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
73892 条条目 · 106 个活跃源
2026年8月13日
04:00
arXiv cs.CL

BLADE：通过对话与解释实现更优语言解答

基于RAG的对话助手BLADE以引文引导学习，实验显示单独使用成绩最高，同时访问直接材料反而降低表现。

04:00
arXiv cs.AI

基于深度学习的多声源多麦克风相对传递矩阵估计

提出基于深度学习的相对传递矩阵估计方法，用三种网络框架，较协方差法更精准，且语音增强效果相当。

04:00
arXiv cs.LG

CosMAP：用于组学与谱系数据降维的对比流形近似与投影

CosMAP是基于图的对比降维法，结合余弦相似邻域与对比亲和力，提升单细胞和谱系数据嵌入的保真度。

04:00
arXiv cs.CL

视觉语言模型在多大程度上能帮助人类从多模态简答题中推断心理模型的质量？

提出MMGrader，用概念图从多模态回答推断心理模型，测试9个公开模型，最佳准确率约40%，低于人类水平。

04:00
arXiv cs.CV

可解释计算机视觉中的类别激活映射：以方法为中心的CNN、Transformer与基础模型时代视觉解释综述

综述57种CAM方法，按归因机制分类，涵盖CNN至基础模型时代，指出评估碎片化。

04:00
arXiv cs.CV

StateFlow：为预可视化构建、演化与访问三维世界状态

StateFlow以持久3D世界状态为核心，分构建、演化、访问三阶段，实现可控生成与迭代编辑。

04:00
arXiv cs.LG

硬件感知的FPGA联合SAR压缩与去斑部署

在FPGA上部署SAR联合去斑与压缩，发现ReLU优于GDN，残差块性价比低，FPGA能效最高。

04:00
arXiv cs.LG

基于再分配的成本推断改进稀疏安全离线强化学习

提出RCI框架，将稀疏停止反馈转化为稠密逐步成本，理论无损且提升安全离线强化学习，降低违规率。

04:00
arXiv cs.AI

RoadWeaver：面向自动驾驶仿真的从零开始大规模车道级高清地图生成

RoadWeaver从零生成大规模HD地图，误差0.24米，较SOTA降94.4%，仅1.39-3.50秒。

04:00
arXiv cs.CL

TrimMoE：面向分布式边缘推理的通信感知与自适应深度框架

面向分布式边缘推理，提出层跳过与早退结合框架，质量约束下延迟降六成，损失不超2%。

04:00
arXiv cs.CL

大语言模型在上下文学习中重构表征几何

大语言模型在上下文学习中重构内部表征几何，成功学习伴随表征重组以增强任务可分性，行为符合原型算法。

04:00
arXiv cs.CL

安全转向：跨安全视角的大语言模型表示转向基准测试

提出安全转向基准，覆盖九安全视角；性能依赖组合且纠缠，社交行为最脆弱，拒绝转向损害常识道德，幻觉转向改变政治观。

04:00
arXiv cs.CL

面向多模态大语言模型的多语言OCR感知微调与提示引导的思维链推理

提出OCR感知后训练，无需OCR引擎，结合数据微调和思维链提升多语言文本理解，降低幻觉保持通用能力。

04:00
arXiv cs.CV

基于辅助函数法的相似变换图像傅里叶-梅林配准

提出亚像素级相似变换估计算法，先估尺度旋转再估平移，误差优于离散互相关傅里叶-梅林法。

04:00
arXiv cs.LG

中文标题

面向胸片中导管与置管的位置感知组合式定位与评估框架

04:00
arXiv cs.CV

基于几何的全光点云压缩

提出基于KLT和帧内预测的全光点云属性压缩，兼容G-PCC，性能为当前最优。

04:00
ArXiv AI

G0.5：单一自回归流实现机器人推理与行动

G0.5是统一自回归VLA模型，用单一Transformer解码器同时生成推理与动作，跨本体动作分词器及视觉记忆模块支撑，七项基准超越SOTA。

04:00
ArXiv AI

通过坍缩生成对文生图扩散模型进行指纹识别

提出利用坍缩生成现象为文生图扩散模型做非侵入式指纹认证，可抗微调和混淆，验证所有权。

04:00
arXiv cs.LG

量子测量设计的生成式学习

提出一种生成流网络方法，在测量预算和硬件约束下设计浅层电路，降低能量估计误差，并支持复用。

04:00
arXiv cs.AI

迈向有意义的AI聊天机器人透明度：披露说服意图可降低说服效果

实验发现，仅披露AI身份不减弱说服力，额外披露说服意图使说服效果减半。

04:00
ArXiv AI

指令对齐用于二进制代码表示学习

提出以指令对齐为辅助训练目标，提升二进制代码表示的检索准确率与判别力。

04:00
arXiv cs.AI

CoQui：坐标条件量子隐式生成对抗网络用于端到端图像生成

提出坐标条件量子隐式生成对抗网络，以坐标潜变量生成像素，解耦分辨率与量子位数，避免概率竞争，性能优于基线。

04:00
arXiv cs.LG

基于CVaR惩罚Wasserstein梯度流的极端事件生成模型微调

提出CVaR惩罚的瓦瑟斯坦梯度流算法，微调生成模型，无需尾部先验学习重尾与极端事件，提升全局及尾部精度。

04:00
ArXiv AI

APEX：面向内存高效边缘MoE推理的自适应专家预取

APEX自适应专家预取：预测加载并重叠，延迟降26%、EDP降41%，正确/无停顿双模式，提升边缘MoE推理。

04:00
arXiv cs.LG

大规模AI就绪的抗癌药物反应建模数据

