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
76545 条条目 · 106 个活跃源
2026年7月2日
04:00
arXiv cs.CV

部分骨架可见性下的动作识别：一种受限视野方法

提出PartialVisGraph超图框架，利用虚拟超边和可见性先验，在受限视野下实现鲁棒骨架动作识别，准确率提升达68.8%。

04:00
arXiv cs.LG

面向样本生成模型的决策感知训练

提出决策感知训练，用决策损失增强能量分数，在成本敏感区域提升预测质量并保留完整概率预测。

04:00
ArXiv AI

Beyond the Prompt: Jailbreaking Function-Calling LLMs via Simulated Moderation Traces

04:00
arXiv cs.LG

融合地形的风功率曲线构建的时空高斯过程模型

提出非参数时空高斯过程模型融合地形与时间变量，解决数据对齐，提升风功率预测精度并量化地形影响。

04:00
ArXiv AI

一种调查软件仓库中AI模式普遍性的方法论

提出文献挖掘与主动学习结合的方法，识别14种AI模式，在GitHub仓库中测试准确率56%，为分析AI模式实际使用提供基础。

04:00
arXiv cs.CV

AV-SyncBench：时间与语义音视频同步的解耦基准

提出AV-SyncBench，首个解耦时间与语义评估的音视频同步基准，含3269视频及38390样本，覆盖10场景5任务。

04:00
arXiv cs.CV

ConRTF: 边缘约束的边界分布细化用于实时Transformer表格结构识别

提出EFL损失，利用表格结构不对称性训练时引导边界细化，数据高效，GriTS提升+1.6。

04:00
arXiv cs.AI

基于搜索的时空与多机器人运动规划：在时空凸集图上

提出时空凸集图搜索框架，结合凸分解与窗口协调，高效规划多机器人运动，在狭小瞬态区域显著加速。

04:00
arXiv cs.LG

量子 vs 经典机器学习：一项统一的实证比较

当前量子机器学习模型性能未超越经典模型，但在噪声过滤和假阳性控制方面有前景。

04:00
arXiv cs.CV

GKDT：通用关键点检测Transformer

提出MegaKPT数据集和GKDT模型，基于DINOv3支持多模态提示，在22个测试集多数类别[email protected]超90%。

04:00
arXiv cs.LG

面向组合优化问题的神经证书定价

提出神经证书定价(NCP)，无监督学习预测证书价格并恢复可行边际，优于或匹配SOTA且更快更泛化。

04:00
ArXiv AI

一种多分辨率有限体积启发的时空动力学预测深度学习框架

MuRFiV网络融合有限体积与深度学习，嵌入PDE信息，实现复杂动力系统长期稳定精准预测。

04:00
arXiv cs.LG

TiRex-2：将TiRex推广至多变量数据与流式场景

基于xLSTM的时序基础模型，实现多变量流式预测，零样本SOTA，推理成本恒定。

04:00
ArXiv AI

人工智能、信任与团队协作：面向自主与黑箱AI系统的“人类作为驯导员”方法

将自主AI类比为动物，人类扮演驯导员而非使用者，以明确责任归属，最终导向人机协作。

04:00
arXiv cs.AI

Predicting Lethal Outcome (Cause) And Understanding Key Biomarkers Linked With Acute Myocardial Infarction Using Deep Artificial Neural Network And Ensemble Of Machine Learning Methodologies

