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
74817 条条目 · 106 个活跃源
2026年7月16日
04:00
arXiv cs.AI

学习参与助手（LEA）：跨课程可扩展性与课堂评估的代理式AI辅导系统

首次真实课堂部署LEA，跨课程测试发现忠实度随课程距离下降，模拟无法完全预测真实表现。

04:00
arXiv cs.AI

阿姆斯特丹的咖啡馆：当现有方案成为评判标准

计算重构需避免“基线捕获”——现有方案输出成为规范，需建立独立于现有方案的需求验证器。

04:00
arXiv cs.CV

基于深度学习对胰腺癌可切除性的多模态评估

提出多模态深度学习框架，融合CT和临床信息，实现胰腺癌NCCN三分类可切除性评估。

04:00
arXiv cs.AI

学习物理引导的残差动力学用于可变形物体模拟

提出物理引导残差动力学混合框架，结合弹簧模型与残差网络，准确模拟可变形物体并应用于操控规划。

04:00
arXiv cs.LG

VAIOM：连续输入、离散输出的仅解码器金融序列建模

VAIOM用连续输入分类输出解码器模型，在外汇小时数据上概率建模回报，超越LightGBM，验证连续输入与全序列监督的有效性。

04:00
arXiv cs.AI

Can We Steer the Black-Box? Towards Controllability-Centric Evaluation of Recommender Systems with Collaborative Agents

04:00
arXiv cs.LG

基于KL散度的非负矩阵分解的高效牛顿算法

提出牛顿型KL-NMF算法，推广HALS求解非可分离代理，收敛快且性能优于现有方法。

04:00
arXiv cs.LG

基于量子厨房水槽的RF频谱图异常检测：架构、表示与硬件验证

多深度重上传QKS在RF异常检测中，DCT表示最优，AUROC达0.8778，硬件验证偏差<0.013。

04:00
arXiv cs.CV

烘焙至成：超快速空间纹理图集溅射法

将高频纹理烘焙至纹理图集，稀疏优化后速度提升5倍，实现实时4K 60fps渲染。

04:00
arXiv cs.AI

针对AI安全评估的对抗性提示框架

本文提出对抗性提示框架，通过多种复杂度提示评估AI模型安全性，发现编码提示攻击成功率最高。

04:00
arXiv cs.CV

基于器官条件模式标记的CT理解细粒度视觉-语言预训练

提出OCP-CT框架，通过器官条件模式令牌对齐实现细粒度预训练，在CT基准上AUROC达84.5%和69.9%，分别提升6.7和0.8个百分点。

04:00
arXiv cs.LG

TRACE：基于信用估计的长周期智能体每轮奖励分配

TRACE通过冻结参考模型的对数比状态值和TD变化，无需额外训练即可为长周期工具调用提供稠密奖励，显著提升复杂搜索性能。

04:00
ArXiv AI

基于梯度嵌入的贪婪体积最大化方法用于长尾帧级生物声学主动学习

提出BADGE-Greedy-DPP，通过贪婪扩大梯度嵌入体积选批次，在长尾生物声学主动学习中效果最佳。

04:00
arXiv cs.CV

释放多模态大语言模型，实现野外无需训练的HOI检测

AgentHOI无需训练，利用上下文感知多轮推理与多面定位，在真实HOI检测中达最优。

04:00
arXiv cs.CV

面向多任务情感行为分析的任务特定特征融合方法

针对多任务情感分析，提出任务自适应融合冻结视觉特征策略，有效提升性能。

04:00
arXiv cs.LG

基于最优传输的线性独立成分分析

提出用Wasserstein距离度量非高斯性，设计OT-ICA算法，无需分布假设，性能优于传统方法。

04:00
arXiv cs.CV

Cyclone：基于循环一致性从非配对驾驶数据中进行天气编辑的扩散模型

提出Cyclone框架，基于潜在扩散与循环一致性，无需配对数据即可生成逼真天气，显著提升自动驾驶感知鲁棒性。

04:00
arXiv cs.AI

从预测到协作：交互式符号音乐分析

提出统一框架，结合强预测与交互式修订，复用预训练表示，支持完整分析、局部修正与缺失推理。

04:00
ArXiv AI

How Agents Ask for Permission: User Permissions for AI Agents, from Interfaces to Enforcement

