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
72223 条条目 · 106 个活跃源
2026年8月14日
04:00
arXiv cs.CV

MergeOver：面向递归视觉Transformer的训练后Token合并

MergeOver实现递归ViT训练后令牌合并，无重训降内存延迟，精度降1.47%，提供基线。

04:00
arXiv cs.CV

面向自动驾驶的几何基础统一三维感知

提出几何基础统一3D感知GeoUP，结合重建潜表示与射线图编码，多任务训练后在检测、占用、深度估计上达SOTA。

04:00
arXiv cs.LG

采样运气冒充分配收益：审计神经组合优化的测试时预算分配

神经组合优化采样预算均匀分配在分布内无收益；基于统计的分配在分布偏移下显著提升，并给出修正法。

04:00
arXiv cs.LG

潜在同策略自蒸馏

提出潜在同策略自蒸馏(LOPD)，使特权上下文可端到端学习；在工具使用与代码生成上超越现有方法，且仅用30%的采样预算。

04:00
arXiv cs.CV

有限资源下自监督图像与视频预训练的控制性研究

控制研究显示：有限资源下DINOv2最优；结合VideoMAE提升语义但损害几何，体现语义与几何权衡。

04:00
arXiv cs.CV

锥束CT中基于多色建模的溅射式金属伪影消除

提出泼溅式自校准方法，结合多色模型校正锥束CT金属伪影，无需掩膜，效果优于现有技术。

04:00
arXiv cs.CV

TRAPSBench：视觉语言模型能编码却无法表达认知克制

视觉语言模型能感知不确定性却不会表达弃答；新基准与指标显示最佳得分极低，瓶颈在表达而非感知。

04:00
arXiv cs.CV

保真约束下的黑盒去噪器锚定

提出保真约束锚定，线性混合去噪图与原图，按局部保真指标选最大混合因子，无需重训，平衡去噪与自然度。

04:00
arXiv cs.CV

社交音视频问答的推理：现状如何？

发现基准噪声大、简单微调胜过推理法、纯文本可学习先验，发布新基准与模型。

04:00
arXiv cs.CV

AmalthAI：文化遗产领域的开源计算机视觉平台

AmalthAI开源平台赋能文化遗产专家自主训练和验证模型，支持本地部署保障数据安全。

04:00
arXiv cs.LG

神经网络关系验证的分支定界方法

提出基于对偶公式选择最优分割神经元的分支定界框架，通过迭代分割关系神经元进行验证，优于现有方法。

04:00
arXiv cs.LG

ProME：原型-边际环境与修复感知选择的群组鲁棒学习

提出ProME，以原型边际划分环境、修复感知选择，对齐部署预测器，理论有界，实验最差组精度最优。

04:00
arXiv cs.LG

基于CNN和LSTM网络的脑电解码

提出CNN-双向LSTM混合网络提取时空特征，对运动想象脑电的二/三分类稳健，且具备跨受试者解码能力。

04:00
arXiv cs.CV

基础模型在纵向MRI疾病进展推理中的表现如何？

提出时间感知多视图MRI基准，评估16个模型发现时间对齐尚可但方向识别和体积量化系统性失败。

04:00
arXiv cs.CV

CoverPrune：基于最优传输的覆盖驱动三维视觉语言模型令牌剪枝

提出覆盖剪枝框架，将推理时令牌剪枝建模为最优传输，用证据覆盖取代多样性，高效保持性能。

04:00
arXiv cs.LG

面向合成转录组数据的新型知识引导生成方法

提出MK-TGAN，融合基因图谱先验知识，改进合成转录组数据的真实性与实用性。

04:00
arXiv cs.LG

基于耦合张量分解的知识引导模式发现