04:00
arXiv cs.CV

原型记忆引导的无训练产前超声异常分类与定位

提出无需训练的多类产前超声异常分类与定位框架，利用原型记忆及软合并机制，在1149例数据上表现优异。

04:00
arXiv cs.CV

迈向鲁棒的驾驶感知：面向自监督单目深度估计的灵活尺度驱动系列

FlexDepth自监督深度估计模型族，采用静态-动态解耦与尺度驱动解码器，高效高精度，最小模型0.7GFLOPs、移动端37.6FPS。

04:00
arXiv cs.LG

基于语言批评的次优演示模仿学习

提出语言批评框架，用自然语言作结构化监督信号，避免标量压缩，在连续控制任务上优于基线。

04:00
arXiv cs.AI

基于LLM聚类的实时困难负采样用于大规模双塔检索

提出基于LLM聚类的实时困难负采样，从同类生成挑战性负样本，降低计算量，打破反馈循环并减少流行偏置。

04:00
arXiv cs.LG

一层就够了吗？训练单个Transformer层可媲美全参数RL训练

单层训练可恢复全参数RL大部分收益，收益高度集中在中间层。

04:00
arXiv cs.CV

基础模型驱动的盲扫超声胎儿出生体重估计关键解剖帧选择

首次用盲扫超声视频，通过基础模型选择关键解剖帧估计胎儿体重，MAE仅161.3克，优于传统方法。

04:00
ArXiv AI

BaseRT：基于原生Metal的Apple Silicon顶尖大语言模型推理运行时

BaseRT利用原生Metal在Apple Silicon上实现最高LLM推理吞吐，解码速度比llama.cpp快1.56倍、比MLX快1.35倍。

04:00
ArXiv AI

从技术指标到用户感知：一项关于多模态人机交互系统用于物体检测与抓取的用户研究

用户实验表明，系统成功率从75%提升至90%后，70.83%用户更偏好改进版本，感知评分显著提高。

04:00
arXiv cs.LG

场景上下文下的城市减速行为模式：基于Argoverse 2多智能体轨迹的早期运动学分类器

从1219次减速事件聚类出四种稳定模式，早期急动度主导预测，场景上下文微调，对偶年龄是主要调节因素。

04:00
arXiv cs.CV

GaussianFusion: 统一三维高斯表示用于多模态融合感知

提出基于3D高斯表示的多模态融合框架，保留细节，性能优于BEVFusion，速度快450%。

04:00
arXiv cs.LG

QuasiMoTTo：准蒙特卡洛测试时扩展

提出QuasiMoTTo，用相关采样替代独立采样，在推理和强化学习中以更少样本/步骤达到同等性能。

04:00
arXiv cs.CV

面向级联对象检测的主动学习：在表格提取流水线中平衡覆盖度与不确定性

提出两种流水线感知的主动学习变体UHerding，平衡覆盖与不确定性，减少表格提取标注成本。

04:00
arXiv cs.LG

正确之道：利用可验证奖励和人类演示训练语言模型

提出对抗框架融合可验证奖励与人类演示，兼顾任务准确性与输出人性化，消除奖励破解。

04:00
arXiv cs.CV

FrameONE：面向通用多视图超声心动图关键帧检测的分层运动建模

提出分层运动建模的FrameONE，通过视图内多任务与视图间通用学习，实现多视图超声关键帧检测，跨视图泛化强。

04:00
ArXiv AI

面向IIoT网络的轻量级入侵检测模型中的跨域泛化失败

轻量级模型跨网泛化失效，因过度依赖粗粒度端口特征，需用真实分布进行跨网络评估。

04:00
arXiv cs.CV

Pano2World：通过统一多视图序列的端到端3D生成

提出Pano2World，输入单张室内全景图直接生成可探索3D场景，通过联合去噪与潜在特征适配器实现跨视图一致性，性能优。

04:00
arXiv cs.CV

解耦引导：文本到图像个性化中的主体与上下文路径分离

提出解耦引导框架，分离主体身份与上下文路径，解决保真度-可编辑性权衡，无需修改模型即可提升个性化性能。

04:00
arXiv cs.CV

