仅用0.22B参数实现10B级模型性能的图像修复框架
Kangsheng Duan, Ziyang Xu, Wenyu Liu, Xiaohu Ruan, Xiaoxin Chen, Xinggang Wang
图像修复
模型压缩
知识蒸馏
高效架构
提出PICA训练机制提升关节物体操作鲁棒性
Tianshan Zhang, Yijia Duan, Yanjun Li, Zeyu Zhang, Hao Tang
关节物体
强化学习
接触驱动
机器人操作
灵巧手
将Python代码基准扩展到12种语言，揭示LLMs的Python过拟合和多语言性能差异
Maria Ivanova, Pavel Zadorozhny, Rodion Levichev, Ivan Petrov, Adamenko...
代码生成
基准测试
多语言评估
大语言模型
污染感知评估
让机器人通过自我导向的玩耍学习可重用代码技能，无需显式任务指令
Junyi Zhang, Jiaxin Ge, Hanjun Yoo, Letian Fu, Zihan Yang, Yaowei Liu, Raj...
代码即策略
内在动机
技能库
机器人学习
自我导向学习
提出用预测有效性替代聚合分数，揭示LLM智能体排行榜的排名不稳定问题
Dhaval C. Patel, Kaoutar El Maghraoui, Shuxin Lin, Yusheng Li, Tianjun Feng,...
LLM智能体
多维度测量
排行榜
评估方法论
预测有效性
通过层次化空间工具和双记忆系统，将空间推理重构为时空证据积累过程，显著提升VLM的空间理解能力。
Yalun Dai, Hao Li, Shulin Tian, Runmao Yao, Yuhao Dong, Fangzhou Hong,...
3D理解
多模态智能体
工具使用
空间推理
视频理解
无干扰辐射场研究缺乏大规模基准，DF3DV-1K提供1K场景配对数据并系统评估方法
Cheng-You Lu, Yi-Shan Hung, Wei-Ling Chi, Hao-Ping Wang, Charlie Li-Ting...
3D重建
基准测试
数据集
新视图合成
辐射场
通过挖掘社区LoRA构建大规模数据集，实现高质量的风格-内容双重参考图像生成。
Jinghong Lan, Wei Cheng, Yunuo Chen, Ziqi Ye, Peng Xing, Yixiao Fang, Rui...
LoRA
图像生成
多参考控制
扩散模型
风格迁移
用图像编辑替代视频生成作为世界动作模型骨干，降低推理成本并提升机器人控制性能
Yuyang Zhang, Wenyao Zhang, Zekun Qi, He Zhang, Haitao Lin, Jingbo Zhang,...
世界动作模型
图像编辑
机器人学习
视觉语言模型
视频生成
将模型自身对齐误差作为一等输入，训练条件扩散/流模型学习闭环修正策略
Daniel Gilo, Sven Elflein, Ido Sobol, Or Litany
引导学习
条件生成
流模型
闭环控制
提出两阶段框架，3-5分钟生成单一3D网格，从不同视角呈现不同语义的错觉效果
Siang-Ling Zhang, Huai-Hsun Cheng, Tsung-Ju Yang, Yu-Lun Liu
3D生成
扩散模型
文本到3D
视觉错觉
零样本学习
现有视频世界模型无法在相机离开视野后维持世界状态的连续演化
Jinpeng Lu, Dexu Zhu, Haoyuan Shi, Linghan Cai, Guo Tang, Yinda Chen, Jie...
世界模型
动态世界状态
状态持久性
视角干预
视频生成
通过对比性上下文选择任务增强LLM的上下文 grounding 能力
Peiyang Xu, Bangzheng Li, Sijia Liu, Karthik R. Narasimhan, Pramod...
Agent系统
上下文学习
后训练
多模态推理
强化学习
提出ENPIRE框架让编码代理在真实世界中自主构建环境接口并改进机器人策略，实现99%任务成功率
Wenli Xiao, Jia Xie, Tonghe Zhang, Haotian Lin, Letian "Max" Fu, Haoru Xue,...
代码代理
多代理协作
机器人学习
真实世界强化学习
策略改进
实验证明自我视角视频预训练在泛化能力上超越机器人数据预训练
Juncheng Ma, Jianxin Bi, Yufan Deng, Xuanran Zhai, Kewei Zhang, Ye Huang, Bo...
World-Action模型
具身智能
机器人学习
自我视角视频
预训练数据
发现训练随机性比采样随机性更大，FID评估存在1-2%系数变异的噪声底
Nicolas Dufour, Alexei A. Efros, Patrick Pérez
FID指标
可重复性
扩散模型
生成模型评估
随机性分析
让视觉推理轨迹显式指向图像证据，提升计数和空间理解能力
Junkai Zhang, Yihe Deng, Kai-Wei Chang, Wei Wang
强化学习
接地学习
视觉推理
视觉语言模型
提出首个统一控制相机、物体和天气的视频世界模型，从单张图像生成精确可控的目标天气场景
Xiangchen Yin, Wenzhang Sun, Jiahui Yuan, Zijie Liu, Yinda Chen, Wei Li,...
