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

VLM引导的视觉地点识别用于行星尺度地理定位

提出VLM引导混合框架,结合检索与重排序,在街道和城市级别分别提升4.51%和13.52%,实现可扩展、鲁棒的高精度地理定位。

04:00
ArXiv AI

离线博弈论多智能体强化学习中的保守均衡发现

通过量化博弈不确定性并修改强化学习目标,提出COffeE-PSRO方法,在离线设置中发现低遗憾均衡解。

04:00
ArXiv AI

CausalFlip:超越语义匹配的大语言模型因果判断基准

CausalFlip基准通过语义相似但因果相反的问题检验LLM,发现显式思维链仍被误导,内化推理更优。

04:00
ArXiv AI

生成式AI时代的深度伪造媒体生成与检测:综述与展望

综述深度伪造生成与检测技术,构建分类法与排行榜,新基准表明先进检测器无法泛化至未知生成器。

04:00
arXiv cs.AI

AgentPSO:基于多智能体粒子群优化的推理技能演化

提出AgentPSO,通过粒子群优化演化多智能体推理技能,提升问题解决能力并实现技能迁移。

04:00
arXiv cs.LG

非线性战略分类的实用化

提出利用拉格朗日对偶近似战略响应,结合隐函数定理训练非线性分类器,提升战略准确性。

04:00
arXiv cs.CV

细粒度行为与车道约束引导的轨迹预测方法

提出BLNet双流架构,通过并行注意力融合行为意图与车道约束,提升轨迹预测精度。

04:00
arXiv cs.CV

基于图像的机器人地理定位:黑盒视觉语言模型是否已就绪?

