扩散模型泛化归因于数据依赖脊流形归纳偏差

三阶段学习法驱动简单模型在长期时间序列预测中达到高性能

大语言模型医学知识评估缺失时间动态感知

KVM：可扩展块循环压缩记忆的线性复杂度Transformer

融合视觉与触觉的多模态世界模型 实现机器人交互精准预测

BEAVER：面向企业复杂SQL场景的Text-to-SQL基准测试

SREGym 推出高保真故障场景实时基准测试

CANTANTE：通过对比信用分配优化智能体系统

风险分层用例配置下T2I生成模型性别偏见审计

CRePE提出弯曲射线期望位置编码实现统一相机控制视频生成

REVELIO 框架揭示视觉语言模型可解释故障模式

StereoTales：多语言框架开放式发现LLM刻板印象

持续学习视角下正交梯度投影减轻大语言模型对齐税

RLHF与DPO偏好学习性能差距的理论归因分析

阿里千问3.7编程能力超GPT/Gemini，全球第二仅次Claude

深圳十五五规划：2030年实时可用算力目标超150EFlops

面壁智能MiniCPM5-1B：1B端侧模型刷新开源SOTA

因特智能AI视觉攻克半导体光罩纳米级检测卡脖子难题

WPS Office原生登陆Windows on ARM平台

水母智能两部AI竖屏剧集入选戛纳，短剧工业化出海

国产Agent模型跻身全球第一梯队，限时免费适配多平台

多中心临床验证PulmoFoundation模型实现肺部病理综合解释

ReMind框架：让视频生成器学会动态记忆未观测状态演化

DexSIM：统一因果视频扩散实现实时灵巧手操作模拟

世界模型作为群动作：动作忠实性形式化框架

GPT-4o mini安全过滤器致多模态仇恨检测失效

GitHub Copilot研究揭示LLM对开源创新的影响异于组织环境

基于无监督越狱激活模拟的 LLM 安全对抗训练新方法

MVR-cache：多向量检索与学习型提示分割优化语义缓存

Transformer模型借助范畴论函子实现类比推理形式化

Reflect-Guard用逻辑自反思增强LLM安全分类器抗对抗攻击

AAI框架提出精算接口为AI代理动作定价并执行边界控制

CUA-Gym规模化可验证训练环境与任务，赋能计算机使用代理

llama.cpp 新增对 Gemma4 因果语言模型架构的转换支持

SaaS-Bench实测：Claude等大模型全自动办公通过率不足4%

StreamChar：解耦编排实现长时流式角色音视频生成

Blink采用动态视觉token分辨率增强多模态理解

PixelWizard：分层解耦全局局部，实现超大规模高分辨率视频生成

StreamOV基于证据引导记忆与响应触发实现流式全模态视频理解

Pantheon360基于3D感知360度视频扩散生成数字孪生

利用标注者分歧校准概率目标检测器

校准交互方法解决组合图像检索查询语义歧义

SRUG：阴影引导的生成式城市场景重光照方法

FDDet提出FDD-48数据集与半监督框架实现数据高效食品缺陷检测

遥感组合图像检索方法在地球观测中的迁移性基准测试

物理世界建模统一3D场景理解，多视觉任务融合新方法

VideoMAE中概念激活向量实现物理因果方向控制

多轮LLM现新型后门攻击：回合结构信号可触发恶意行为

FairJudge：可弃权多模态评判器用于文本到图像模型公平性与对齐评估

高熵token是视觉语言模型多模态薄弱点