04:00
arXiv cs.LG

DeepCormack：基于模型的数据驱动算法的费米面断层扫描

DeepCormack用深度学习改进正电子湮灭断层扫描，提升质量并加速费米面研究至数周。

04:00
ArXiv AI

覆盖优先，温和分歧：重新思考帧级音频分类中的不匹配优先主动学习

提出分歧加权覆盖的主动学习方法，避免选择相似片段，在帧级音频分类中取得最佳学习曲线面积。

04:00
arXiv cs.AI

谱信息神经网络在高维偏微分方程中优于谱方法

改进谱信息神经网络用系数衰减与基嵌入，在中高维PDE中精度超越谱方法和PINNs。

04:00
arXiv cs.CV

SIVA-RL：多模态强化学习的敏感性-不变性视觉对齐

SIVA-RL利用样本级干预与奖励下降路由，实现敏感性与不变性对齐，显著提升多模态推理性能。

04:00
arXiv cs.LG

灯塔强化学习：通过战略重置点实现样本高效的电路优化

Lighthouse RL通过战略重置点从高性能配置重启，提升样本效率(1.72倍)、优化成功率(100%)和泛化能力，可即插即用。

04:00
ArXiv AI

IMMNet：基于模型与数据驱动混合融合的机动目标跟踪

提出IMMNet混合算法，融合模型可解释性与数据驱动学习，显著提升机动目标跟踪性能。

04:00
arXiv cs.CV

阈值化交叉注意力：用于低光照图像增强中可靠的亮度-色度融合

针对交叉注意力层依赖问题，提出TCA-Net，用自适应置信度阈值替代固定Top-K，实现可靠亮度-色度融合，提升低光照图像增强保真度与颜色质量。

04:00
arXiv cs.CV

一种处理多模态心脏PET/MRI数据的新型无监督机器学习策略

新无监督聚类法处理心脏PET/MRI数据，准确识别心肌异常区域，自动报告与医生评估一致。

04:00
arXiv cs.LG

使用高效包装器特征选择改进风能和太阳能预测：一项实证研究

提出CSFS方法，用于风能和太阳能预测特征选择，性能相当且计算成本平均降低21%。

04:00
arXiv cs.AI

面向野外环境的多技能敏捷感知四足机器人运动

提出APT-RL框架，实现四足机器人自主技能切换，在复杂户外环境高速敏捷运动，峰值速度达6米/秒。

04:00
arXiv cs.CV

Peak-End-Net: 一种受峰终定律启发的可泛化视频美学评估框架

受峰终定律启发，融合图像美学先验与时序编码，轻量高效实现视频美学评估SOTA。

04:00
arXiv cs.LG

利用未标记数据实现可泛化的神经群体解码

提出MOJO框架，联合自监督与监督学习，利用未标记数据提升神经解码性能，在少标签场景表现优异，泛化到多种神经信号。

04:00
arXiv cs.LG

MetaPerch：从元数据中学习用于生物声学基础模型

MetaPerch利用元数据辅助监督，增强生物声学模型表征，应对分布和声学域偏移，跨领域实现强物种识别。

04:00
arXiv cs.LG

秩的变换：架构如何应对深度中的谱病态

Transformer前馈块通过跳跃连接和归一化平衡秩坍缩与集成，双矩阵结构保持秩，影响网络训练性能。

04:00
arXiv cs.AI

社会模拟：从基于主体的建模到数字孪生

从经典主体模型到AI增强模拟，再演进为社会数字孪生，实现从抽象机制到具体系统高保真表示的转变。

04:00
arXiv cs.CV

基于原子动作的音乐到舞蹈生成

提出原子动作框架，两阶段生成结构连贯、可控的舞蹈，显著提升韵律对齐与自然度。

04:00
arXiv cs.CV

PlumeQuant: 考虑不确定性的甲烷羽流掩膜与排放速率估算一致性评估

提出不确定性感知的甲烷羽流产品一致性评估方法，揭示标量不唯一约束边界。

04:00
arXiv cs.AI

Protective Capacity Hallucination: When Large Language Models Claim Nonexistent Capabilities

04:00
arXiv cs.LG

预计算TriAttention中的未来偏移平均值

发现TriAttention中未来偏移平均可通过代数恒等式预计算，评分从17次降为1次。

04:00
ArXiv AI

Semantic Anchoring for Robotic Action Representations

04:00
arXiv cs.CV

CF-Net：面向矛盾/犹豫识别的说话人归一化与确定性加权冲突融合

提出CF-Net，通过冲突融合、说话人归一化和确定性加权损失识别矛盾/犹豫，验证集F1达0.7155。

04:00
arXiv cs.CV

筛选对视觉识别有效

提出VisionScreen，将筛选机制扩展到视觉识别，独立评估补丁相关性并排除无关补丁，性能优于ViT。

04:00
arXiv cs.AI

从语言到导航目标：基于视觉-语言与RGB-D感知的移动机器人语义导航方法

提出语言驱动导航框架，整合自然语言理解与RGB-D感知，实现移动机器人自主导航至指定目标，实验验证可行性。

04:00
arXiv cs.LG

HRIBench：以交互为中心的人机协作基准测试

提出HRIBench诊断基准，揭示当前VLA策略在时间协调与意图感知上的局限，微调可显著提升协作性能。

04:00
arXiv cs.LG

保障边缘部署中LLM的安全：隐私与安全挑战

边缘LLM优化引发安全-效率悖论，提出SOES指标与缓解措施，平衡安全、隐私与效率。

04:00
arXiv cs.CV

面向多域低资源OCR的多专家路由：以满文为例

针对满文多风格低资源OCR，多专家路由实现页面分类99.3%准确率，字符错误率低至0.30%。

04:00
arXiv cs.CV

用于自动化显微镜尿液分析的视频到全聚焦图像重建算法

提出录制手动调焦视频重建全聚焦图像，结合深度学习实现自动化尿液分析，简化多图像采集流程。

04:00
arXiv cs.LG

无线联邦学习中下行链路模型广播的混合时间尺度差分编码

提出混合时间尺度差分编码，应对链路失败，使设备重建全局模型，并设计年龄感知策略提升效率。

04:00
arXiv cs.AI

GitHub项目对智能编程工具的早期采用

智能编程工具在GitHub项目中采用尚早，多数项目PR量少，小项目参与率高，人机协作以单人监督为主。

04:00
arXiv cs.LG

当文本到图像合成数据适得其反：真实-合成混合训练中放大的隐私风险

首次揭示真实-合成混合训练会放大真实样本的隐私泄露，并提出RSMixLeak评估方法及轻量级风险指标。

04:00
arXiv cs.CV

M⁴World：一个用于交互式物体操控和分钟级流式生成的多视图多模态驾驶世界模型

M⁴World支持物体级交互操控与分钟级稳定流式生成，通过多阶段训练和高效后训练实现长尾控制，达成高质量、精准可控的驾驶仿真。

← 往后958 / 1497往前 →