全部动态

伯克利这个机器人项目挺有意思：只用一个立体相机，靠模拟人眼的主动注视，抓握遮挡场景成功率 48%，比腕部相机方案翻倍。

一篇研究 NVS 架构选择的论文：SNAP 只靠限制 decoder 表达力加 latent 重建，五个几何任务上就追平了专门监督方法，做 3D 视觉的可以看看。

搞向量检索的可以看这篇：一份 MRVQ 索引同时搞定降维和降码率，内存省到 20 倍，还老实交代了质量上的取舍。

KaliBench评估了LLM在Kali Linux上生成安全工具命令的能力，开源模型表现不佳但可通过训练改进。

ScholarCatalyst 基准揭示当前 AI 在科研文献检索上的局限，Claude Fable 5.1 也未能超越传统嵌入方法。

VISTA让Claude Opus在视觉游戏中表现超越人类，动作减少57.4%，多模态推理能力有突破。

新方法DMAD通过对抗蒸馏实现快速视觉生成，在多个基准上超越现有方法，代码已开源。

GenCine让你像导演一样控制3D场景中的相机和物体运动，比传统2D轨迹控制更精确。

这篇论文教机器人如何通过观察同伴行为来推断其物理限制，让不同机器人能更好地协作完成任务。

DuoMind让多机器人通过语义通信协调工作，比传统方法更高效，还推出了新基准测试RoboPoly。

这篇论文提出了一种新采样方法，让SFT微调效果出奇地好，在多个任务上超过了传统RL方法。

这篇论文提出LSL框架，让大模型在训练新任务时不会忘记旧能力，特别适合需要持续学习的场景。

OpenAI等五家前沿模型API评测，Invent-A-Dataset在零数据场景下生成高质量多样化数据集效果显著。

Argo-Bench用真实规模数据测试AI代理，发现顶级模型完成率不足35%，暴露了当前AI在企业数据环境中的局限性。

清华团队新方法用合成场景训练MLLM，提升多区域视觉理解，在6个基准上平均涨3.23分。

Gacha解码方法让语言模型通过'掷骰子'实现多样化生成，模型能力越强效果越好。

这篇论文提出了合成语音数据溯源的新方法，通过完整记录生成过程来解决行为归因问题，对AI语音研究有重要参考价值。

MIT团队用LLM智能体解决智能制造难题，三种架构中两种达到93%解决率，还能自主处理传送带故障。

Fold'EM直接从冷冻电镜粒子推断原子结构，绕过传统步骤，解决小样本和异质样本的结构确定难题。

这篇论文提出了离散Wasserstein流框架，实现了单步生成模型，在有限状态空间上解决了传统方法的问题。

清华等机构提出PACE框架，能在工具调用前实时拦截攻击，安全性和实用性平衡得很好。

这篇论文教你如何验证AI代理的每个组件，而不是只看总分，能帮你找出真正的问题所在。

PPO-HRAP算法通过混合策略优化，在控制风险的同时提升交易回报，特别适合波动市场环境。

TRACE让大模型在多轮对话中也能保持安全，性能损失极小，代码已开源。

ProtoFlow用学习到的原型先验替代通用噪声初始化，加速训练收敛，在时间序列预测任务上表现优异。

这篇论文揭示了扩散模型在有限预算训练下的特征选择性崩溃机制，对理解模型长期训练稳定性很有价值。

研究人员发布了DAYJOB基准，测试了13家开发者的30种模型配置，发现专业领域AI表现仍有巨大提升空间。

这篇论文解决了移动网络中联邦学习的传输问题，提出了将异步更新转换为聚合传输的解决方案。

研究分析了66种模型与工具组合，发现高成本不一定带来高分，不同模型在不同工具中表现差异显著。

清华团队提出ITC-MoE框架，能压缩MoE扩散模型30%参数同时保持96%准确率，速度提升7倍。

GALA让3D高斯头像动画提速千倍，手机也能流畅运行，不重新训练原模型就能用。

清华团队提出NEPA方法，用预测嵌入替代传统固定条件，在相同计算资源下生成质量更高。

MIT团队推出SILSA框架，用切片潜表示大幅提升3D生成效率和结构保真度，特别适合处理薄结构和复杂连接模型。

TACO优化器让大模型微调内存占用减少174倍，30B模型单卡就能训了

新提出的FERPO算法解决了传统强化学习中critic值预测不准确的问题，在连续控制任务中表现优异。