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
66366 条条目 · 106 个活跃源
2026年9月3日
04:00
arXiv cs.CL

可扩展方向跟随语音合成：基于声音印象引导的伪三元组构建

基于声音印象的可扩展伪三元组构建，无需真实数据即可训练保持音色的方向跟随语音合成，结合真实数据更优。

04:00
arXiv cs.LG

语言不可读性对LLM安全的影响

LLM内部计算无法完全通过语言呈现，依赖语言自报告的安全机制不可靠，需用污点追踪等隔离技术兜底。

04:00
arXiv cs.AI

OmegaUse-SOP：从人类演示中提炼专业计算机操作的标准作业程序工程

提出人机协同SOP工程系统，将专家操作转为GUI智能体技能，在光伏仿真软件中验证，提升专业任务可靠性。

04:00
arXiv cs.CV

MARS：多模态大语言模型中隐藏了哪些用于文本-视频检索的检索信号？

提出多层级多槽位嵌入框架MARS，结合难负样本感知槽位特化，在文本-视频检索中取得最优性能。

04:00
arXiv cs.LG

表格基础模型懂物理吗？污染、单位与确定性极限

表格基础模型在物理方程数据上优于基线，但无法表达无噪声机制与物理单位，仅插值而非物理模型。

04:00
arXiv cs.CL

面向效率的基于Transformer语言模型综述

综述312篇文献，从数据、模型设计、压缩、动态推理及适配策略探讨Transformer大模型效率提升，评估30余模型，助力NLP可持续发展。

04:00
arXiv cs.AI

建模变化：面向物体中心操作的稀疏残差世界模型

提出稀疏残差世界模型，仅预测变化物体，参数少且精度高，支持跨数量迁移，优于稠密模型。

04:00
arXiv cs.CL

SignBind-LLM：用于手语翻译的多阶段模态融合

提出SignBind-LLM，分三个专家流处理手语、指拼与唇读，融合后由语言模型翻译，性能最佳且训练成本低。

04:00
arXiv cs.LG

LoRA-TSD：基于Muon式更新的LoRA切空间谱下降

提出切空间谱下降的低秩适配优化器，回映计算更廉价，首次给出全局收敛保证，性能优于现有方法。

04:00
arXiv cs.CL

DLM-One：一步序列生成的扩散语言模型

DLM-One通过分数蒸馏实现一步生成，省去迭代，提速数千倍，保持文本质量，防退化。

04:00
arXiv cs.LG

基于后验平均的源分布估计

用期望最大化迭代训练后验并平均拟合源分布，优于固定代理模型，在洛特卡-沃尔泰拉任务中显著提升。

04:00
arXiv cs.AI

Git4Data：面向AI代理的数据库原生版本控制

数据库原生版本控制Git4Data：SQL实现分支合并，代价随变更量增长，性能提升一个量级。

04:00
arXiv cs.LG

神谕，我何时能学会？——链接预测模型间的预测收敛与互补性研究

不同链接预测模型捕获互补知识，组合可提升性能，但互补性会随模型增多饱和，部分查询仍无法解决。

04:00
ArXiv AI

会建模智能体的智能体：面向6G网络心智理论的五项原则

6G网络：消息是推理痕迹而非事实。以细胞层认知信道凝练五项原则：认知SNR勘破幻觉，二阶心智纠偏，谱隙定一致性。

04:00
arXiv cs.CV

面向表演者无关身体动作情绪识别的正交集成与经过检验的解释

正交集成十一模型提升表演者无关情绪识别，解释测试证实依赖身体区域运动，与LMA吻合，时间显著性弥散。

04:00
arXiv cs.LG

可微电力市场出清用于梯度规划

将市场出清作为可微层，反向传播梯度优化数据中心负荷分配，基本复现最优，误差小；离散站点启停松弛导致决策滞后。

04:00
arXiv cs.CL

