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
64399 条条目 · 106 个活跃源
2026年9月18日
04:00
arXiv cs.CL

IBM Granite 5.0 TurboCTC 语音识别模型设计

470M参数编码器模型，结合Conformer下采样与块对角注意力，仅用公开数据训练，速度精度居前沿。

04:00
arXiv cs.CV

CitySTAR：面向开放词汇城市三维定位的结构化与拓扑感知推理

将城市三维定位转化为结构化约束推理，免训练，借场景图与超图拓扑验证及跨模态反思提升开放词汇定位。

04:00
arXiv cs.CL

Lens：让正确的语义视角聚焦于免训练多模态表示学习

提出免训练框架Lens，以语义视角锚定和上下文化短语读取解决视角错位，MMEB平均P@1达63.9，超基线10.2分。

04:00
ArXiv AI

从“这位用户是谁？”到“这笔消费意味着什么？”：面向银行规模的语义用户画像落地流水线

改为按消费模式而非按用户推理的三阶段流水线，在银行千万级用户规模部署，推理量降三个数量级。

04:00
arXiv cs.CV

超越前景：基于病灶引导自适应黏膜上下文传播的视野感知息肉图像合成

提出LAMP，病灶引导自适应黏膜上下文传播，分离病灶、黏膜与视野外区域，提升息肉合成及下游分割。

04:00
arXiv cs.CL

大语言模型对中国人工智能生成内容法规的合规性基准测试

中国AIGC合规评测：2303题六维，评20个大模型；国际模型合规亦高，差异多在意识形态维度。

04:00
arXiv cs.CV

DirtyMoCap：面向无约束标记的鲁棒动作捕捉

DirtyMoCap将无序标记映射为代理锚点，拟合SMPL-H，单模型泛化任意布局，精度领先。

04:00
arXiv cs.CV

QCPruner：用于视觉令牌剪枝的查询条件化群体覆盖

提出免训练视觉令牌剪枝QCPruner，以查询条件化双边效用加权提升多模型性能。

04:00
arXiv cs.LG

PhyRestore：物理结构化的潜在因子修复

恢复受损物理因子并按物理关系重建土壤流失变化；单独损坏时高值恢复更优，联合损坏等情形下优势减弱。

04:00
arXiv cs.CV

AVTrace：诊断全模态模型中的音视频时序推理

AVTrace基准评估全模态模型音视频时序推理，含七类任务；五个开源模型表现普遍不佳，时序后训练可部分改善。

04:00
arXiv cs.AI

面向网络化低空无人机的神经符号智能体AI

提出神经符号智能体AI框架，融合神经感知、符号推理与闭环交互，提升网络化低空无人机自主决策可靠性。

04:00
arXiv cs.AI

超越深度截断：递归语言模型中深度利用的可控评估

提出DCP，用正负控制与训练干预，分离深度截断中递归次数、独立计算与读出偏移，可控评估模型深度利用。

04:00
arXiv cs.CL

面向生物医学关系抽取的模型微调

微调DeBERTa接近SOTA；微调Gemini Pro 1.0在句子/摘要级均超SOTA。

04:00
arXiv cs.LG

基于单距离时间分辨反射测量的双层介质光学特性学习重建

提出机器学习框架，从单距离时间分辨反射测量重建双层介质光学特性，较传统模型更快更准，无需先验层数。

04:00
arXiv cs.LG

超越扁平化标记：基于可复用TriDim模块的结构保持脑电解码

提出可复用TriDim模块，显式保持脑电通道、短时与长时结构，构建TriDimEEG，跨被试解码领先，可替换Transformer。

04:00
arXiv cs.CV

通过教师预测精炼增强检测Transformer的知识蒸馏

提出即插即用TPRD，精炼教师预测，纠正退化正例、抑制过自信负例并保留暗知识，提升DETR蒸馏性能。

04:00