黑盒VLM零样本地理定位:粗定位有效,细粒度定位因现实变化而不可靠。

04:00
ArXiv AI

转向开放与可复现的AI研究

2014至2024年AI论文可复现性从28%升至64%,代码数据共享增近六倍,改进先于检查表,反映开放科学趋势。

04:00
arXiv cs.LG

用可解释神经网络桥接第一性原理对称性与全局核质量

基于SU(4)对称性的神经网络模型将核质量预测误差减半,WINN公式以0.43MeV精度揭示中子滴线处对称性恢复和超重区新效应。

04:00
arXiv cs.CV

Web2Grasp:从手-物交互的网络图像中学习功能性抓取

利用网络手-物交互图像,通过3D重建与交互模型学习功能性抓取,仿真和真实实验成功率分别达75.8%和77.5%。

04:00
ArXiv AI

针对完全可观测非确定性问题的状态安全性判定算法:技术报告

提出iPI算法,兼具TarjanSafe最佳运行时与多项式最坏情况保证,在不适问题中扩展性显著提升。

04:00
arXiv cs.AI

SEA-TS: 面向时间序列预测算法自主代码生成的自进化智能体

SEATS框架通过自进化循环自主生成并优化预测代码,结合MA-MCTS、代码审查与全局推理,在多个数据集上超越强基线。

04:00
arXiv cs.CV

SurgXBench:用于手术的可解释视觉-语言模型基准

评估手术视觉语言模型零样本性能,发现其依赖弱上下文而非临床证据,需加强视觉推理监督。

04:00
arXiv cs.CV

StableMotion: 基于扩散先验的单步运动估计

StableMotion利用扩散先验实现单步运动估计,在图像矫正任务中达到SOTA,速度提升超100倍。

04:00
arXiv cs.CV

DIVER:强化扩散打破端到端自动驾驶中的模仿瓶颈

DIVER用强化学习引导扩散生成多样轨迹,打破模仿学习瓶颈,提升端到端自动驾驶泛化能力。

04:00
arXiv cs.AI

智能体即路由器:面向编码任务的智能模型路由

提出Agent-as-a-Router框架,通过执行反馈循环动态路由,在编码任务中降低累积遗憾并泛化。

04:00
arXiv cs.LG

面向二次型闭环控制的PAC-贝叶斯证书

利用系统级综合对二次闭环控制进行PAC-贝叶斯认证,将证书转至后验均值响应,实现数据驱动控制选择且降低敏感度。

04:00
arXiv cs.AI

POTracker:优化大语言模型以生成符合标准的停电报告

提出POTracker损失函数,兼顾文本与结构相似性,生成停电报告结构准确率达86.47%,优于其他方法。

04:00
arXiv cs.LG

面向边缘量子AI的参数高效连续变量光子量子神经网络:口腔癌检测实证

简化CV-QNN架构减少参数40-45%,四模仅18参数达最高AUC,室温高效口腔癌检测。

04:00
ArXiv AI

iCost:一种新颖的基于实例复杂度的代价敏感学习框架

iCost框架根据少数类样本的学习难度自适应分配惩罚,提升分类性能,优于传统代价敏感学习和重采样方法。

04:00
arXiv cs.LG

仅正样本适正学习中的意外发现

仅从正样本中适正学习需有限VC维和均匀外部可分离性,揭示与标准PAC学习迥异的丰富图景。

04:00
arXiv cs.LG

非凸非Lipschitz优化中Bregman ADMM的二阶KKT保证

分析Bregman ADMM在双面相对光滑下的收敛性,证明随机初始化几乎必然收敛到二阶KKT点,并推广到分布式优化。

04:00
arXiv cs.LG

深度残差网络在Wasserstein空间中学习测地线

ResNet借助L2正则化学习Wasserstein空间测地线,实现更优数据变换与泛化。

04:00
arXiv cs.CV

SRMA-Mamba: 面向MRI体积中病理性肝脏分割的空间反向Mamba注意力网络

提出SRMA-Mamba网络,利用空间解剖Mamba和反向注意力机制,实现MRI体积病理性肝脏高效分割,超越现有方法。

04:00
arXiv cs.CV

QuantV2X: 面向协同感知的全量化多智能体系统

QuantV2X首次实现全量化多智能体协同感知,在低比特下精度媲美全精度,延迟降低3.2倍,mAP30提升9.5。

04:00
arXiv cs.LG

深度学习中等效梯度流方程的推导与训练数据的动态截断

推导ReLU激活下梯度下降等效方程,数据簇以指数速率动态截断,旨在解释监督学习可解释性。

04:00
arXiv cs.CV

让语言约束几何:视觉-语言模型作为3D生成的语义与空间评判器

VLM3D利用视觉-语言模型的双查询批评信号,优化语义对齐和空间一致性,显著提升3D生成质量。

04:00
arXiv cs.LG

基于自回归生成缺失数据的主动探索

将在线决策中的不确定性视为缺失未来结果,通过自回归生成评估,理论将在线学习归约为离线预测。

04:00
arXiv cs.LG

在时间RAG中的新鲜度与启发式趋势检测的局限性

提出轻量时间层解耦新鲜度与趋势检测,半衰期先验提升新鲜度但参数敏感,趋势检测中标签规则主导性能。

04:00
arXiv cs.AI

SIDA:合成图像驱动的零样本域自适应

本文提出SIDA,利用合成图像进行零样本域自适应,通过域混合和块风格转移模拟真实变化,实现高效先进性能。

04:00
ArXiv AI

条件因果赌博机的最小搜索空间

提出最优条件干预最小节点集的图特征,设计O(|V|+|E|)算法,剪枝搜索空间并加速收敛。

04:00
arXiv cs.AI

通过多任务学习校准葡萄物候预测的生物物理模型

提出多任务学习与循环神经网络混合模型,参数化生物物理模型,实现跨品种共享学习,提升葡萄物候预测精度。

04:00
ArXiv AI

DMind基准:面向Web3领域LLM能力的全面评估

DMind基准全面评估Web3领域LLM能力,揭示其在安全审计等高推理任务中存在显著弱点。

04:00
arXiv cs.CV

基于高级模态条件与交互的文本到有声视频生成控制

提出HVGC解耦字幕框架和BridgeDiT双塔扩散变换器,实现跨模态同步,达到SOTA性能。

04:00
arXiv cs.CV

Training-free Uncertainty Guidance for Complex Visual Tasks with MLLMs

04:00
arXiv cs.AI

面向公平性感知属性表示的无偏分箱

提出无偏分箱与ε-偏分箱问题,通过动态规划和局部搜索算法高效求解,消除分箱偏差并保证公平性。

04:00
arXiv cs.LG

仅用N个参数的排列学习:从SoftSort到自组织高斯

提出仅用N个参数迭代SoftSort优化,大幅降低存储,适用于大规模任务如自组织高斯。

04:00
arXiv cs.CV

混元图像3.0技术报告

混元图像3.0开源800亿参数MoE模型,13亿激活,性能媲美最先进模型。

04:00
arXiv cs.AI

LinkAnchor:基于LLM的自主式问题-提交链接恢复代理

LinkAnchor是首个自主LLM代理,采用懒访问架构动态检索数据,突破上下文限制与逐对评估局限。

04:00
arXiv cs.CV

关于具身AI世界模型的综合综述

综述了具身AI世界模型,提出三轴分类法,分析了数据指标与开放挑战,强调物理一致性与计算效率权衡。

04:00
ArXiv AI

跨域多智能体LLM系统必须解决的七大安全挑战

提出跨域多智能体LLM系统的七大安全挑战,涵盖攻击示例、评估指标与研究指南。

04:00
arXiv cs.CV

GraphPilot:基于场景图条件的语言驱动自动驾驶

提出场景图条件方法,将结构化关系融入语言驾驶模型,显著提升性能且无需测试时输入。

04:00
arXiv cs.LG

TreeLoRA:基于层级梯度相似性树引导的逐层LoRA实现高效持续学习

提出TreeLoRA,利用层级梯度相似性树逐层构建LoRA适配器,结合Bandit和稀疏梯度更新,高效实现持续学习,在ViT和LLM上验证有效。

04:00
arXiv cs.LG

CO-DEFEND:面向安全基于DoH威胁检测的持续去中心化联邦学习

提出CO-DEFEND去中心化联邦学习框架,保护隐私,以决策树和随机森林为模型选择机制,高效检测DoH隧道威胁。

04:00
arXiv cs.LG

关系图模块度与深度对神经网络学习性能的影响

网络社区结构增强学习,但八层深度时优势完全逆转。

04:00
arXiv cs.CV

SynSeg:端到端开放词汇语义分割中多类别对比学习的特征协同

SynSeg提出多类别对比学习与特征协同结构,弱监督下提升语义分割性能,mIoU提升0.6%-8.9%。

04:00
arXiv cs.LG

淬灭大偏差用于库仑气体蒙特卡洛积分

随机近似势能保持快速大偏差原理,保障积分算法优于独立或马尔可夫求积。

04:00
arXiv cs.CV

PhysChoreo: 具有部件感知语义锚定的物理可控视频生成

提出PhysChoreo框架,从单图生成物理真实可控视频,优于现有方法。

04:00
arXiv cs.LG

基础模型与专用模型:评估连续时间序列预测中的灾难性遗忘

微调引发遗忘,但大型模型更鲁棒;使用DER可让小模型媲美大模型,大模型高成本未必合理。