全部OpenAIHugging FaceArXiv AIGoogle AIVentureBeat AIMarkTechPostPragmatic EngineerThe GradientOne Useful ThingCrunchbase NewsTechCrunchGoogle DeepMindMicrosoft ResearchLlamaIndex BlogarXiv cs.AIarXiv cs.LGarXiv cs.CLarXiv cs.CVNature Machine IntelligenceLilian WengAndrej KarpathySebastian RuderBAIR BlogAgile Lab EngineeringGoogle AI BlogMeta NewsroomMIT Tech Review AITechCrunch AIWiredFull-Stack AI EngineerAgentplexa16zSequoia CapitalY CombinatorElad GilTomasz TunguzNot BoringThe GeneralistSimon WillisonSimon Willison NewsletterLatent SpaceImport AIInterconnectsHamel HusainDAIR.AIEnterprise AI GovernanceStratecherySemiAnalysisBenedict EvansX @OpenAIX @claudeaiX @AnthropicAIX @karpathyX @samaX @demishassabisX @DarioAmodeiX @elonmuskX @miramuratiX @ilyasutX @gdbX @AravSrinivasX @arthurmenschX @ClementDelangueX @alexandr_wangX @mustafasuleymanX @ylecunX @geoffreyhintonX @AndrewYNgX @fcholletX @polynoamialX @_jasonweiX @DrJimFanX @rasbtX @lilianwengX @OriolVinyalsMLX @tri_daoX @percyliangX @ch402X @janleikeX @swyxX @simonwX @jeremyphowardX @OfficialLoganKX @svpinoX @SuhailX @emollickX @_akhaliqX @natolambertX @rowancheungX @bilawalsidhuX @Francis_YAO_X @ShunyuYao14X @tqchenmlX @haozhangmlX @GoogleDeepMindX @huggingfaceX @MistralAIX @perplexity_aiX @NVIDIAAIX @xaiX @victor207755822X @deepseek_aiX @bchernyX @Alibaba_QwenX @Kimi_MoonshotX @dotey
76521 条条目 · 106 个活跃源
2026年7月10日
04:00
arXiv cs.CL

说话人分割引导的Qwen-ASR自适应用于多语言双说话人对话语音

结合说话人分割和Qwen-ASR，通过监督微调、合成语音LoRA及强化学习，将tcpMER降至17.97。

04:00
arXiv cs.LG

中文标题

持续学习并非单一能力，不同环境变化需不同更新方式，决定何时需要内部学习或外部辅助。

04:00
arXiv cs.CV

利用颜色命名进行图像增强

提出NamedCurves+，利用颜色命名和色调曲线实现可解释、可交互的图像增强，性能优于现有方法。

04:00
arXiv cs.CV

LEEVLA：看清潜在环境演化中关键信息的视觉-语言-动作模型

提出LEEVLA，通过漂引导动态优先化与结构化特征流生成，实现任务证据引导与潜在结构化推理，性能优于先前方法。

04:00
arXiv cs.CV

面向未对齐RGBT视频目标检测的双相关超图网络及大规模基准数据集

提出双相关超图网络，建模时空相关性解决未对齐RGBT检测问题，并构建大规模多样化基准DVT-VOD1000，取得SOTA性能。

04:00
arXiv cs.CL

TypeProbe：从预训练代码模型的隐藏状态中重构类型表示

使用平行数据集探测预训练代码模型内部类型表示，发现跨语言类型表示可从无类型代码中线性解码，且具鲁棒性。

04:00
arXiv cs.CL

最佳N选一TTS评估受到ASR系列对齐混淆

ASR系列对齐导致评估偏差，跨家族排名集成将WER降至1.61%

04:00
arXiv cs.LG

NFTR：从可证明的模式平均到离线目标条件强化学习中的测地子目标选择

NFTR用归一化流和三角形松弛得分，避免子目标选择的模式坍缩与乐观偏差，实现稳定选择。

04:00
arXiv cs.CL

越南高地、三角洲和海岸的回响：占语、高棉语和岱侬语的多语言语料库

提出CKTN语料库及脚本感知适应方法，减少多语言编码器碎片化，提升分类性能并揭示词汇检索局限。

04:00
arXiv cs.LG

Explaining Near-Zero Hessian Eigenvalues Through Approximate Symmetries in Neural Networks