提出知识引导的张量分解方法，联合分析真实与模拟数据，提升噪声代谢组学模式发现，并揭示数据与模型差异。

04:00
arXiv cs.LG

超越模拟基准：真实数据稀缺下跌倒检测的运动表征评估

真实数据稀缺下，模拟基准高估性能。核/基础模型退化严重，物理增强符号表征最稳。

04:00
arXiv cs.CV

GeoCache：通过几何增量传输实现多视图纹理扩散的免训练加速

几何增量传输实现免训练多视图纹理扩散加速：旋转锚视图，两倍以上加速且保真度最佳。

04:00
arXiv cs.LG

电力变压器中的虚拟温度传感器：基于神经常微分方程

提出物理感知神经常微分方程框架，从时间序列预测变压器热行为，经挪威15台不同设计变压器验证，实现鲁棒标准预测。

04:00
arXiv cs.CV

NARU：日本极长视频中叙事演变与文化细微差别理解的基准

提出NARU基准，含1481问、155视频，评估日本长视频叙事演变与文化理解，揭示多模态模型不足。

04:00
arXiv cs.CV

HPSD：用于文本-图像到视频扩散模型的混合策略自蒸馏

提出混合策略自蒸馏（HPSD），教师以TI2V模式指导T2V学生，显著增强模型基础生成能力。

04:00
arXiv cs.LG

进入时间序列的ORBIT：基础模型的训练机制

提出ORBIT训练范式，显式控制数据分布与上下文及预测长度，训练Falcon-2.0，结合新目标函数，实现强零样本预测。

04:00
arXiv cs.LG

TANGCO：学习面向过载驱动级联故障的拓扑感知容量分配

提出图神经网络策略学习抗级联故障的容量分配，超越四种人工启发式，鲁棒性提升明显，并可迁移至新网络。

04:00
arXiv cs.LG

历史信息拉格朗日神经网络

基于历史信息，用循环编码器从位置序列提取潜在上下文，推断速度与参数，实现高精度长期预测和能量守恒。

04:00
arXiv cs.CV

BraTS-GoAT分割的可靠性分析：深度集成不确定性的受控稳健性研究

脑肿瘤分割可靠性研究：深度集成在分布偏移下，成员分歧比单模型置信度更早警示错误，校准更优。

04:00
arXiv cs.CV

UniCon-Former：统一卷积Transformer，手势识别所需的一切

提出统一卷积Transformer融合局部全局，降开销，手势识别中以更少参数计算量达最优。

04:00
arXiv cs.CV

基于损失引导的多专家GAN手语视频合成

提出损失引导多专家GAN合成手语视频，三判别器分工，统一损失稳定训练，低显存高PSNR，可部署于消费级硬件。

04:00
arXiv cs.LG

基于马尔可夫跳跃扩散的对称性破缺从头晶体生成

提出SbCD模型，用马尔可夫跳跃扩散模拟对称性破缺，生成完整晶体结构，性能大幅超越现有方法。

04:00
arXiv cs.CV

通过多光谱成像重建历史手稿：对比度在评估图像质量和可读性方面的潜力

对比度指标与专家评分及全参考度量高度相关，优于通用指标，可客观评估手稿重建质量与可读性。

04:00
arXiv cs.LG

探针方向是其提示词的属性

探针方向取决于提示词选择而非模型；模型仅占评分方差小部分，需用多个提示词才能可靠比较。

04:00
arXiv cs.LG

测量位置决定测量结果：基于消融的SAE评估中的位置选择

消融评估SAE时，测量位置随字典变化，导致多数方差；固定同一token后方差近零。报告因果指标必须附测量位置。

04:00
arXiv cs.LG

进化的时间价值

提出LVPG，利用进化时间价值做长视界信用分配，提升策略性能并减少回撤。

04:00
arXiv cs.LG

训练AI科学家复现研究

开发可扩展论文复现任务，用自动评分器评估，训练27B参数智能体超越闭源模型，迈向长期科学创新。

