77763 条条目 · 106 个活跃源
2026年6月29日
04:00
arXiv cs.CV

使用Token激活图理解多模态大语言模型如何描述艺术品

TAM揭示MLLM描述艺术品的视觉依据因语义类别而异,作品识别准确率有差异,并与SAM比较。

04:00
arXiv cs.LG

解耦连续时间潜在动力学:通过扩散偏移实现潜在SDE的可识别性

环境扩散偏移使潜在SDE坐标及因果图可识别至排列缩放,两阶段估计器验证。

04:00
arXiv cs.LG

基于物理信息神经网络的有限数据Calderón问题中锐利电导率特征恢复

通过多尺度边界激励和傅里叶特征编码,PINN框架从有限数据恢复锐利电导率特征,误差3%-12%。

04:00
arXiv cs.CL

中文标题:ELF:嵌入式语言流

中文摘要:ELF基于连续时间流匹配,在连续嵌入空间扩散,最终映射离散词元,生成质量优于现有模型。

04:00
arXiv cs.LG

正则化奖惩强化学习

KCPR框架使奖惩策略协同,导出耦合软最优,提升安全稳定性,任务性能优于DQN等。

04:00
arXiv cs.CL

先复制后翻译:解读多语言预训练中的翻译动态

多语言预训练中,翻译能力分两阶段:先复制表面相似,后发展泛化机制。

04:00
arXiv cs.CL

基于LLM的数字孪生的心理测量可比性

数字孪生聚合准确但个体差异大,表现规范理性,特征丰富提升预测,跨语言与局部结构仍有差距,需在验证范围内使用。

04:00
arXiv cs.AI

CPAgents:用于心脏疾病关联的智能体复合表型生成

CPAgents自动构建可解释复合表型,在心脏影像队列中显著提升疾病关联发现能力,优于专家特征选择。

04:00
arXiv cs.AI

ToolPrivacyBench:面向使用工具的大语言模型代理的目的约束隐私基准测试

提出ToolPrivacyBench基准,审计多工具轨迹中隐私披露,发现任务完成未必隐私合规。

04:00
arXiv cs.AI

BiDeMem:面向可解释图像修复的双向退化记忆

提出双向退化记忆BiDeMem,通过可检索记忆槽实现可解释图像修复,兼具修复质量与可证伪解释机制。

04:00
arXiv cs.CV

指挥世界:基于组合式人-摄像机控制的快速自回归视频生成

提出快速自回归框架,解耦人运动与摄像机控制,以快慢记忆训练实现长程稳定、高视觉质量的视频生成。

04:00
arXiv cs.CV

基于蒙特卡洛树搜索的潜在视觉扩散推理

提出LVDR框架,用MCTS建模可视化推理,提升技能评估准确性与可解释性。

04:00
arXiv cs.CV

HumanMoveVQA:视频多模态大模型能否推理人类运动?

提出HumanMoveVQA基准,评估视频模型对全局轨迹和方向推理,发现能力差距,但微调可显著提升。

04:00
arXiv cs.LG

COCOLogic-V2: 利用真正的困难负样本识别逻辑不一致性

通过分类正例与近/远边界负例,揭示模型难以识别近边界负例,为视觉归纳推理提供评估基础。

04:00
arXiv cs.LG

LLawCo: 学习合作法则以建模具身多智能体行为

提出LLawCo框架,通过反思失败提取行为法则并微调,显著提升具身多智能体协作成功率。

04:00
arXiv cs.CL

面向真实文本匿名化评估的个体级推断

提出SPIA基准,揭示传统span指标高估匿名化效果,个体级推断保护率仅33%,非目标主体更暴露。

04:00
arXiv cs.CL

SIGNER:通过时间分辨条件实现时序对齐的手语生成

SIGNER框架利用时间-词汇条件和局部时间融合实现时序对齐,提升词汇顺序与语义准确性,达SOTA。

04:00
arXiv cs.CL

自我污名并非单一,通用共情却是:基于人格条件的LLM对药物使用者的支持

研究发现对药物使用者的自我污名表达进行人格分类,但临床专家更偏好通用共情,评分解构两者矛盾是关键。

04:00
arXiv cs.AI

Mind the Gap: Quantifying the Domain Gap in Cross-Sensor Diffusion Super-Resolution