04:00
arXiv cs.CV

基于多尺度图像表示的无配对联合分布建模

提出LUD-MSR框架，用多尺度图像表示平衡域一致性与信息保持，仅用边缘数据建模联合分布，在cryo-EM去噪中有效。

04:00
arXiv cs.LG

深度标量线性网络中的最优学习率缩放依赖于数据

最优学习率缩放依赖数据，无关规则失效；数据依赖缩放实现恒定线性收敛。

04:00
arXiv cs.LG

面向OLS回归的数据分区分布式草图法

研究数据分区分布式草图用于OLS回归，分析平均估计量超额损失，显示子集协方差散度小时性能与全局草图相当。

04:00
arXiv cs.CV

TMI：文本-图像与图像-图像互补数据合成，提升长尾实例分割

提出T2I-I2I混合管道与VRAIN编辑器，在长尾实例分割中总体AP提升4.0，稀有类AP提升9.5。

04:00
arXiv cs.CV

深入探讨低秩视觉-语言对齐中的隐式偏见

低秩对齐降低计算且超越全参数，其隐式偏见使模型保守、保持视觉特征线性可分及结构稳定。

04:00
arXiv cs.CL

LEXIC：通过注入复杂性实现的轻量级眼动追踪扩展

通过注入词级难度信号，两种轻量级机制使纯眼动模型在阅读理解预测中AUROC提升1.8-2.9个百分点。

04:00
arXiv cs.CL

ICDAR 2026 HIPE-OCRepair竞赛：基于大语言模型的历史文档OCR后校正

ICDAR竞赛评估大语言模型辅助历史文档OCR后校正，多语言数据集显示可提升质量但存在过度校正问题。

04:00
arXiv cs.LG

跨视觉、语言、视频和音频的多模态遗忘：方法、数据集和基准综述

综述多模态遗忘方法、数据集与基准，实现跨模态选择性移除敏感关联，同时保持模型整体效用。

04:00
arXiv cs.CV

Metrics or Mirage? An Audit of Evaluation Inconsistencies in Colonoscopy Polyp Segmentation Benchmarks

04:00
arXiv cs.CL

SQuaD-SQL：基于大语言模型指导的知识蒸馏实现小型语言模型高效文本到SQL

本文提出SQuaD-SQL方法，通过知识蒸馏让小模型接近大模型性能，在WikiSQL上达86.9%准确率，效率更高。

04:00
arXiv cs.CL

大规模隐式解码：大型语言模型的潜在计算扩展

提出隐藏解码方法，通过序列长度扩展增加计算，首次在百亿参数MoE模型上验证，实现固定骨干网络的性能提升。

04:00
arXiv cs.CL

SEC 8-K文件有依据事件提取与细粒度分类体系

两阶段系统从SEC 8-K文件提取119类有依据事件，质量评分精确度达96%，有效区分经济事件。

04:00
arXiv cs.LG

通过潜在人格特质实现语言模型的高效安全对齐

提出LPA方法，用66条人格陈述对抗训练，无需有害数据实现近零攻击，训练快（单GPU数分钟，样本量少75倍）。

04:00
arXiv cs.LG

Collate：面向延迟关键型边缘系统的协作神经网络学习

提出Collate框架，动态调整异构模型架构，在满足延迟约束下平均提升准确率1.96%-3.09%。

04:00
arXiv cs.LG

谁分析分析者？基于宪法性元STPA的LLM自我验证危害分析

提出自验证框架，将STPA应用于自身，导出29条原则并验证其有效性。

04:00
arXiv cs.CV

多模态3D LUT生成：基于统计特征的StatLUT用于逼真风格迁移

StatLUT通过统计特征解耦色彩与语义，用Transformer生成平滑3D LUT，并支持文本驱动，显著提升逼真风格迁移质量。

04:00
arXiv cs.CL

LLM拒答的两个维度：答案正确性与问题可回答性

LLM拒答需区分答案正确与问题可答，隐藏态探针可识别，但模型自报失效；校准策略分开控制，优于单阈值。

04:00
arXiv cs.CV

改进KidSat模型：整合地理编码与数据质量评估用于儿童贫困预测

通过数据预处理、图像质量筛选和球谐函数地理编码，使儿童贫困预测MAE降低18.83%，在33个非洲国家达0.1658。

04:00
arXiv cs.CV

LUMI: 基于大语言模型、与分词器无关的无损图像压缩

LUMI提出与分词器无关的LLM无损图像压缩，通过像素嵌入和位置编码，仅微调少量模块，实现跨域鲁棒压缩。

04:00
arXiv cs.LG

Evaluating the Generalizability of Foundation Models for Extreme Environmental Events: Case Study of California Wildfire PM2.5