arXiv cs.CV

GRF-Recon：面向长序列前馈重建的全局光线场优化

统一前馈框架结合粗到细轨迹对齐、LoRA几何先验与稀疏光线场优化，实现长序列低漂移、全局一致重建。

04:00
arXiv cs.CL

复制还是不复制：利用模型内在信号控制推测解码

SwitchSD利用模型内部信号识别复制意图，动态切换推测解码，较EAGLE3吞吐最高提升15%。

04:00
arXiv cs.LG

不确定性下多目标优化的期望超体积最大化

将不确定性多目标优化视为贝叶斯决策，最大化期望超体积，结合高斯过程代理与主动学习。

04:00
arXiv cs.AI

可定制且联合优化的路线规划：一种支持可微最短路径搜索的深度架构

提出端到端可微深度架构，联合优化代价函数与路径排序，支持可定制路线规划，实验显著优于现有方法。

04:00
arXiv cs.CL

在警告为时已晚之前：基于语音的增量式电话诈骗检测

流式模型StreamFraudNet以自监督语音编码器与循环时序建模，从通话音频增量检测诈骗，10秒首判、每2秒更新，AUC 0.9953。

04:00
ArXiv AI

并非所有AI智能体都平等：资源与性能动态刻画

分析三类AI智能体资源动态，揭示任务瓶颈，提出CPU与任务感知优化，延迟提升5.4倍、均降32%。

04:00
arXiv cs.LG

面向药物重定位候选实用筛选的预训练医学表示

提出统一预训练医学表示框架，融合层次聚合与交叉引用，实现药物重定位候选筛选与排序。

04:00
arXiv cs.LG

Uni-LaDiR：潜在扩散统一多模态推理

将多模态思维令牌统一到共享潜在空间，用扩散预测后续思维块，视觉推理与机器人操作任务分别提升7.3%和6.1%。

04:00
ArXiv AI

E-AVI：面向自动化视频面试的基于证据的多模态评估

E-AVI提取带时间戳的多模态证据，结合维度条件注意力评分，性能超越基线，并支持反馈与问答。

04:00
arXiv cs.CL

DeepSeek-V4.1-Flash：突破 KV 缓存压缩的极限

多模态MoE，552B参数、百万token上下文，CSA2+FP4使KV缓存压至1/4，性能更优。

04:00
arXiv cs.LG

AURA：用于电子邮件威胁检测的自适应不确定性路由分析

AURA多模态分析邮件内容与URL，按不确定性路由，模糊样本再交由Transformer语义分析。

04:00
arXiv cs.CL

公共话语语料库（PDC）：一个含目标说话人参与、用于效价与认识情态标注的说话人归属数据集

发布PDC：998个视频、18万余句，联合标注情感效价与认识情态，并提出目标说话人参与标注。

04:00
arXiv cs.LG

面向高斯过程决策的在线自适应核混合

HACK将核选择视为在线专家学习，以AdaHedge混合核，理论保证逼近最优，BO等任务稳健。

04:00
arXiv cs.CL

随机词汇演算基础：概率单纯形上的语义下降与随机动力学

可观测框架判定语言概率可否支撑可更新随机状态；校准后三状态表示通过稳定性覆盖九成路径，仅条件成立。

04:00
arXiv cs.LG

CellRFT：面向单细胞扰动建模的强化微调

提出CellRFT强化微调框架，以生物评估为训练反馈，整合多奖励，提升单细胞扰动预测。

04:00
arXiv cs.CV

免费的午餐？将 PP-OCRv6 适配于历史文本识别

将PP-OCRv6适配历史文本行识别：异构预训练显著提升泛化能力，微调后可超越大型视觉语言模型。

04:00
arXiv cs.AI

数据归因能过滤掉潜意识学习吗？并不可靠

三种梯度归因法可部分过滤潜意识学习，但效果不及散度词元，且跨设置不稳定。

04:00
arXiv cs.AI

MAGMA-GEN：通过反事实重执行从模糊失败中获取经验证的恢复监督