利用大语言模型在奥地利增值税法中进行法律决策：一项比较研究

实验评估微调与检索增强生成在奥地利增值税法决策中的能力，可辅助税务顾问，但未达全自动化。

04:00
arXiv cs.CV

概念融合：评测文本到图像模型中的视觉隐喻生成

提出首个视觉隐喻生成基准，用一千五百个样本与多级评测，证实当前最强文生图模型也难以实现跨域映射。

04:00
ArXiv AI

面向工业标准电网信息与交换模型问答的种子锚定预算受限图渲染

种子锚定图渲染：预算内保留查询证据，CIM/CGMES多跳全保留，准确率0.45升至0.97，优于主流图RAG，无需LLM构图。

04:00
arXiv cs.CL

减少伤害基准：评估大语言模型为药物使用者提供减害信息的准确性与安全性

首个针对药物使用者的减害信息基准，含2160组问答，发现先进大模型准确率不足且存在严重安全风险。

04:00
arXiv cs.AI

披着对数外衣的幂律：基于图的向量搜索的可扩展性

固定精度下图向量搜索成本随数据量呈次线性幂律增长，足够大后转为亚多项式，并给出统一理论解释。

04:00
arXiv cs.CL

民主国家政治精英不文明行为日益加剧

分析26国议员1380万条推文：严重不文明占比5年内近翻倍至5.8%，民粹主义为主因，主流政党亦趋不文明，呈主流化。

04:00
arXiv cs.CV

真实场景UGC增强图像的细粒度异常感知：综合数据集与差分融合框架

提出UGC增强图像异常感知任务及UEAP-4k数据集，差分融合方法DFAP-UGC结合动态训练策略，精准检测局部异常。

04:00
arXiv cs.CL

SocialMaze：在复杂社会环境中评估与增强大语言模型社会推理的基准

社会迷宫基准：六任务，深度推理/动态交互/不确定性三维，评测十二模型：思维链助弱模型，微调增强结构化推理。

04:00
arXiv cs.CV

Doppio：用于下落颗粒非接触式重量估计的数据集

提出下落颗粒视频数据集，记录咖啡粉逐帧重量真值，用深度学习准确估计累计重量，实现非接触测量。

04:00
arXiv cs.CV

基于几何潜在扩散的空间感知世界动作模型

提出SA-WAM，用预训练视频模型联合预测动作、RGB与深度，实现3D感知世界建模，在RoboCasa等基准及真实机器人上达最优，并提升预测。

04:00
arXiv cs.LG

H3DNAS：硬件感知的ONNX原生3D点云模型压缩

无需源码，直接基于计算图做硬件感知剪枝与结构变异，压缩点云模型；在基准上实现大幅减参和推理加速，精度损失小。

04:00
arXiv cs.LG

UE5M3 FP4块缩放：实现稳定的语言模型预训练

采用配对E5M3的块缩放，无需RHT与BF16末层，简化FP4预训练，降低损失并提速。

04:00
arXiv cs.CV

RGB到红外图像转换用于未见无人机域中的红外车辆检测

生成式RGB转红外可缓解红外数据稀缺，ControlNet扩散模型最优，在Kust4K和VTUAV上mAP显著提升。

04:00
arXiv cs.CL

超越RAG：实时对话中的问题识别与答案生成

提出超越RAG的实时决策系统：先识别客户问题，FAQ直接匹配，否则经RAG生成，两秒内响应，降低人工成本。

04:00
arXiv cs.CL

GPTBIAS：评估大型语言模型偏见的综合框架

提出GPTBIAS框架，利用GPT-4评估模型偏见，提供偏见类型、群体、原因及改进建议，增强可解释性。

04:00
arXiv cs.CL

评估评估者：英语之外的摘要指标与LLM评委

构建多语言摘要元评估数据集，以多语言人工和模型摘要评测。专有大模型裁判最佳，开源裁判较差。

04:00
arXiv cs.LG

悬崖：从第一个错误中学习过程奖励

提出悬崖法：用通用大模型定位推理首个错误，将轨迹分为正确前缀和错误后缀，赋正负优势，提升可验证奖励强化学习。

