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

通过去噪器响应的谱耦合进行扩散模型归因

利用去噪器谱几何特征提取稳定签名,SDS方法以99.9%准确率非侵入式归因扩散模型。

04:00
ArXiv AI

HAT-4D: 通过人机协作从单目视频中提取4D多物体交互

HAT-4D:首个从单目视频重建多物体4D交互的框架,结合VLM与人类反馈解决遮挡,实现物理合理重建并创建基准。

04:00
arXiv cs.CL

使用轻量级编码代理适配器自动配置科学模拟器

SIGA通过轻量适配器使通用编码代理自动配置科学模拟器,可靠性大幅提升,数分钟达到专家数小时的配置质量。

04:00
arXiv cs.LG

弹性时间:神经音频编码的动态帧率瓶颈

提出Elastic Time动态帧率瓶颈,通过学习预测器跳帧重建,提升音频编码效率与质量权衡。

04:00
arXiv cs.LG

通过AutoML框架预测无线网络与移动计算的技术方向

提出AutoML框架,整合聚类、主题建模与时间序列分析,预测无线网络与移动计算领域研究趋势,RMSE达36.76。

04:00
arXiv cs.CV

基于级联扩散先验和UV空间可微着色的单目虚拟人像重建

用级联扩散先验和UV空间可微着色,从单张图高效重建4K可重光照虚拟人像。

04:00
arXiv cs.CV

Cross-view Multimodal Vision-Based Assessment Framework for Traditional Chinese Medicine Rehabilitation Training

04:00
arXiv cs.LG

重尾情形下全局最小方差组合的协方差估计决策几何

精确刻画协方差估计误差对投资组合的影响,证明遗憾恒等式,揭示决策几何的不变性,并应用于重尾分布。

04:00
arXiv cs.AI

哪个纳什均衡?零和纳什多面体上的求解器依赖性选择

零和博弈的纳什均衡选择由算法决定:正则化方法选最大熵,遗憾平均漂向低熵面,且影响下游表现。

04:00
arXiv cs.AI

DexCompose:利用单手复用灵巧策略进行多任务操作

DexCompose通过手指级动作所有权和双残差模块组合灵巧技能,平均成功率77.4%。

04:00
arXiv cs.CV

EchoSonar-R: 一种支持多视角推理的超声心动图疾病分类与报告生成模型

EchoSonar-R通过多视角推理与强化学习两阶段训练,显著提升超声心动图疾病分类与报告生成的准确性和可解释性。

04:00
arXiv cs.LG

张量程序的测试输入生成:真正发现内核缺陷的是什么?

