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.LG

SLORR：简单高效的训练中低秩正则化

SLORR基于Hoyer度量和核范数，在训练中无状态正则化，高效诱导模型压缩且开销低。

04:00
arXiv cs.CV

MSRNet：一种面向伪装目标检测的多尺度递归网络

提出MSRNet，利用多尺度递归与注意力融合，精准检测小和多个伪装目标，在基准数据集上取得领先结果。

04:00
arXiv cs.LG

直通式承保中的自主人工智能与检索增强模型

提出多智能体RAG框架用于直通式承保，较单LLM和简单RAG更优，尤其擅长多步和缺失信息场景。

04:00
arXiv cs.CV

DeltaDeno：通过增量去噪归因的零样本异常生成

提出无训练零样本异常生成方法，对比扩散分支定位缺陷并引导潜修复，无需真实样本，生成真实异常并提升检测性能。

04:00
arXiv cs.LG

GradInf：梯度估计作为概率推断

将梯度估计转化为概率推断问题，通过耦合与分解及类型系统，GradInf实现高效自动化梯度估计并超越现有方法。

04:00
arXiv cs.LG

偏移与漂移：面向泛化性和鲁棒性的自动驾驶运动规划零样本基准

提出双轨基准测试，发现模仿学习在语义偏移下易失败，强化学习更鲁棒。

04:00
arXiv cs.CV

面向空间推理的视觉-语言记忆

提出VLM²模型，用双记忆模块从2D视频实现3D空间推理，性能达最优。

04:00
arXiv cs.CV

诊断视觉损坏引起的视觉语言模型可靠性故障

提出Bench-C和RAS，发现轻度损坏提升准确率但破坏预测结构，导致可靠性故障

04:00
arXiv cs.LG

基于正半定核密度估计的分布保真插补

从缺失观测中估计分布，实现单次和多次插补，具有统计一致性，性能优于常见基线。

04:00
arXiv cs.CV

TOPO-Bench：一个具有可量化感知混淆的开源拓扑地图评估框架

提出拓扑一致性指标与定位精度替代度量，量化数据集歧义，开源基准揭示感知混淆下方法局限。

04:00
arXiv cs.CV

LlamaSeg：通过自回归掩码生成的图像分割

提出LlamaSeg自回归框架，统一多任务分割，构建2M掩码数据集，引入新指标，性能超越现有生成方法。

04:00
arXiv cs.CV

PRGCN：一种用于3D人体姿态估计中跨序列模式复用的图记忆网络

提出PRGCN，利用图记忆库存储姿态原型，通过注意力检索与解剖约束融合，实现跨序列模式复用，在3D姿态估计上达到SOTA。

04:00
arXiv cs.CV

Elastic3D: 基于引导潜码解码的可控立体视频转换

Elastic3D实现可控、端到端单目转立体视频，避免深度估计伪影，用户可调节视差强度，性能领先。

04:00
arXiv cs.CV

用于高质量基元神经重建的神经谐波纹理

神经谐波纹理通过周期激活将插值特征分解为谐波分量，实现高质量实时新视角合成，桥接基元与神经场方法。

04:00
arXiv cs.LG

基于相位nSCR特征的单元无关低速率腕部GSR处理用于压力检测

提出低速率腕部GSR处理流程，提取相位nSCR/min特征，在TSST任务中实现0.82-0.87平衡准确率，证明可穿戴压力检测可行。

04:00
arXiv cs.LG

CTA-流水线：一种面向延迟的多GPU系统空间扩展方法

提出CTA流水线，利用共享内存多GPU系统实现CTA级并发，MLP操作延迟降低31.8%，可与TP结合进一步优化。

04:00
arXiv cs.CV

面向临床信息与可解释的医学图像理解工具瓶颈框架

提出工具瓶颈框架(TBF)，用学习模型组合VLM选择的临床工具，提升医学图像理解的性能与可解释性。

04:00
arXiv cs.LG

基于任务向量的功能安全代码生成

提出SecVecCoder，利用任务向量同时提升代码功能与安全性，无需后处理，显著提高可靠代码生成率。

04:00
arXiv cs.CV

从任意对象中借用：一种可泛化的参考引导实例编辑框架

提出GENIE框架，通过解耦参考外观与属性，实现鲁棒实例编辑。

04:00
arXiv cs.LG

反馈操纵正则化：实现离线智能体对齐的模仿学习

提出FMR，利用评估反馈纠正模仿学习对齐，在Safety Gymnasium上失调减少98%，数据稀缺仍鲁棒。

04:00
arXiv cs.CV

Zoom-IQA：基于可靠区域感知推理的图像质量评估

Zoom-IQA采用监督微调与强化学习两阶段训练，基于区域推理实现鲁棒可解释的图像质量评估。

04:00
arXiv cs.LG

人格图谱：在权重空间中描绘语言模型人格特质

将人格视为行为特质空间位置，通过低秩适配器实现单调可加调控，影响安全行为，提供可控映射方法。

04:00
arXiv cs.CV

HairWeaver：基于仿真到真实引导的视频扩散的少样本逼真头发运动合成

提出HairWeaver，通过两个LoRA模块从单张图片生成逼真动态头发动画，实现精细控制，达到新标杆。

04:00
arXiv cs.CV

SwinIFS：基于地标引导的Swin Transformer用于身份保持的人脸超分辨率

SwinIFS通过地标引导和Swin Transformer实现身份保持的人脸超分辨率，在8倍放大下仍能恢复清晰结构，平衡精度与效率。

04:00
arXiv cs.LG

DeepSWE：在原创、长周期工程任务上评估前沿编码智能体

DeepSWE基准含113个原创长周期任务，避免模型记忆和测试偏差，手写验证器评估更准确、区分度更高。

04:00
arXiv cs.CV