04:00
arXiv cs.CV

面向3D目标检测的立体4D雷达：融合几何对齐与绝对速度估计

立体4D雷达检测法，利用几何视差估计绝对速度并融合特征，缓解数据稀疏，AP3D提升8.82点。

04:00
ArXiv AI

Zeta-Lite：面向智能体记忆的并发、可分支浏览器内SQL数据库

提出浏览器内SQL数据库，支持快照隔离并发事务与写时复制分支，适合智能体记忆。

04:00
ArXiv AI

用于共享GPU上并发异构AI推理可扩展运行时调度的平均场代理建模

提出平均场代理模型，用局部配置与GPU整体状态预测并发异构推理性能，采样量近线性增长，调度近最优且无违规。

04:00
arXiv cs.AI

知道还不够：信息可检索性是有效大模型监督的前提

研究表明，信息可检索性是有效监督的前提；自我解释和线索提示能提升错误检测，在大模型日常使用中增强人类监督韧性。

04:00
arXiv cs.CV

AI眼里出美人：多模态大语言模型系统性高估面部吸引力

多模态大语言模型系统性高估面部吸引力：评分偏高、区间较窄；虽与人类排序相关，却不能复现人类绝对评分。

04:00
arXiv cs.AI

智能体记忆是内生授权洗白的载体

长期记忆会扭曲授权状态，催生内生授权洗白，使未授权请求大量获得虚假权限并被执行，防护措施需权衡安全与效用。

04:00
arXiv cs.LG

展开利奇晶格：面向2比特大语言模型权重的融合多壳解码与显存布局

提出利奇晶格多壳解码与显存布局，2比特权重的4B模型达87 token每秒，质量代价随规模减小。

04:00
arXiv cs.CV

SR-Edit：基于自精化的区域感知图像编辑

SR-Edit通过迭代自精化从模型自身预测提取区域划分保持原采样动态并保留非编辑区提高质量

04:00
arXiv cs.CL

GMTRouter：面向多轮用户交互的个性化大模型路由

提出GMTRouter，用异构图建模多轮人机交互，通过图学习与采样机制从少样本中捕捉用户偏好，精准实现LLM路由个性化，性能显著优于基线。

04:00
arXiv cs.LG

私有计算空间：农业领域可信多集群联邦学习的实践经验

面向农业数据隐私，构建私有计算空间，融合联邦学习、差分隐私与可信执行环境，在保护隐私的同时提升模型精度。

04:00
arXiv cs.LG

边际期望收入：电商搜索广告中拍卖与固定价格列表的联合排序

将拍卖与一口价商品统一排序，提出边际eCPM目标，兼顾收入与用户体验，经A/B测试验证并已上线。

04:00
arXiv cs.CV

基于自训练与肿瘤感知形变的可泛化脑肿瘤分割

结合自训练与肿瘤感知形变增强的脑肿瘤分割方法，在异质性数据上超越仅用标注的基线。

04:00
ArXiv AI

李群流形上的薛定谔桥用于概率内蕴生成

提出李群流形上针对动力学薛定谔桥的概率内在生成法，处理部分观测，含两种算法、误差界，实验验证可行。

04:00
arXiv cs.CL

从人类偏好中学习查询特定评分标准，用于深度研究报告生成

提出从人类偏好学习查询特定rubric生成器，其判别力优于基线，用作奖励信号显著提升深度研究报告生成性能。

04:00
ArXiv AI

超越模态和谐：面向冲突感知多模态推荐的正交净化与拓扑引导MoE

提出正交净化与拓扑引导专家混合模型，去除模态噪声并自适应融合，解决冲突，提升推荐鲁棒性。

04:00
arXiv cs.CV

面向多模态大语言模型评估的深度交错图文上下文

提出新的TIC-Bench基准，评估多模态模型在深度交错图文中的逻辑、时空关联能力，发现与人类差距明显。

04:00
arXiv cs.LG

语音脑机接口的通用通信度量

提出OVMI作为语音BCI通用度量，跨条件比较系统，避免传统指标高估性能，优化词汇选择。

← 往后407 / 1328往前 →