支持语音控制的实时交互式数字人物视频生成系统
Jintao Zhang, Kai Jiang, Jintao Chen, Xu Wang, Yang Luo, Yuji Wang, Dechuang...
多模态学习
实时推理
数字人
视频生成
语音交互
提出诊断套件审核基准测试，发现55%样本存在捷径，暴露Video-LLM真正差距
Geuntaek Lim, Sungjune Park, Jaeyun Lee, Inwoong Lee, Taeoh Kim, Dongyoon...
Video-LLM
基准测试审核
时空推理
视频理解
评估方法
通过共现先验正则化和时间顺序正则化缓解ZS-CAR中的物体驱动捷径
Geo Ahn, Inwoong Lee, Taeoh Kim, Minho Shim, Dongyoon Wee, Jinwoo Choi
快捷径学习
组合动作识别
视觉-语言模型
视频理解
零样本学习
提出IdeaGene框架和IG-Bench基准，评估AI系统的科学思想谱系推理能力
Yifan Zhou, Qihao Yang, Yan Li, Donggang Li, Xiru Hu, Hokin Deng, Ziyang...
创意生成
基准测试
演化动态
科学AI
谱系推理
首个在真实环境中评估主动agent的能力驱动基准测试
Zhekai Chen, Chengqi Duan, Kaiyue Sun, Bohao Li, Yuqing Wang, Manyuan Zhang,...
基准测试
智能代理
真实世界任务
能力维度
闭环交互
利用预训练视频扩散先验统一解决事件流视频重建、预测和帧插值三大任务
Cheng-De Fan, Chun-Wei Tuan Mu, Chen-Wei Chang, Chin-Yang Lin, Kun-Ru Wu,...
事件相机
帧插值
视频扩散模型
视频重建
视频预测
构建OpenCoF-17K数据集，通过多样化时间监督和推理token机制提升视频生成模型的推理能力
Xinyan Chen, Ziyu Guo, Renrui Zhang, Dongzhi Jiang, Hongsheng Li
Chain-of-Frame
Diffusion Transformer
数据集构建
视觉推理
视频生成
提出Canvas360两阶段框架，通过深度辅助预训练和统一微调实现高质量全景图像生成
Haoran Feng, Ruiyang Zhang, Longyi Zhang, Dizhe Zhang, Lu Qi
Flow Matching
上下文学习
全景图像生成
几何感知
深度学习
无调参零样本方法，通过动态组大小实现高效长上下文扩展
Haozhan Tang, Zerui Wang, Yuxian Gu, Song Han, Han Cai
RoPE
位置编码
注意力机制
长上下文
零样本扩展
基于疾病本体和靶点序列的条件生成模型
Ali Motahharynia, Mohammadreza Ghaffarzadeh-Esfahani, Mahsa Sheikholeslami,...
分子对接
强化学习
生成模型
疾病感知
药物设计
通过剪枝、蒸馏、量化实现移动端高质量电影级I2V生成，40×加速
Xuyao Huang, Zelai Deng, Xu Wang, Xizhong Xiao, Zhijie Deng
图像转视频生成
扩散模型蒸馏
模型压缩
电影级相机运动
端侧部署
系统比较四种线性注意力变体并提出跨层值路由
Tommaso Cerruti, Tim Rieder, George Rowlands, Lingfeng Jin, Imanol Schlag
cross-layer routing
delta rule
language modeling
linear attention
recurrent memory
通过主动记忆干预解决长视界智能体的行为状态衰减问题
Yifan Wu, Lizhu Zhang, Yuhang Zhou, Mingyi Wang, Bo Peng, Serena Li,...
LLM智能体
干预策略
记忆机制
长视界任务
通过停止梯度算子实现无界正向更新的非对称优化框架，解决RL中探索与稳定性的矛盾
Chongyu Fan, Pengfei Liu, Jingjia Huang, Sijia Liu, Yi Lin
RLHF
大语言模型
强化学习
策略优化
重要性采样
基于查询机制的实时多目标视频分割，实现接近单目标处理效率
Ruiqi Shen, Chang Liu, Henghui Ding
多目标跟踪
实时推理
查询学习
注意力机制
视频分割
实时交互式人体动作生成，支持在线文本提示和灵活的运动学约束控制
Kaifeng Zhao, Mathis Petrovich, Haotian Zhang, Tingwu Wang, Siyu Tang, Davis Rempe
交互式控制
人体动作生成
实时生成
自回归扩散模型
运动学约束
通过生成大量廉价草稿候选并进行多阶段筛选，实现扩散模型在固定墙钟时间预算下的高效推理扩展
Ruchit Rawal, Reza Shirkavand, Sayak Paul, Yuxin Wen, Heng Huang, Yizheng...
扩散模型
推理时扩展
文生图
计算优化
验证器引导
提出稀疏截断状态向量模拟器，高效模拟峰值电路，支持CPU/GPU加速
Diogo R. Ferreira
GPU加速
峰值电路
电路模拟
稀疏表示
量子计算
提出基于2D高斯泼溅的物理感知MRI超分辨率框架，通过建模分辨率-SNR权衡实现动态分辨率重建
Lihua Wei, Huatong Gao, Jia Gong, Zhiyu Tan, Hao Li, Jun Liu, Zhihua Ren
2D高斯泼溅
MRI重建
元学习
医学图像超分辨率
物理感知学习
无依赖C/CUDA运行时，让Stable Audio 3在树莓派上运行
Matteo Spanio, Antonio Rodà
模型推理优化
激活转向
边缘计算
量化技术
音频生成
首个集成符号因果推理与数据科学执行的综合基准测试框架
Andrej Leban, Yuekai Sun
LLM评估
因果推断
因果推理
基准测试
数据科学智能体
通过神经元级和向量级推理时干预实现阿拉伯语方言可控生成
Kareem Elozeiri, Mervat Abassy, Omar Kallas, Fahim Dalvi, Preslav Nakov,...
方言生成
模型解释性
激活工程
阿拉伯语NLP
用预训练MLM头实现低资源多语言立场检测
Md. Shakhoyat Rahman Shujon, MD Jahid Hasan Jim, Md. Milon Islam, Md...
对比学习
提示学习
立场检测
跨主题泛化