04:00
arXiv cs.CV

SNM-VFI: 对称非线性运动引导的生成式视频帧插值

提出对称非线性运动引导的生成式视频插帧法，无需训练，融合光流与扩散模型，置信图提升细节，性能优异。

04:00
arXiv cs.CV

Edit2TikZ：面向TikZ科学图形编辑的全面且富有挑战性的基准

提出科学图形编辑基准Edit2TikZ，评估多个多模态大模型，发现性能不佳；混合训练显著提升编译成功率至83.4%。

04:00
arXiv cs.LG

当局部方差最优性不足时：用于动态4比特量化的RoPE对齐Q/K旋转

RoPE对齐逐对旋转虽达局部方差最优，但未改善动态4比特量化精度，需与全头混合组合。

04:00
arXiv cs.CV

任务向量何时足够？隐式多模态上下文学习的实证理论

选择-实现假说：任务向量仅当演示变化跨查询共享时有效；查询特异或分布式结构需更强干预，可成本感知选法。

04:00
arXiv cs.CV

上下文匹配蒸馏：自回归视频蒸馏中的教师因果性

提出上下文匹配蒸馏(CMD)，用因果教师对齐监督与生成时可用信息，提升长短视频生成及相机控制性能。

04:00
arXiv cs.LG

利用黑盒对抗攻击大规模测试全局优化方法

现有基准陈旧，提出以黑盒对抗攻击作为高维优化基准，验证多种进化算法有效，促进与机器学习融合。

04:00
arXiv cs.CV

临床可控视网膜图像生成：基于基础模型潜空间的评估

基础模型潜空间可生成保留临床信息的视网膜图像，但存在合成-真实表征差距。

04:00
arXiv cs.LG

神经二次型：突发学习与缩放定律的统一最小模型

对称性将各架构统一为二次型最小模型，训练动态化为Lotka-Volterra方程，解释突然学习与幂律缩放。

04:00
arXiv cs.LG

缩减矩阵乘法：面向大模型推理的输入自适应矩阵乘积裁剪

提出免训练、输入自适应的矩阵乘积缩减方法，按保留率裁剪收缩维度，实现精度与效率平滑权衡，加速LLM推理。

04:00
arXiv cs.CV

StreamTTT：调和流式视觉语言模型中的实时感知与长期记忆

StreamTTT将长期历史存入注意力外的快速权重，保留短缓存，在OVO-Bench上实时感知与回溯分别提升1.4和3.7点。

04:00
arXiv cs.CV

基于交叉注意力与潜在稀疏专家的细粒度动作识别

提出FineX模型，融合RGB、姿态热图与骨架图，经交叉注意力与稀疏专家，Gym288准确率提升7.6%，达SOTA。

04:00
arXiv cs.LG

红外光谱化学传感与分析中从分子到复杂样本的仿真到真实迁移学习

UltraIR预训练于6000万模拟光谱，实现跨仪器/任务的仿真-真实迁移，少样本性能优。

04:00
arXiv cs.CV

UniTexture：面向视觉-语言-动作模型的跨任务通用对抗纹理

提出UniTexture，用单一纹理跨任务攻击VLA模型，成功率由90%降至48.4%，且跨套件/模型迁移。

04:00
arXiv cs.LG

带目标正则化的CVR因果效应双稳健估计

针对CVR提出双稳健因果效应估计器，收敛更快，结合目标正则化提升稳定性，实验验证有效。

04:00
arXiv cs.CV

TraVEL：轨迹引导的视频嵌入学习用于驾驶视频检索

轨迹引导的视频嵌入学习，用轨迹相似度作为奖励微调，提升驾驶视频运动相关检索，推理无需轨迹。

04:00
arXiv cs.CV

DreamX-Phi 1.0：面向机器人操作的动作条件视频世界模型

提出动作条件视频世界模型预测操控未来帧；用几何编码、深度与掩码保一致，蒸馏加速，获挑战赛第一第二。

← 往后684 / 1445往前 →