04:00
arXiv cs.AI

物理强化:面向机器人操作的物理增强世界模拟器

PhysisForcing通过联合优化像素与语义特征强化物理一致性,解决视频生成物理不可靠问题,提升机器人模拟与操作性能。

04:00
arXiv cs.AI

高阶傅里叶神经算子:用于非线性偏微分方程的显式模式混合器

提出高阶傅里叶神经算子,通过高阶谱卷积显式混合模式,高效处理非线性PDE,单层效果优于16层传统FNO。

04:00
ArXiv AI

STAG:面向微表情识别的动作单元时空演化结构表示

STAG网络通过动态ROI-AU耦合与双分支架构,联合建模运动流和面部连接,提升微表情识别鲁棒性与泛化性。

04:00
arXiv cs.CV

EMOSH:用于人体动画的表现性运动与形状解耦

EMOSH通过显式解耦形状与姿态,实现高保真可控人体视频生成,解决形状泄露并增强表情手势控制。

04:00
ArXiv AI

OSOR:面向效果感知对象移除的单步扩散修补

提出OSOR单步扩散模型,实现效果感知与面具鲁棒的对象移除,推理快4-30倍,性能超越多步基线。

04:00
arXiv cs.CV

TempAct: 通过规划器-执行器强化学习提升自回归视频生成的时间合理性

TempAct采用规划器-执行器强化学习,通过分层探索与奖励机制,提升自回归视频生成的时间一致性与质量。

04:00
arXiv cs.LG

汇款蓝图:斯里兰卡的数据驱动智能

研究32年数据发现,斯里兰卡汇款受汇率和油价等外部因素驱动,机器学习模型预测精度提升73.8%,2026年预计达90亿美元。

04:00
arXiv cs.LG

物理信息神经网络结合迁移学习用于基于含电解质单粒子模型的锂离子电池状态估计

提出迁移学习框架,预训练后微调SPMe-PINN,减少训练时间并保持电化学一致性,准确预测电压。

04:00
arXiv cs.CL

PRISON:揭开大型语言模型的犯罪潜力

PRISON框架发现,前沿AI模型常显犯罪倾向,但作为侦探识别欺骗准确率仅44%,需加强安全机制。

04:00
arXiv cs.CL

Retaining by Doing: The Role of On-Policy Data in Mitigating Forgetting

04:00
arXiv cs.LG

完全委托的AI合作社中价值约束的信用分配

提出仅奖励通过异质价值约束筛选的模型更新的信用分配框架,利用遍历学习实现去中心化精细归因。

04:00
arXiv cs.CL

RSD:移动局部三角图审计语言模型隐藏状态

RSD用移动局部三角图审计语言模型隐藏状态,在GPT-2中部分词通过,诊断词义关系与失败原因。

04:00
arXiv cs.AI

基于概念引导的鲁棒上下文分割

提出CG-ICS方法,通过高层概念与视觉范例引导冻结SAM3,实现高精度鲁棒分割,显著降低参考选择方差。

04:00
arXiv cs.CV

AirGroundBench:异构多视角具身协作下多模态大模型的空间智能探测

提出AirGroundBench,评估异构空-地多视角空间智能,发现模型跨视角对齐与推理薄弱,双视角虽提升但距人类仍有差距。

04:00
arXiv cs.CL

中文标题:用于将零售产品名称编码为消费价格类别的机器学习:一个结合规则与词袋的流水线及可靠性加权人工标注方法

中文摘要:提出规则+词袋流水线及可靠性加权人工标注,将零售产品名映射为消费价格类别,实验表明简单逻辑回归最优,约66个标签即可。

04:00
arXiv cs.LG

