77811 条条目 · 106 个活跃源
2026年6月26日
04:00
arXiv cs.AI

生成式AI与版权侵权:基于美国法典第17编的AI音乐生成系统法律-技术分析

分析AI音乐生成中歌词侵权与声音模仿的法律差异,指出联邦法对歌词保护强而对声音模仿保护不足。

04:00
arXiv cs.CL

编译器驱动的超维计算近似调优

提出ApproxHDC框架,自动识别并应用超维计算近似,支持多硬件后端,高效搜索优化配置。

04:00
arXiv cs.CV

FlameVQA:一个基于辐射热监督的物理驱动无人机野火VQA基准

FlameVQA是无人机野火VQA基准,利用辐射热TIFF图像进行温度推理,评估显示当前多模态大模型需领域适应。

04:00
arXiv cs.LG

Heavy-Ball Q-Learning with Residual Weighting Correction

04:00
arXiv cs.CL

深度混合集成语言模型微调

MoDE框架利用后期层集成进行微调,以较小参数开销提升推理性能,可替代更大模块。

04:00
ArXiv AI

中文标题

提出多层AI框架,多维度分析信息混乱中的媒体内容,构建结构化信息环境表示。

04:00
arXiv cs.LG

基于逆倾向得分的交叉头注意力提升网络在未观测混杂下的应用

提出CHAUN和RA-IPS方法,解决未观测混杂下提升建模偏差,QINI提升25.6%,RA-IPS优于IPS 5.4%。

04:00
arXiv cs.CL

更新几何:词汇规模下的Fisher对齐

提出FisherSketch,单次流式传递高效估计Fisher对齐,解决词汇规模下无训练源选择和任务相似性诊断。

04:00
arXiv cs.LG

RecallRisk-BERT:用于报告后医疗器械召回分诊的多任务框架

开发多任务模型同时预测召回严重性和根因类别,准确率达0.963,风险排名与根因模式高度一致。

04:00
ArXiv AI

分歧推荐,一致诊断:AI商业推荐中跨提供商的故障模式趋同

两AI推荐分歧大(Jaccard 0.35),但不推荐时故障诊断一致率达95.1%,长尾品牌尤甚,针对诊断可提升两平台可见性。

04:00
arXiv cs.CL

跨模态对抗性扩散:文本、视觉与视觉语言模型攻击、防御与评估的融合综述

整合文本、图像和视觉语言模型的扩散对抗攻击与防御,提出统一分类与评估框架,揭示当前LLM方向五大弱点。

04:00
arXiv cs.LG

带模型辅助采样的随机梯度优化

提出模型辅助采样框架,结合调查采样理论降低梯度方差,提升优化效率,与现有优化器兼容。

04:00
arXiv cs.CV

SatSplatDiff:几何保持的生成式精化方法用于高保真卫星高斯泼溅

提出几何保持的生成式精化方法,通过深度监督和阴影引导,提升卫星高斯泼溅的视觉保真度与几何精度,MAE降18%,FID-CLIP升28-45%。

04:00
arXiv cs.CV

CORTEX:用于可信3D胸部CT多模态大模型的结构化推理基准

CORTEX为3D胸部CT提供结构化推理基准,通过四阶段诊断轨迹和专家验证,支撑可信多模态模型。

04:00
ArXiv AI

基于模拟的推理用于流行病学模型中快速贝叶斯参数估计:与MCMC的比较

SBI在COVID-19模型校准中与MCMC后验一致,计算速度快10-120倍,支持近实时分析。

04:00
arXiv cs.CL

面向普通用户的越狱攻击:通过波段算法选择最优越狱方法实现自动增强查询

基于多臂老虎机的越狱攻击在15个开源LLM上达97%成功率,复杂查询可提升成功率26%,证实非专家恶意用户威胁。

04:00
arXiv cs.LG

基于视觉语言模型引导的势能奖励塑形自动化

本文提出VLM-PBRS框架,利用小型VLM偏好学习自动合成势能函数,无需专家设计,加速强化学习并提升鲁棒性。

04:00
arXiv cs.LG

fTNN:面向分数阶偏微分方程的张量神经网络

提出fTNN,一种确定性张量神经网络子空间方法,通过几何适应积分和边界奇异感知函数,显著提升分数阶PDE强边界奇异性问题的求解精度。

04:00
arXiv cs.CV

LISA:面向视觉条件可控生成的似然分数对齐

提出LISA正则化方法,显式对齐侧网络中间特征与近似似然分数,加速训练收敛,提升生成质量,几乎无额外成本。

04:00
arXiv cs.CV

RoPEMover:基于位置嵌入的深度感知物体重定位

提出RoPEMover,通过旋转位置嵌入实现深度感知的物体重定位,保持场景一致性,性能达最优。

04:00
arXiv cs.LG

图神经网络跨领域应用:全面洞见

综述图神经网络在12个领域的应用,分析图结构计算成本的价值,提炼跨领域共通挑战与架构选择。

04:00
arXiv cs.CL

基于自监督的专利表示学习

提出混合dropout-章节正样本,利用专利内部结构做自监督表示学习,提升检索分类性能。

04:00
ArXiv AI

AI采纳与能力的开源经济指数

基于开源指数测量AI采纳与职业能力,金融、计算机、艺术采纳率最高,AI执行高级任务但细节易错。

04:00
arXiv cs.LG

Beyond the Hard Budget: Sparsity Regularizers for More Interpretable Top-k Sparse Autoencoders

04:00
arXiv cs.CL

Vis-CoT:一种人在回路框架,用于LLM思维链推理的交互式可视化与干预

Vis-CoT将思维链转为交互图,用户可干预错误步骤,提升准确率与信任度。

04:00
arXiv cs.CV

中文标题:并非所有动作都同等重要:重新思考灵巧世界模型的条件化

中文摘要:提出结构化动作条件化方法DexAC-WM,通过动作标记化与语义分支,解决高自由度动作建模不平衡问题,提升视频预测质量。

04:00
arXiv cs.LG

线性模型在时间序列预测中能有多好?