整合PharmacoDB等数据扩展IMPROVE基准，新增5万+化合物，提升对未知药物的泛化能力。

04:00
arXiv cs.CV

基于色相分割模型树的边界连续跨相机RGB映射

提出色相分割模型树方法，经边界连续混合优化，提升跨相机映射精度并抑制色差。

04:00
arXiv cs.LG

跨越Boltz-1主干-扩散边界的生物学探测与操控

探测Boltz-1跨边界信息：几何传递、化学衰减；线性可解码不保证因果干预有效。

04:00
arXiv cs.LG

通用机器人策略的最小数据适配

研究仅需一次演示加自主交互即可适配新任务，提出MiDAS方法，显著优于基线并泛化，首次实现单演示可靠策略适配。

04:00
ArXiv AI

面向基于模型的运行时网络安全：关于控制流异常检测、攻击识别与硬件监控

提出软硬件结合监控的模型方法，提升控制流异常检测与攻击识别精度

04:00
arXiv cs.CV

基于公有领域影片库的对话感知视频配乐生成

提出OSSL-v2公有领域影片库，用对话信号提升视频配乐生成，效果优于现有基线。

04:00
arXiv cs.LG

面向入侵检测的决斗深度Q学习

提出奖励驱动的决斗Q学习模型进行入侵检测，在CIC-IDS2018上平均准确率达99.68%，并融合SHAP提升可解释性。

04:00
arXiv cs.LG

非均匀潜在几何下的谱图聚类

提出DBSPEC算法，从谱的深层特征向量恢复社区，支持非均匀潜在几何，对特征值分离不佳鲁棒。

04:00
ArXiv AI

双量子比特激发门的12-CNOT电路实现

首次实现双量子比特激发门12-CNOT分解，优于现有13-CNOT方案，拥有最低CNOT数、深度及总深度。

04:00
arXiv cs.CV

Qwen-MusicAVQA-7B：面向音乐视听问答的多模态模型

轻量方案用冻结编码器，音乐视听问答准确率96%，关键在于保留音频细粒度时序，训练仅数小时。

04:00
arXiv cs.LG

跨语料库评估物联网固件中可泛化漏洞检测

提出IoTVulBench基准，跨语料库评估固件漏洞检测，分阶段课程学习与集成将MCC提升至0.73，显著优于现有方法。

04:00
arXiv cs.LG

Hamilton-Jacobi可达性分析中的前向轨迹引导

提出S2R求解器，基于物理信息神经网络，用前向轨迹引导采样，无需复杂训练，性能达或超现有方法。

04:00
ArXiv AI

基于光谱的两阶段可变形卷积纳米光子吸收体逆向设计

提出两阶段可变形卷积框架，从吸收光谱重建纳米光子谐振器结构，结合监督与对抗精修，显著优于普通卷积。

04:00
ArXiv AI

面向高效QoS感知自动缩放的用户辅助协作式分布式推理

提出用户辅助协作分布式推理，结合专用与用户资源，分布式调度随用户增长更优，降低延迟并减少专用资源消耗

04:00
arXiv cs.CV

如实测量浏览器摄像头视线：捕获时钟方法论与开放参考实现

针对浏览器摄像头视线追踪延迟测量失真，提出捕获时钟诚实测量法并开源。

04:00
arXiv cs.CV

单视图MRI扫描中阿尔茨海默病检测的CNN架构比较

十种CNN架构对比检测阿尔茨海默病，VGG16最佳（准确率95.33%），非痴呆向极轻痴呆分类最难。

04:00
arXiv cs.AI

基于基准的印度基础模型比较评估：能力与评价成熟度框架

基于公开基准比较印度基础模型与全球模型，发现其MMLU等高分但新评测参与少，提出基准成熟度指数以区分能力与评测差距。

04:00
arXiv cs.AI

RealisticTritonBench：真实AI框架中的Triton内核生成基准

首个从真实AI框架PR提取Triton内核任务，支持端到端评估；评测发现大模型仍难以生成可用内核。

04:00
ArXiv AI

HCGRec：基于提示条件的语义ID生成式推荐

提出HCGRec，为困难样本提供最小目标前缀提示，将零奖励组转为有效比较，零优势样本从70%降至20%以下。

04:00
arXiv cs.LG

CookVoice：风格可控的多模态人声生成统一框架

提出CookVoice统一框架，解构人声为内容、韵律、风格，支持多任务，质量相当，参数少且推理高效。

04:00
arXiv cs.LG

统一物理反向传播

基于伴随方法统一物理系统原位梯度计算条件，区分线性与非线性机制，并拓展至非互易系统。

04:00
arXiv cs.CV

Un-EVIMO：无监督事件相机独立运动分割

首个无监督事件相机独立运动分割框架，用几何约束生成伪标签，无需标注，处理任意数量物体，性能媲美监督方法。

04:00
arXiv cs.CV

HandEdit：面向第一视角人手到机器人灵巧手图像编辑的统一基准

HandEdit：具身感知图像编辑基准，将第一视角人手转换为机器人灵巧手，支持可扩展机器人学习。

04:00
arXiv cs.CV

3D场景生成：综述

综述3D场景生成：涵盖程序化、神经3D、图像与视频四种范式，剖析挑战与未来方向。

04:00
arXiv cs.CV

COLORA：卷积模型高效微调方法及光学相干断层扫描图像分类研究案例

提出CoLoRA，将LoRA扩展至卷积层，参数减少80%以上，性能相当且保持模型尺寸，适用于医学及自然图像分类。

04:00
arXiv cs.AI

共同构建社会技术AI治理：基于算法注册表的参与式系统映射

算法注册表无法单独揭示社会技术系统风险；多方参与可识别福利拒绝等隐患，并反映治理政治性。

← 往后730 / 1478往前 →