模型13:08
FusionRS: 首个大规模RGB-红外遥感双模态视觉语言数据集FusionRS填补了RGB-红外双模态遥感数据集的空白，用公开RGB图转红外风格，加上两种描述，让模型同时理解可见光和红外信息。
arXiv cs.AI原文
全部动态
AI 相关资讯全量信息流
模型12:28
Geometric Action Model 提出借助几何基础模型实现机器人策略学习这篇论文提出了一种新思路：用几何基础模型直接做机器人操作策略，不依赖二维图像，效果更快更准更轻。
arXiv cs.LG原文
模型12:22
HAMON：用于长程预测的无源光学序列混合这篇论文用纯光学硬件做时序预测，在多个基准上不输甚至超过数字模型，为低功耗预测提供了新思路。
arXiv cs.LG原文
模型12:16
ROVE：通过强化学习解锁人形机器人操作的人类干预人形机器人操作新方法ROVE，用强化学习从糟糕的人类演示中挑出好动作，真实任务效果比基线好。
arXiv cs.LG原文
模型11:43
LaWAM：潜在世界行动模型实现高效动力学感知机器人策略机器人策略新框架LaWAM，不用生成视频就能预测场景变化，又快又准，成功率98.6%还低延迟，推荐做机器人控制的看看。
arXiv cs.AI原文
模型11:07
自适应表示的泛函梯度下降新算法这篇论文提出了首个可实现的泛函梯度下降算法，能自适应调整梯度表示，理论上有收敛保证，实验上比传统FGD和神经网络更快更准。
arXiv cs.LG原文
想检验你的世界模型扛不扛揍？ARB4WM这个新基准专门测视觉扰动下的鲁棒性，比单看动作空间全面多了。
arXiv: Google DeepMind原文
想看看3B小模型怎么打平千亿级大模型？VibeThinker-3B用AIME 94.3分、LiveCodeBench 80.2%的成绩告诉你，小模型也能杀进顶级推理梯队。
arXiv: DeepSeek原文
模型11:12
AudioDER：面向音频大语言模型后训练的推理增强去重数据集去重+CoT，提升音频模型推理能力
arXiv cs.AI原文
模型11:12
Persona-Pruner：为角色扮演剪出轻量模型剪掉90%参数还不丢演技
arXiv cs.LG原文
模型11:11
CottonLeafVision：可解释且鲁棒的棉花叶病分类深度学习框架98%准确率识别棉花叶病
arXiv cs.AI原文
模型11:11
PepALD：自回归潜在扩散模型生成大环肽PepALD赋能大环肽设计
arXiv cs.LG原文
模型11:11
A-IHF: 图扩散残差提取器用于控制函数工具变量新方法A-IHF搞定了工具变量残差提取
arXiv cs.LG原文
模型11:10
ClinHallu：医疗多模态大模型推理分阶段幻觉诊断基准诊断医疗AI幻觉的利器
arXiv cs.AI原文
模型12:09
开源相机陷阱AI模型：YOLO26x检测英国31种哺乳动物与鸟类生态学家和野生动物监测团队终于有了免费、高精度的AI工具，可以直接在本地运行，无需依赖付费平台。做生物多样性研究的建议试试这个模型，能大幅减少手动标注图像的时间。
arXiv cs.LG原文
模型11:32
FADA：统一视觉语言模型实现胎儿超声解读与标注，单GPU可训练FADA 解决了中低收入国家超声技师短缺导致的产前筛查缺口，做医疗 AI 或边缘部署的团队可以直接在手机上跑完整流程，值得关注其开源代码和模型。
arXiv cs.AI原文
长视频理解和智能体场景的开发者终于有了一个开源且高效的MoE模型——Keye-VL-2.0仅激活3B参数就能处理256K上下文，做视频分析或智能体应用的团队可以直接下载权重试试。
arXiv: DeepSeek原文
做多语言翻译或端侧部署的团队终于有了一个又快又准的选择——1.8B 量化后 440MB 就能跑，性能还超过微软豆包 API，值得直接上手试。
模型11:23
torchtune：PyTorch 原生后训练库，高效微调 LLM做 LLM 微调的研究者或工程师，如果受够了黑盒框架的调试痛苦，torchtune 的模块化设计和 PyTorch 原生体验值得一试，能让你在保持性能的同时自由定制训练流程。
arXiv cs.AI原文
模型11:38
MARS 系统在 EgoVis 2026 CASTLE 挑战赛中获第二名多模态推理是 AI 落地的关键瓶颈，MARS 展示了如何整合视频、转录、热成像等异构数据做智能体决策，做多模态 AI 或视频理解的团队值得参考其开源代码。
arXiv cs.AI原文
芯片设计团队终于有了可私有化部署的RTL生成方案——ChipMATE不依赖闭源API、无需黄金测试平台，还能用厂商内部代码训练，做数字IC设计的开发者可以直接试。
arXiv: DeepSeek原文