04:00
arXiv cs.CL

UltraX：通过自适应程序化编辑大规模优化预训练数据

UltraX提出函数调用框架，通过插入、删除、修改实现细粒度实例级编辑，提升大规模预训练数据优化效率与可靠性。

04:00
arXiv cs.CL

人格识别中基于大语言模型裁判的理论无关自适应度量对齐原型网络

提出JAM框架，利用LLM裁判与原型网络实现理论无关人格识别，提升跨框架泛化性能。

04:00
arXiv cs.LG

线性注意力架构：机制、权衡与跨层路由

论文对比多种线性注意力架构，发现Kimi Delta Attention+Muon损失最低，Gated DeltaNet吞吐量最高，跨层值路由(CLVR)改善性能。

04:00
arXiv cs.CV

消除零空间：无分类器扩散的引导感知量化

针对无分类器扩散后训练量化忽视双分支结构导致分支漂移，提出引导感知混合精度量化(GAMP)直接校准引导预测。

04:00
arXiv cs.LG

KronQ：基于Kronecker分解海森矩阵的大语言模型量化

KronQ引入梯度协方差到量化流程，利用Kronecker分解海森矩阵实现双向不相关处理与混合精度分配，2-bit量化LLaMA-3-70B困惑度仅7.93，显著优于GPTQ。

04:00
arXiv cs.CV

TVTA：轨迹感知的视位引导时间聚合用于基于事件的唇语识别

提出TVTA框架，通过轨迹感知差分聚合与视位引导时间聚合增强时序建模，在DVS-Lip基准上有效提升事件唇语识别。

04:00
arXiv cs.CL

当只有合成语音可用时：请调用GRPO

GRPO强化学习在仅用合成语音时比监督微调降低词错误率40%，改善校准与对齐。

04:00
arXiv cs.CL

基于激活聚合的提示压缩

通过加权激活和将提示信息压缩为单向量注入模型，准确率下降<2%，揭示激活空间跨层兼容性与语义编码结构。

04:00
arXiv cs.CV

SkelGen4D：弱监督的基于骨架的文本驱动网格动画4D生成

提出弱监督骨架驱动4D生成框架，无需骨架标注即可生成文本驱动的网格动画，时间连贯且物理合理，性能媲美全监督方法。

04:00
arXiv cs.CV

HSA：用于多粒度场景分解的分层槽注意力

HSA提出分层槽注意力，实现整体、语义、实例三级分解，仅用10%标注数据，性能大幅超越平坦基线。

04:00
arXiv cs.LG

协助游戏中可证明最优的学习算法

首次提出可证明高效的重复协助游戏学习算法，实现(1-1/e)近似遗憾率O~(T^{3/4})，证明最优性界限。

04:00
arXiv cs.LG

PGD-NO：用于百万级三维物理模拟的预计算几何分解神经算子

PGD-NO通过预计算几何分解实现线性内存扩展，支持千万节点网格，兼顾精度与可解释性。

04:00
arXiv cs.CL

使用ESBMC-PLC+检测IEC 61131-3 PLC程序中的梯形逻辑炸弹：一种带有触发综合的形式化验证方法

提出ESBMC-LLB形式化验证检测PLC梯形逻辑炸弹，恢复触发条件，检测率99%且无假阳性。

04:00
arXiv cs.CL

当法官改变，测量也随之改变：审计LLM作为裁判的可靠性

审计LLM裁判可靠性：评估者变更引起评分偏移，升级型号效果不互通，强模型仅减小偏差而未消除，需含偏差探测等审计。

04:00
arXiv cs.CV

关于动态高斯泼溅的专家混合设计

提出MoDE与MoE-GS两种专家混合策略，分别通过联合优化和独立路由组合，提升动态高斯泼溅的鲁棒性。

04:00
arXiv cs.CL

使用Procrustes条件联合端到端Top-K稀疏自编码器的跨种子可解释性

提出Procrustes条件联合端到端Top-K稀疏自编码器，从独立BERT提取跨种子通用特征，优于后处理对齐。

04:00
arXiv cs.CV

UniRef-UAV：面向无人机影像通用指代的多模态基准

提出多模态通用指代基准UniRef-UAV，支持文本/图像/文本+图像查询及多目标定位，并给出轻量级基线UAV-URNet。

04:00
arXiv cs.LG

精确信息论揭示贝叶斯扩散模型的泛化相变

提出BIRD模型，发现记忆-泛化信息论相变边界，信息限制是规避维度灾难关键。

04:00
arXiv cs.CV

进展作为潜在漂移：缓慢演变病理的生成式预测

提出Latent Drift框架，在压缩语义表示中学习变化，解决身份崩溃和插值陷阱，提升慢速神经退行性病变的MRI预测效果。

04:00
arXiv cs.LG

重新思考小型VLM量化：从组件级分析到硬件感知的边缘部署

系统评估小型VLM组件量化，发现结构范式主导敏感性，INT4降低VRAM但增加生成延迟，SigLIP在特定硬件有瓶颈。

← 往后1037 / 1531往前 →