← 前一天
2026-08-14
后一天 → 今日

Alaya-EVOKE：从线性开销监督到无尽世界

👍 130

外置相机位姿索引的几何记忆，配合长时程教师蒸馏，实现三步生成、小时级不间断的交互世界模型

Yuanyang Yin, Gongxuan Wang, Yifan Zhan, Chuanhao Li, Kaipeng Zhang, Feng Zhao
世界模型 交互式生成 几何记忆 少步蒸馏 自回归生成
✅ 已总结
详情 →

OmniScientist：全模态全学科的 AI 科学家

👍 91

直接感知原始多模态证据，端到端自动完成从数据到可验证论文的科研闭环

Bobo Li, Hao Fei, Tianjie Ju, Mong-Li Lee, Wynne Hsu
AI Scientist LLM Agent 多智能体系统 多模态智能体 科学发现
✅ 已总结
详情 →

Intern-S2-Preview：科学智能体基础模型

👍 66

397B 参数科学智能体基础模型：多模态科学理解、可验证强化学习与长程智能体训练的统一

Lei Bai, Jiaqi Cao, Chiyu Chen, Guanzhou Chen, Kai Chen, Guangran Cheng,...
后训练 基础模型 多模态 强化学习 时间序列
✅ 已总结
详情 →

AVA-Encoder：迈向智能体原生视频表示学习

👍 41

把电影编码为可编辑的电影知识图谱，用重构残差驱动双环文本梯度自进化

Chuyue Li, Jinpeng Yu, Haozhe Wang, Tian Xueyun, Zhijing Zhang, Bingnan Li,...
文本梯度优化 智能体 知识图谱 视频生成 视频表示学习
✅ 已总结
详情 →

UniSwap：说话视频的流式音视频联合身份替换

👍 22

首个流式音视频联合身份替换框架：单一扩散模型同步换脸换声，3步采样13.6 FPS

Yuxuan Zhang, Haozhong Xiong, Jiayi Song, Jinpeng Yu, Yang Shi, Jiaming Liu,...
LoRA 扩散模型蒸馏 流式自回归生成 视频生成 语音转换
✅ 已总结
详情 →

全带宽Transformer：潜在反馈解码

👍 21

将顶层隐状态门控融合为下一步输入，以约1%推理开销换取约2倍训练数据量的效果

Xi Wang, Ziyang Cai, Zheng Zhan, Harry Dong, Ying Fan, Gustavo de Rosa, Tim...
LLM预训练 数据效率 测试时计算 潜在反馈 递归计算
✅ 已总结
详情 →

面向视觉Token剪枝的AI4AI自动算法设计框架

👍 15

用LLM在残差式DSL空间中自动搜索视觉token剪枝策略，94.4%剪枝下保留99%以上性能

Zhen Liu, Wenli Huang, Wei Song, Yuhan Liu, Zhiqin Yang, Jingwen Fu
AI4AI LLM驱动算法设计 多模态大模型 推理加速 视觉Token剪枝
✅ 已总结
详情 →

面向推理的思维级束搜索

👍 15

把测试时推理重构为思维级束搜索：零和剪枝并从高分前缀分支，同硬件下精度与效率双升。

Lijie Yang, Hongyin Luo, Jiawei Zhao, Tri Dao, Ravi Netravali
LLM推理加速 推理系统 束搜索 测试时计算扩展 解码策略
✅ 已总结
详情 →

Maglev：滑动窗口循环记忆

👍 14

用并行预填充器生成记忆目标，一致性损失训练滑窗解码器，实现可并行预训练的固定内存循环语言模型

Bo Liu, Qiang Liu
Transformer 一致性损失 循环记忆 语言模型预训练 高效注意力
✅ 已总结
详情 →

缓解英译罗机器翻译中的性别偏见

👍 9

用LLM性别分类加标签感知翻译模型的混合流水线，把英译罗性别准确率提升40个百分点以上

Ioana Grigore, Sergiu Nisioi
LoRA微调 低资源语言 大语言模型 性别偏见 机器翻译
✅ 已总结
详情 →