MAGMA-GEN 通过特权教练诊断与反事实重执行验证，把模糊失败轨迹转为恢复监督数据，提升长程操作成功率与恢复能力。

04:00
arXiv cs.CL

Edustories：来自课堂实践的真实案例研究合集

Edustories数据集含1492个教师撰写的课堂案例，用于评估大模型预测教学干预成效；最强模型准确率58%，不及人类专家64%。

04:00
arXiv cs.AI

DART：面向少步视频扩散模型免训练LoRA复用的蒸馏感知重参数化

免训练DART结合低秩坐标传输与目标调度校准，提升少步视频扩散LoRA复用的质量与功能保留。

04:00
arXiv cs.CL

WiC并非WSD：大语言模型与词汇歧义消解研究

WiC因缺少显式义项而更难；提供候选义项可提升LLM表现，其错误多源于义项边界歧义或过度细分。

04:00
arXiv cs.CV

AnyviewMeter：结合相机几何与多视角注意力的机器人奖励模型适配

结合相机几何与多视角注意力微调奖励模型，显著降低视角变化下的任务进度预测误差。

04:00
arXiv cs.LG

面向观点动力学的数字孪生：社交网络的生成式大语言模型框架

克隆真实推特网络建立数字孪生，用Mistral-7B模拟观点演化，预测误差较最优基线降低超50%。

04:00
arXiv cs.LG

基于图超网络摊销物理信息神经求解器

用算子图显式表达方程关系，由图超网络生成初始化；双场耦合问题上误差较项集与系数向量降35.7%和67.7%。

04:00
arXiv cs.LG

通过解释方法诱导的预测器评估解释方法

提出以解释重建预测器并在未见数据上复现模型来评估解释，无需拟合；PDP与SHAP优劣取决于特征独立性。

04:00
arXiv cs.CL

指引罗盘：将动态心理咨询对话与认知行为疗法策略对齐

提出StratCBT数据集，涵盖9688次咨询、约25.6万语句，按八种CBT策略对齐咨询师回应，提升动态心理疏导效果。

04:00
arXiv cs.AI

面向多模态乳腺癌诊断的FCA引导反事实解释：一种实现完美有效性与涌现稀疏性的框架

以形式概念分析格约束反事实搜索，使多模态乳腺癌诊断达100%有效、最稀疏且邻近性高。

04:00
arXiv cs.AI

FedeRICo：面向交通流预测的联邦区域影响耦合

FedeRICo以梯度协作与边界残差通信平衡全局与客户端私有信息，四个交通流基准上超越现有联邦方法。

04:00
arXiv cs.CV

基于监督式目标域自适应的多中心平扫CT缺血性卒中分割与净水摄取定量

目标域适配支持多中心平扫CT自动分割缺血性卒中并低误差量化净水摄取，无需高级成像。

04:00
arXiv cs.CV

G²RA-Net：基于图的注意力门控跨切片关系建模用于医学图像分割

提出G²RA-Net，以图节点建模跨切片解剖依赖并通过注意力门控筛选邻域上下文，提升各向异性医学图像分割精度与边界质量。

04:00
ArXiv AI

WiCleanData：通过分类体系精炼与约束执行保障Wikidata的类型一致性

Wikidata因协作易出现不一致和类型违规。WiCleanData用语言模型精炼分类、聚合简化约束并过滤事实，构建一致且无违规的知识图谱并公开。

04:00
ArXiv AI

UnifiedPlayers：增强智能体强化学习中的工具集成推理

提出UnifiedPlayers三玩家协作框架，经GRPO角色奖励训练，提升工具集成推理与验证。

04:00
arXiv cs.CL

面向数据高效语言建模的关系注意力

提出关系BabyLM，用双注意力Transformer分离关系与词汇信息，数据高效，结构泛化强，严格赛道第6。

04:00
arXiv cs.CL

语言模型中免训练自报置信度的分析

语言模型免训练自报置信度分析：直接口头强，三样本一致弱，自洽放大错误，且受提示与基准噪声影响。

← 往后241 / 1288往前 →