← 前一天
2026-03-19
后一天 → 今日

基于平衡思维的高效推理

👍 151

通过置信度动态调控推理轨迹，在抑制冗余思考的同时防止推理不足

Yulin Li, Tengyao Tu, Li Ding, Junjie Wang, Huiling Zhen, Yixin Chen, Yong...
大型推理模型 思维链 推理优化 过度思考 高效推理
✅ 已总结
详情 →

Video-CoE：通过事件链强化视频事件预测

👍 91

提出Chain of Events范式，通过构建时序事件链提升MLLM的视频事件预测能力

Qile Su, Jing Tang, Rui Chen, Lei Sun, Xiangxiang Chu
事件预测 多模态大语言模型 强化学习 时序建模 视频理解
✅ 已总结
详情 →

V-JEPA 2.1：解锁视频自监督学习中的密集特征

👍 36

通过将预测损失扩展到所有token并引入深层自监督，大幅提升视频自监督学习的密集特征质量

Lorenzo Mur-Labadia, Matthew Muckley, Amir Bar, Mido Assran, Koustuv Sinha,...
世界模型 密集预测 自监督学习 视觉Transformer 视频理解
✅ 已总结
详情 →

当AI穿越战争迷雾时

👍 32

评估大语言模型在真实地缘政治危机中推理能力的时间锚定研究

Ming Li, Xirui Li, Tianyi Zhou
地缘政治推理 大语言模型 战争迷雾 时间推理 评估基准
✅ 已总结
详情 →

立体世界模型：相机引导的立体视频生成

👍 11

首个相机条件约束的立体世界模型，联合学习外观与双目几何，实现端到端立体视频生成

Yang-Tian Sun, Zehuan Huang, Yifan Niu, Lin Ma, Yan-Pei Cao, Yuewen Ma, Xiaojuan Qi
世界模型 扩散模型 注意力机制 相机控制 立体视频生成
✅ 已总结
详情 →

LaDe：统一的多层图形媒体生成与分解框架

👍 6

一个统一的扩散模型框架，支持文本到图层生成、文本到图像生成以及图像到图层分解三种任务

Vlad-Constantin Lungu-Stan, Ionut Mironica, Mariana-Iuliana Georgescu
分层媒体设计 图像分解 图层生成 扩散模型 文本生成
✅ 已总结
详情 →

通过合成任务扩展的AI科学家

👍 4

通过自动生成大规模合成ML任务和轨迹，训练提升AI研究代理的端到端研究能力

Ziyang Cai, Harkirat Behl
AI Agents AutoML LLM Fine-tuning Machine Learning Research Synthetic Data
✅ 已总结
详情 →

VideoAtlas: 对数计算量的长视频导航

👍 3

将长视频理解为分层环境导航，实现O(log T)计算复杂度的零样本视频问答

Mohamed Eltahir, Ali Habibullah, Yazan Alshoibi, Lama Ayash, Tanveer...
分层表示 多模态大模型 智能体 递归语言模型 长视频理解
✅ 已总结
详情 →

PRISM：揭开中间训练的保留与交互之谜

👍 2

系统性研究LLM中间训练设计选择，揭示其与RL协同提升推理能力的机制

Bharat Runwal, Ashish Agrawal, Anurag Roy, Rameswar Panda
中间训练 大语言模型训练 强化学习 推理能力 训练流水线
✅ 已总结
详情 →