中文标题：ClinRAG-GRAPH：基于临床先验的检索增强图模型与领域对抗学习用于乳腺pCR预测

中文摘要：提出ClinRAG-GRAPH框架，融合多模态数据与领域对抗学习，实现乳腺癌新辅助化疗pCR鲁棒预测，多中心验证AUC达0.815。

04:00
arXiv cs.LG

CogTax：命令行计算教育的四级认知分类法

提出整合认知复杂度与操作影响的四级分类法，自动分类达89%准确率，填补命令行教育中系统影响维度的空白。

04:00
arXiv cs.LG

带有忆阻有符号耦合的振荡神经网络中的自组织学习

提出忆阻抑制耦合振荡神经网络，通过电路仿真验证其自主去噪能力，并证明有符号权重对反相吸引子持久性必要。

04:00
arXiv cs.AI

从世界模型到世界行动模型：机器人学简明教程

世界模型用于具身智能，分为观察/状态空间；世界行动模型连接预测与行动，含四种范式。

04:00
ArXiv AI

Exploring the Semantic Gap in Agentic Data Systems: A Formative Study of Operationalization Failures in Analytical Workflows

04:00
arXiv cs.AI

LeVLJEPA：无需负样本的端到端视觉-语言预训练

LeVLJEPA提出非对比式端到端视觉-语言预训练，无需负样本，通过跨模态预测生成更强密集语义特征。

04:00
ArXiv AI

有限记忆语言模型中的遗忘审计

提出因果审计框架，发现参数泄露近零，删除事实残留源于近邻检索，遗忘边界主要由数据库决定。

04:00
arXiv cs.CV

通过分层实体探索实现高分辨率视觉感知

提出无需训练的分层实体探索方法，动态引导高分辨率图像感知，显著提升准确率和效率。

04:00
arXiv cs.CV

通过CLIP引导去噪优化的扩散模型无训练去偏

提出TES框架，通过CLIP引导的文本嵌入优化实现无训练去偏，两阶段策略保证公平性且不牺牲质量。

04:00
arXiv cs.LG

中文标题

比较两种观察模式下估计水印比例的样本复杂度，发现归约为关键统计量不一定样本高效。

04:00
arXiv cs.AI

LRAT-Catcher：通过反射将SAT求解器证书导入Lean4

LRAT-Catcher通过反射在Lean4中验证LRAT证书，处理内存极限，支持立方征服求解组合。

04:00
arXiv cs.LG

利用多模态对Zwicky瞬变设施发现的瞬变和变星进行实时分类

ORACLE-2模型结合光变曲线、元数据和图像，实时分类性能提升最高40%，宏F1达0.73。

04:00
arXiv cs.LG

$\ell_2$对抗训练在高维空间中的均匀化：随机梯度下降下的精确动力学

提出框架分析高维SGD下\(\ell_2\)对抗训练动力学，推导ODE和SDE，揭示学习率策略与正则化影响。

04:00
ArXiv AI

定义性忠实：基于自然语义元语言说明的情感分析

用自然语义元语言说明进行情感分析，解析器生成说明并由固定规则判定标签，牺牲少量准确率换取可审计的定义性忠实。

04:00
arXiv cs.CV

斑点：基于位置信息的相机陷阱调查中鬣狗和豹的再识别

融合视觉与时空信息，Spotted框架提升鬣狗和豹再识别准确率9pp，减少专家查询69pp。

04:00
arXiv cs.CV

缝合嵌入：3D服装与2D图案的统一潜在空间

首个无模拟框架，统一3D服装重建与2D图案推断，利用预训练3D模型先验和BoxMesh中间表示，实现高精度高效建模及新应用。

04:00
arXiv cs.LG

基于计算机视觉的神经网络用于城市环境中放射性同位素识别

将伽马数据转为瀑布谱图，用计算机视觉架构识别，CNN在低误报率下优于NMF方法。

04:00
ArXiv AI

基于不动点流的自条件流映射语言模型

自条件流语言模型利用不动点迭代提升去噪，提出二维不动点流并蒸馏得到FMLM$^\star$，在少步生成中超越现有最佳。

← 往后1098 / 1531往前 →