解剖引导的潜在扩散用于脑MRI进展建模

提出AG-LDM，简化训练并保证解剖一致性，体积误差减少15-20%，协变量敏感性提升3.5-31.5倍。

04:00
arXiv cs.LG

扩散策略学习中的表达性与统计权衡

扩散策略表达性受漂移Lipschitz预算K支配，K增大提高近似但增加统计复杂度，样本依赖权衡指导K与网络架构选择。

04:00
arXiv cs.LG

谁打破了系统？基于LLM的多智能体系统中的故障定位

提出AgentLocate框架，精准定位故障智能体及最早失误步骤，性能优于现有方法且高效。

04:00
arXiv cs.CV

自监督视觉Transformer中类似人类的对象分组

自监督模型（如DINO）通过对象中心表征和Gram矩阵结构，实现类似人类的对象分组，提升感知对齐。

04:00
arXiv cs.LG

基于血氧饱和度预测器引导的低质量双波长PPG逐步时频重构方法

提出SpO2预测器引导的逐步时频重构，联合时频损失，提升低质量PPG血氧估计精度。

04:00
arXiv cs.LG

一种用于混沌预测的量子储备池架构及其高维性是否有效的检验

量子储备池混沌预测方案及高维性诊断，规模增长时量子误差稳定优于经典。

04:00
arXiv cs.CV

更少数据，更快收敛：面向多模态指令调优的目标驱动数据优化

GDO用远少于基线的训练样本，实现更快收敛，在MVBench等视频基准上准确率提升1-3个百分点。

04:00
arXiv cs.CV

纠正注意力分散引起的视觉模糊以减少幻觉：算法与理论

多模态模型幻觉源于注意分散，提出AFIP方法通过跨头注意增强和历史注意强化校正，无需额外训练。

04:00
arXiv cs.LG

劝说攻击可能降低链式思考监控的有效性

对抗劝说下链式思考监控反增有害行为批准，模型多样的事实核查可降低批准率达45%。

04:00
arXiv cs.LG

INTENT：基于LSTM的路口车辆意图预测框架及全面消融分析

提出INTENT框架，用LSTM预测路口车辆2秒后直行/左转/右转意图，在InD数据集上达99.71%准确率。

04:00
arXiv cs.CV

LSRM：基于扩展上下文窗口的高保真物体中心重建

LSRM通过扩展上下文窗口和高效稀疏注意力，大幅提升3D重建保真度，PSNR提高2.4dB以上，LPIPS降低超40%。

04:00
arXiv cs.LG

当心你的自动补全：后门代码补全的取证归因

提出CodeTracer框架，通过行为指纹与LLM推理，将后门代码补全精准归因至恶意微调数据。

04:00
arXiv cs.CV

超越注意力分数：基于SVD的视觉令牌剪枝以实现高效视觉-语言模型

提出SVD-Prune方法，利用奇异值分解保留贡献最大全局方差的令牌，在极端剪枝下仍保持强性能。

04:00
arXiv cs.CV

GAP-GDRNet: 基于几何感知的单目航天器6D姿态估计，利用合成几何监督

提出几何感知网络GAP-GDRNet，通过AFR和PGSA改进姿态回归，在自建数据集上超越基线3.88百分点，速度达35.97FPS。

04:00
arXiv cs.LG

穿墙雷达人体活动识别的泛化理论

提出穿墙雷达人体活动识别泛化分析框架，推导目标域泛化界，实验验证其应用价值。

04:00
arXiv cs.CV

OmniOPSD：面向情感计算的基于推理优势的在策略自蒸馏方法

OmniOPSD利用推理特权证据进行在策略自蒸馏，避免直接模仿，在MER-UniBench取得84.19分SOTA性能。

04:00
arXiv cs.CV

Bricker to BRACE: A Bracket Exposure RAW Dataset and Restoration Model for Flicker-Banding

04:00
arXiv cs.CV

视频扩散模型在手部运动重建中的惊人有效性

利用视频扩散模型重建4D双手姿态，无需检测器，显著优于现有方法。

04:00
arXiv cs.LG

MuScriptor：多乐器音乐转录开放模型

通过合成数据预训练与真实音频微调，结合强化学习后训练，发布适用于复杂多乐器场景的开放权重转录模型MuScriptor。

04:00
arXiv cs.LG

RadioDiff-v2: 生成式角度无线电地图用于多波束选择与定位

RadioDiff-v2用流匹配双分支扩散变换器生成角度无线电地图，零样本下W-1距离0.39dB，波束选择损失2.43dB，定位误差20.6像素。

04:00
arXiv cs.CV

面向驾驶舱场景理解的视觉语言模型基于搜索的测试

提出ISU-Test方法，通过搜索优化场景参数，显著提升故障率10倍、覆盖率3.6倍。

04:00
arXiv cs.CV

基于深度精灵的图像模型：一项分析

分析基于精灵的图像分解模型，提出新方法，在无监督分割上达先进水平，可扩展且可解释。

04:00
arXiv cs.LG

MLQENABLER：在云计算中实现加密数据库上的安全机器学习查询

提出MLQENABLER方案，通过索引辅助实现加密数据库上的安全机器学习，兼顾安全与性能，仅轻微降低ML效果。

04:00
arXiv cs.CV

LESV：语言嵌入的稀疏体素融合用于开放词汇3D场景理解

LESV采用稀疏体素光栅化替代3DGS，结合深度先验和AM-RADIO模型消除歧义，实现开放词汇3D理解SOTA。

04:00
arXiv cs.LG

BACH：多兴趣双塔检索中对比头的贝叶斯混合模型

BACH用贝叶斯混合与变分推断实现软路由，缓解头部崩塌，生成用户兴趣权重，显著提升检索效果。

← 往后1041 / 1531往前 →