• Text2Avatar 模型基于 3D-Aware GAN(NeRF-Based), 使用 GAN-Inversion based 的方式实现文本对齐, 巧妙化解了当前文本标注的写实风格三维 Avatar 数据集缺失的问题.
• 提出 Multi-Modal Encoder, 能够作为插件服务于其他模型, 具有很强的可扩展性.

[ICASSP24]EXPLORING MULTI-MODAL CONTROL IN MUSIC-DRIVEN DANCE GENERATION

Ronghui Li*, Yuqin Dai*, Yachao Zhang, Jun Li, Jian Yang, Jie Guo, Xiu Li.

• 提出了第一个统一的框架，能够生成高质量的舞蹈动作，并支持多模态控制，包括同时进行流派控制、语义控制和空间控制。
• 模型能够进行音乐跨模态舞蹈生成(Music2Dance), 基于 VQ-GPT 架构, 能够一次生成长达 16s 的舞蹈动作, 并能通过自回归的方式对生成内容进行拓展.