#多模态

做艺术标注的可以看：ArtAnno用LLM智能体挖隐含语义，还把标注经验回传给AI，双向增强。

官方账号arXiv cs.AI@Xiaoyan Gu, Yifang Wang, Wenqing Zheng, Haozhong Liu, Yixia Zheng, Peiyi Jiang, Wenjie Ning, Wei Zhang, Wei Chen原文

这篇论文提出CoCoEvolve，不用人工标注就能让模型对齐图表、表格和代码，四个基准上都有提升，做多模态可视化数据的人可以看看。

官方账号arXiv cs.LG@Xuehang Guo, Pengyuan Li, Tom Hope, Tirthankar Ghosal, Manling Li, Qingyun Wang原文

Video-DR 让 AI 边看视频边上网核实信息，35B 参数干翻 Claude-4.5-Sonnet，还开源了，值得试试。

官方账号arXiv cs.AI@Zhen Fang, Yu Zeng, Wenxuan Huang, Yiming Zhao, Shiting Huang, Tianfei Ren, Qi Lu, Qingnan Ren, Qisheng Su, Lionel Z. Wang, Qingyu Yin, Shuang Chen, Zehui Chen, Lin Chen, Zhenfei Yin, Yao Hu, Shaohui Lin, Wanli Ouyang, Shaosheng Cao, Feng Zhao原文

这篇论文做了个急诊分诊模型，数据残缺时也能给预测打个置信分，拿不准就推迟判断，还用MIMIC-IV-ED实测过，挺实在的。

官方账号arXiv cs.LG@Guan Qiang, Yushen Chen, Tianlong Liu, David Rotenberg, Ethan H. Kim, Fang Fang原文

EcoFrame不用微调，靠熵和注意力决定该看哪些帧，在长视频任务上比BOLT准还快1.85倍，代码已开源。

官方账号arXiv cs.AI@Ke Li, Jiayu Chen, Maoliang Li, Zihao Zheng, Hailong Zou, Hengyi Zhang, Xuanzhe Liu, Xiang Chen原文

阿里新出的Qwen-Image-3.0-Pro，生成文字特别清晰，能处理超长提示，一张图0.04美元起，做海报、试卷都合适。

官方账号阿里通义 Qwen@Alibaba_Qwen原文

阿里新出的Qwen3.8-Max看图写网页排第二，只比第一的Claude Opus 5少39分，挺牛的。

官方账号阿里通义 Qwen@Alibaba_Qwen2 个信源在谈原文

想了解AI怎么根据文字或画面生成音效？这篇综述把近五年的模型都梳理了一遍，还点出了哪些任务还没做好，适合做声音设计的人参考。

官方账号arXiv cs.AI@Sandy Abdo, Bill Kapralos, Priyamvada Tripathi, KC Collins, Adam Dubrowski原文

论文测了五个多模态模型做截图转代码填空，发现它们都按重复UI模式猜答案，最强Codex-5.3文字准确率也只有13.89%。

官方账号arXiv cs.AI@Khai-Nguyen Nguyen, Oscar Chaparro, Antonio Mastropaolo原文

Pika 搞了个 API Club，一个接口就能调上百个视频、图像、音频和语言模型，价格还全透明，方便比价。

官方账号Pika Labs@pika_labs原文

MiniMax H3 不用多步迭代，一句 prompt 就能生成情景对话视频，直接看片源最有说服力。

Hailuo AI@Hailuo_AI7 个信源在谈原文

想用一个模型同时搞定稀疏检索和稠密检索？UEmbed把两件事合成了一次前向，9B在MMEB-v2上分数还挺能打，多模态输入也支持。

官方账号arXiv cs.AI@Tingyu Song, Mingxin Li, Yanzhao Zhang, Dingkun Long, Pengjun Xie, Zhijie Nie, Yilun Zhao, Shu Wu原文

这篇论文用18个模型告诉你：LLM其实知道芬兰神话，但输出时故意不说。想看AI文化偏见的根源，读这篇。

官方账号arXiv cs.LG@Iaroslav Chelombitko, Ekaterina Chelombitko, Mika Hämäläinen原文

DeepSeek-OCR这类压缩方法旧评测没测准，ZeroSense基准去掉语义干扰后，压缩质量和下游准确率明显脱节。

官方一手arXiv: DeepSeek@Yonghan Gao, Zehong Chen, Lijian Xu, Jingzhi Chen, Jingwei Guan, Xingyu Zeng原文

Qwen3.8 Max已上线OpenRouter，2.4万亿参数、950亿激活，下周还首次开源Max级权重，想试的可以蹲。

官方账号阿里通义 Qwen@Alibaba_Qwen原文

GRPO以前只看整体得分，现在MCR-GRPO能逐个框算功劳，定位和分割都更准了。

官方账号arXiv cs.AI@Xinheng Han, Jianfei Wang, Yu Chen, Xiang Wang, Shuai Li, Weixing Li, Feng Pan原文

这篇论文用1,600个人类写的幻觉样本对比了18,400个模型生成的样本，发现人类样本更稳定、更好控制，以后测幻觉不用老换模型了。

官方账号arXiv cs.AI@Timothee Mickus, Claudio Savelli, Eduardo Calò, Emilio Raimond, Stella Frank, Hengyu Luo, Flavio Giobergia, Vincent Segonne, Chuyuan Li, Aman Sinha, Lorenzo Vaiani, Jörg Tiedemann, Raúl Vázquez原文

论文把机器遗忘做到属性级：让模型忘掉指定属性，但保留同一人的其他信息。CLRP不用重训练，在多种多模态模型上都有效。

官方账号arXiv cs.AI@Junkai Lin, Junkai Chen, Siqi Hou, Yuhao He, Ruiqi Liu, Chenhan Jin, Shengze Xu, Tieyong Zeng原文