通过调整预处理而非扩大模型,线性模型可超越大多数大型模型。

04:00
arXiv cs.AI

Lacuna:机器学习研究图谱

Lacuna利用大模型将论文转为结构化研究图谱,检索Recall达0.538,超OpenScholar;深度报告生成质量也优于GPT-Researcher。

04:00
arXiv cs.CV

不要止步于众数模式!通过特征自引导缓解预训练流模型中的多样性崩溃

提出特征自引导与流形正则化,无需训练和额外模型,低成本缓解预训练流模型多样性崩溃。

04:00
arXiv cs.CL

当动作偏离任务:检测与纠正计算机使用代理中的非对齐行为

提出DeAction,检测并修正计算机使用代理非对齐行为,离线F1提升15%,在线攻击成功率降低90%。

04:00
arXiv cs.AI

多尺度退出-加入动力学:战术共识与战略联盟形成

提出多尺度联盟模型耦合战略重组与战术共识,揭示低转换障碍阻碍战略收敛却促进全局共识的悖论。

04:00
arXiv cs.AI

Dot-Flik:一种用于分布式昆虫监测的可扩展边缘AI架构

提出运动帧过滤与分布式边缘架构,实现低成本、实时30FPS、节能22.6%的昆虫监测,支持多流并发。

04:00
arXiv cs.CV

SAM2Matting:通用图像与视频抠图

SAM2Matting通过追踪器-抠图框架,仅用图像训练实现视频抠图新SOTA,支持多样提示,泛化性强。

04:00
arXiv cs.CL

训练语言模型将Prolog作为工具使用

微调语言模型用Prolog推理,发现准确性与可审计性存在权衡,优化准确性会牺牲可审计性。

04:00
ArXiv AI

6G SD-RAN中动态VR切片管理的隐私感知智能体协作

提出隐私感知多智能体强化学习框架,保护用户隐私的同时提升吞吐量34%、减少资源28%和隐私泄露85%。

04:00
arXiv cs.LG

可解高维生成对抗网络中的有效协方差动力学

研究高维GAN有效协方差动力学,证明训练收敛至ODE,揭示低秩相关增强弱方向、过强相关破坏恢复机制。

04:00
arXiv cs.CV

RayPE:面向三维感知视频生成的射线空间位置编码

提出RayPE,利用Plücker互易积将6D坐标注入注意力,提升3D一致性、摄像机可控性与视频质量。

04:00
arXiv cs.LG

RSPC: 基于精神科医生标注的数字媒介关系中压力与精神状况建模基准

RSPC数据集含1799条精神科医生标注的Reddit帖子,评估模型在关系情境下的心理障碍分类与触发检测,推动情境化心理健康建模。

04:00
arXiv cs.CL

克服状态惯性:针对演化上下文的微创时间对齐

提出DZ-TiDPO微创框架,通过冲突感知优化和时间注意力偏置解耦状态更新,解决状态惯性及对齐代价。

04:00
arXiv cs.LG

BetXplain: An Explanation-Annotated Dataset for Detecting Manipulative Betting Advertisements on Social Media

04:00
arXiv cs.CV

PhysiFormer:在世界空间中学习力学模拟

PhysiFormer是一种扩散Transformer,直接在全局坐标中预测顶点轨迹,无需归纳偏置,实现刚体/弹性体运动模拟,性能优于自回归方法。

04:00
arXiv cs.CL

隐喻是大型推理模型跨域错位的根源

隐喻影响LLM推理导致跨域错位,干预训练可诱导错位,检测器可高精度预测。

04:00
arXiv cs.AI

减少全切片图像补丁中的冗余以实现可扩展的索引与检索

提出ARReST方法,通过去除跨类别冗余补丁压缩索引,实现3%-60%存储节省且不损检索性能。

04:00
arXiv cs.CV

看与嗅:学习视觉-嗅觉表征

通过语义对齐合成视嗅数据,提出自监督框架See & Sniff,气味分类提升7%,并实现气味定位。

04:00
ArXiv AI

联邦边缘网络中几何公平感知路由方案

提出Geo-FairFed,融合双曲图神经网络与联邦优化,在动态6G边缘网络中降低延迟20%、能耗17%,提升公平性21%。

04:00
arXiv cs.CV

塑造NeRF几何:基于人类偏好的3D感知人脸GAN微调

通过人类偏好强化学习直接优化NeRF密度场,无需网格,少量样本即可提升3D几何,用户偏好率达74.4%。

04:00
arXiv cs.CL

OI-Bench:评估大语言模型对指令干扰敏感性的选项注入基准

提出OI-Bench基准,通过选项注入评估LLM对指令干扰的敏感性,发现模型存在显著漏洞与异质鲁棒性。

04:00
arXiv cs.CL

面向结构感知表格理解的正交层次分解方法

OHD框架通过正交树分解表格行列结构,结合双路径关联与语义仲裁,提升复杂表格问答性能。

04:00
arXiv cs.CV

ViQ:任意分辨率下的文本对齐视觉量化表示

ViQ通过两阶段量化学习平衡语义与细节,支持任意分辨率输入,训练效率提升20%-70%。

04:00
arXiv cs.CL

GenRecal:大型到小型视觉语言模型的重校准后生成

提出GenRecal通用蒸馏框架,通过重校准器对齐异构VLM特征,实现高效知识迁移,性能超大型模型。