边界形状采样实现78%召回率与0%假阳性,优于其他策略,尤其能捕获softmax尾部mask缺陷。

04:00
arXiv cs.LG

DFM:基于文本引导门控对比损失的差异特征建模遥感图像变化描述

提出DFM框架,通过门控对比损失和联合特征建模,提升遥感图像变化描述的差异判别性。

04:00
arXiv cs.CV

RSICCLLM:一种用于遥感图像变化描述的多模态大语言模型

提出RSICCLLM后训练框架,以差异感知微调和双负偏好优化,7B参数超越大规模模型。

04:00
arXiv cs.LG

基于图滤波器识别的有向图拓扑推断

提出通过图滤波器识别与联合优化,从线性扩散测量中推断有向图拓扑,有效恢复网络结构。

04:00
arXiv cs.LG

基于WavLM和数据增强的自然非校准语音记录中说话人发声力度分类的进展

WavLM结合数据增强与高斯邻域软标签,在AVID上达78.2%准确率,创下新纪录。

04:00
arXiv cs.LG

Mosaic:可微分物理求解器的基准测试套件

标准化评估14种可微分PDE求解器,发现计算成本与数值稳定性差异大,但梯度精度非主要瓶颈。

04:00
arXiv cs.AI

联合奖励建模:将思维链内化以实现高效的视觉奖励模型

提出联合奖励建模,内化思维链至判别表示,高效评估视觉任务并达到SOTA。

04:00
arXiv cs.CV

尺度空间度量的稳定性研究

研究高斯尺度空间度量的稳定性,量化对几何变形和噪声的鲁棒性,引入旋转不变版本并给出高效算法。

04:00
arXiv cs.LG

从标注不确定性中学习:面向语音情感识别的熵感知课程策略

分布监督训练优于硬标签,减少标注分歧,更好捕捉语音情感识别中的感知不确定性。

04:00
ArXiv AI

智能体情节控制

AEC融合LLM与情节强化学习,通过语义增强和关键状态识别,数据效率提升2-6倍,实现强泛化。

04:00
ArXiv AI

面向自动规划的对称感知Transformer训练

提出对称感知对比学习训练Transformer,解决变量名对称性导致的组合爆炸,提升自动规划性能。

04:00
arXiv cs.CV

增强共封装光学硅光子安全保证的硬件指纹技术

在硅光子芯片填充区嵌入光子晶体,产生独特光学签名,实现低成本高分辨率硬件指纹认证。

04:00
ArXiv AI

PreferThinker:基于推理的个性化图像偏好评估

提出推理式个性化图像偏好评估框架,通过预测偏好画像和两阶段训练实现可解释多维评分。

04:00
arXiv cs.AI

面向多模态大语言模型选择性遗忘的良性记忆遗忘方法

提出SMFA框架,在移除隐私知识时保持模型图像理解能力,实现良性遗忘。

04:00
arXiv cs.CV

DIM-WAM:具有多样化历史事件记忆的世界-动作建模

提出记忆增强模型,融合多尺度历史与任务进度,长程任务成功率从28.4%提升至69.8%。

04:00
ArXiv AI

基于Transformer的慢性肾病预后预测

基于Transformer模型利用电子健康记录预测慢性肾病进展,准确率高,助力个性化治疗。

04:00
arXiv cs.LG

支持约束强化学习实现无需真实世界经验的真实世界策略改进

SCORE框架约束模拟中RL到真实策略支撑集,无需真实经验即可改进策略,成功率达89.9%。

04:00
arXiv cs.LG

利用规范等变扩散采样施温格模型

首次用规范等变扩散加速施温格模型采样,获得无偏估计并缓解拓扑冻结。

04:00
arXiv cs.CV

感知准则:将多模态评估校准至人类感知

提出感知准则框架,通过双流准则与门控评分揭示模型脆弱性,验证严格感知保真度是可靠生成的前提。

04:00
arXiv cs.CV

翻译作为桥接动作:将操作技能从人类迁移到机器人

提出桥接动作表示(相对手腕平移),从人类数据迁移技能到双臂机器人,比6DoF更有效且可扩展。

04:00
arXiv cs.LG

物理引导的机器人在非结构化环境中沿任意测量路径的辐射源定位

提出物理信息ML模型,实现任意路径下辐射源精确定位,经模拟与实验验证,提升机器人辐射感知至空间智能。

04:00
arXiv cs.CV

StructSplat:基于未标定稀疏视图的可泛化三维高斯泼溅

提出结构化表示与像素对齐特征注入,无需相机参数即可泛化重建三维高斯泼溅,性能大幅领先。

04:00
ArXiv AI

SciFig:面向科学论文的可编辑图表自动化生成

SciFig多智能体框架从科学文本自动生成可编辑图表,性能领先,约10分钟完成。

04:00
arXiv cs.AI

Health-ORSC-Bench:衡量健康情境下过度拒绝与安全完成度的基准

首个健康LLM过度拒绝与安全完成基准,测试30模型,安全优化模型过度拒绝达80%。

04:00
arXiv cs.LG

连续吸引子神经网络研究工具包CANNs

统一CANN研究全流程的开源工具包,含Python库、Rust加速与实验数据分析管道,可重现前沿成果。

04:00
arXiv cs.LG

对抗性污染遇上硬阈值:一种具有信号适应性和极小极大最优性的迭代算法

提出抗污染迭代硬阈值算法,实现高维回归极小极大近最优,信号自适应且具强Oracle性质,扩展至广义线性模型与重尾噪声。

04:00
arXiv cs.CV

PIAA-ZWFS的可微设计:一种逼近基本极限的灵活波前传感器

提出PIAA-ZWFS波前传感器,采用可微设计逼近基本极限,性能优于传统ZWFS,且不牺牲动态范围。

04:00
arXiv cs.LG

分布气隙磁通与转子电流融合用于10兆瓦卡普兰水轮发电机运行状态识别

融合分布气隙磁通和转子电流特征,实现水轮发电机运行状态高精度识别,准确率达99.5%。

04:00
arXiv cs.CV

基于生物物理皮肤反演的RGB光谱次表面散射

本文提出光谱光学反演,从RGB反照率预测皮肤全光谱散射参数,用于路径追踪渲染。

04:00
arXiv cs.AI

GAIA:训练GUI测试时缩放批评模型的数据飞轮系统

GAIA通过直觉批评模型迭代优化GUI代理,实现测试时性能自增强。

04:00
arXiv cs.CV

从损坏观测中训练清洁扩散模型的期望最大化算法

EMDiffusion通过期望最大化迭代重建与优化,从损坏观测训练扩散模型,在成像逆任务上达新SOTA。

04:00
arXiv cs.LG

量子动态时间规整用于多变量时间序列分类

提出混合量子DTW,以量子几何替代欧氏距离,解耦纠缠与数据,识别时空权衡,超越经典基线。

04:00
arXiv cs.CV

跨越极端复杂度和质量尺度的增强型神经视频表示压缩

提出NVRC++编码器,以轻量INR多特征网格实现跨复杂度稳定性能,解码速度提升7.6倍。

04:00
arXiv cs.AI

直接提问:好奇的代码智能体揭示前沿大语言模型的系统提示

JustAsk框架通过自主交互,无需人工干预即可完整提取前沿模型隐藏的系统提示,暴露了此类安全漏洞。

04:00
arXiv cs.CV

MVGS:多视图正则化高斯泼溅用于新视角合成

提出多视图训练范式,结合交叉内参引导与稠密化策略,提升3D高斯泼溅的重构精度与视角合成质量。

04:00
arXiv cs.CV

基于Gershgorin盘对齐的图展开与采样用于过渡视频关键帧选择

通过Gershgorin盘对齐快速图采样,线性时间选出关键帧,性能相当或更优,复杂度显著降低。

04:00
arXiv cs.LG

从检测到行动:使用LLM智能体进行容错控制

提出LLM智能体框架,集成多智能体工作流、数字孪生与图RAG,生成并验证恢复动作,仿真验证可行。

04:00
arXiv cs.LG

物理约束神经网络用于无损耗周期结构的代理建模

提出物理约束神经网络,强制能量守恒,快速预测无损耗周期结构RCWA输出,实现可微反演设计。

04:00
arXiv cs.LG

基于核吉布斯测度的蒙特卡洛方法:概率性群聚的保证

证明吉布斯分布采样优于独立蒙特卡洛,降低置信区间宽度。