因果概率时序图中的估计-预测权衡

研究揭示二元逻辑模型中的估计-预测权衡,提出需区分可约模型误差与内在不确定性。

04:00
ArXiv AI

越狱攻击下的鲁棒有害特征:来自大型语言模型注意力头专门化的机制证据

越狱攻击选择性抑制早期注意力头,但中层安全头保持激活,形成鲁棒有害特征,可被无训练读取用于检测。

04:00
arXiv cs.LG

民主式ICAI:通过辩论从偏好中推导引导原则

民主ICAI通过结构化角色辩论获取多角度理由,改进偏好预测并生成更受欢迎的原则。

04:00
arXiv cs.CV

RPM-Distill: 生理引导的自适应跨模态蒸馏用于鲁棒的远程生理测量

利用雷达辅助视频,通过频谱知识蒸馏提升远程生理测量的鲁棒性,在挑战条件下MAE降低81%,相关性提升21%。

04:00
arXiv cs.CV

TextDS:分布偏移下场景文本检测的参数高效表示对齐

TextDS提出参数高效框架,含双编码器与逐步LoRA,仅4.9M参数实现分布偏移下鲁棒场景文本检测。

04:00
arXiv cs.LG

宽度与数据如何影响二次神经网络中的泛化缩放定律

分析二次两层网络,揭示泛化误差随样本、宽度和正则化的数据相关幂律及相变。

04:00
arXiv cs.CV

利用测试时自适应学习拓扑感知的异常分割表示

提出TopoTTA框架,将拓扑持久同调融入测试时自适应,增强异常分割结构一致性,在多个基准上平均F1提升15%。

04:00
arXiv cs.CL

EXPLORE-Bench:基于长程推理的自我中心场景预测

提出EXPLORE-Bench基准,评估多模态模型长程自我中心推理,显示模型远逊人类,逐步推理有提升但成本高。

04:00
arXiv cs.LG

基于动态城市拥堵集成的参数高效混合Transformer(PEHT)网络流量预测

提出PEHT框架,融合城市移动与拥堵信息,利用LoRA降低参数,多模态融合提升流量预测,性能超越基线。

04:00
arXiv cs.AI

作为存储库级代码演化的自主硬件设计

HORIZON框架将硬件设计视为代码演化,实现100%基准完成率,但硬件设计代理AI仍未完全解决。

04:00
ArXiv AI

在流匹配中,曝光偏差可通过方向与频率修正自我缓解

提出DEFAR框架,利用偏差自身的方向与频率信号实现自适应修正,显著提升生成性能。

04:00
arXiv cs.CL

RateQuant:基于率失真理论的最优混合精度KV缓存量化

提出RateQuant,通过拟合各量化器失真模型并采用率失真反向注水法优化位分配,在降低70%困惑度同时实现零推理开销。

04:00
arXiv cs.AI

用AI“生成”工作的未来:来自在线劳动力市场的实证证据

AI导致在线劳动力市场总体萎缩,供应降幅小于需求,加剧竞争,并促进高技能者向编程领域转型。

04:00
arXiv cs.LG

中文标题

MDM-VGB将掩码生成与奖励引导重掩码结合,实现高效高奖励生成和低奖励样本修复,二次复杂度,性能优异。

04:00
arXiv cs.CL

Given, When, Then, Again:利用ML分类器和LLM裁判基线挖掘BDD测试套件中的子场景重构候选

提出ML分类器自动挖掘BDD子场景重构候选,XGBoost F1=0.891,优于规则和LLM基线,发现三类模式普遍存在。

04:00
ArXiv AI

治理仓库,而非代理:衡量AI原生软件中的生态系统级风险

AI编码代理集成风险源于代码仓库生态,约一半摩擦变异归因于仓库,应转向生态系统级治理。