世界模型
多模态控制
天气生成
物体控制
相机控制
FAPO用Claude优化LLM流水线，先提示词后结构，均提14.1pp
Paul Kassianik, Baturay Saglam, Huaibo Zhao, Blaine Nelson, Supriti Vijay,...
Claude Code
LLM流水线优化
多跳问答
提示词工程
自动化机器学习
揭示 E2M1 格式的 Shrinkage Bias 问题，提出均匀网格 UFP4 配方改善 FP4 训练质量
Qian Zhao, Kunlong Chen, Changxin Tian, Zhonghui Jiang, Haitao Zhang,...
FP4量化
低精度训练
大模型训练
数值格式
量化偏差
通过强化学习让大语言模型适应不同检索器的查询策略
Ruifeng Yuan, Chaohao Yuan, David Dai, Yu Rong, Hong Cheng, Hou Pong Chan,...
多模态检索
强化学习
查询重写
检索增强生成
通过稀疏3D边界框实现精确的多对象视频生成与编辑控制
Shariq Farooq Bhat, Niloy J. Mitra, Kalyan Sunkavalli
3D控制
扩散模型
空间布局控制
视频生成
视频编辑
构建首个美国地方法规大规模机器可读语料库，覆盖94%人口
Denis Peskoff, Joe Barrow, Christopher Vu, Diag Davenport
OCR
法律 AI
法律 NLP
联邦学习
语料库构建
通过显式账本和策略门解决工具调用智能体的状态跟踪和策略遵从问题
Md Nayem Uddin, Amir Saeidi, Eduardo Blanco, Chitta Baral
工具调用
推理时方法
智能体
状态管理
策略遵从
通过稀疏自适应体素结构实现163倍分辨率提升的3D力学属性场预测
Rishit Dagli, Donglai Xiang, Vismay Modi, Xuning Yang, Gavriel State, David...
材料属性预测
物理仿真
稀疏体素
自回归生成
计算机视觉
提出类型化幻觉画像和风险方向指数，通过校准的多智能体辩论降低法律 AI 幻觉 45%
Lalit Yadav, Akshaj Gurugubelli
合约审查
多智能体辩论
幻觉检测
法律AI
风险评估
Taylor展开初始化加速Transformer转GDN
Zhongzhu Zhou, Qingyang Wu, Junxiong Wang, Mayank Mishra, Shuaiwen Leon...
初始化策略
架构转换
模型压缩
知识蒸馏
线性注意力
部署在德国大型医院的临床信息提取系统，通过代理式RAG和源文本标注达到96.5%准确率
Osman Alperen Çinar-Koraş, Marie Bauer, Sameh Khattab, Merlin Engelke, Moon...
临床信息提取
代理式AI
医疗NLP
本地部署
检索增强生成
通过选择性协同学习解决视频对象分解中的编码器-解码器不匹配问题，提升性能并降低计算复杂度
WonJun Moon, Jae-Pil Heo
对象中心学习
深度学习
自监督学习
视频理解
首个基于Godot游戏引擎的项目级游戏代码框架数据集与基准测试，揭示模型能力随项目规模急剧下降的现象
Jianwen Sun, Chuanhao Li, Zizhen Li, Yukang Feng, Fanrui Zhang, Yifei Huang,...
代码生成
基准测试
数据集构建
游戏开发
游戏引擎
探索LLM在零资源语言上的代码生成性能并提出有效的改进方案
Alessandro Giagnorio, Alberto Martin-Lopez, Gabriele Bavota
LLM微调
代码生成
低资源语言
指令迁移
预训练
提出基于密集网格采样的流形几何基准框架，用有限差分法精确估计曲率、触及距离和体积，用于验证理论边界和探究网络层间几何演变。
Marios Koulakis, Constantin Seibold
几何估计
基准测试
流形学习
理论验证
生成模型分析
利用音频时长代理，将 SJF/HRRN 集成到 ASR，降延迟不损吞吐
Darshan Makwana, Yash Jogi, Harsh Kotta, Aayush Kubba
ASR
Whisper
vLLM
延迟优化
调度优化
提出递归分治框架和层次化集合编码器，解决复杂正则表达式的自动合成难题
Seongmin Kim, Hyunjoon Cheon, Su-Hyeon Kim, Yo-Sub Han, Sang-Ki Ko
分治算法
归纳编程
正则表达式
神经符号AI
程序合成