PlanarBench基准测试：LLM平面图ASCII绘制空间推理能力评估

BraveGuard：面向开放世界威胁的计算机使用代理自进化防御框架

CoCoVideo：基于商业模型的高质量AIGC视频检测基准

大语言模型缺乏自我能力评估，研究提出CSA策略学习认识局限

Reasmory：用3D重建作为显式记忆增强VLM空间推理

BitsMoE：频谱能量引导比特分配实现MoE大模型超低位量化

DyLLM：显著性令牌选择与部分注意力实现高效扩散LLM推理

强化学习驱使代理型Transformer学会树搜索的机制证明

大语言模型性别推断受最小上下文干扰打破语境不变性假设

多模态大模型注意力头中的函数向量负责视觉关系传输

MAPR：预测奖励验证元意识提升推理模型性能

智能体操作系统AOS：将智能体控制平面嵌入并超越传统OS

RL评估基准被指失效：训练集与测试集效果几乎无异

2-bit量化使推理模型陷入冗长无效推理链

大型多模态模型在归纳物理推理中表现不佳

贝叶斯非负奖励模型BNRM缓解RLHF中的奖励黑客问题

六大主流LLM应用AI视频通话性能基准测试

安全必须优先于自演化开放型AI的大规模部署

MedSynapse-V：潜在记忆演化弥合视觉感知与临床直觉认知偏差

从片段到场景：视觉语言模型赋能自动驾驶时间理解

检索对齐表格基础模型在真实EHR约束下实现稳健临床风险预测

跨境零售平台GenAI实验：客服匹配广告七流程提升销售

DenseMLLM提出标准化多模态大模型实现密集预测

利用近似微分等价性聚合功能相似神经元压缩神经网络

AgentProcessBench：工具使用智能体步骤级过程质量诊断基准

黄仁勋称迈威尔科技或成万亿美元公司，盘前涨超25%

ToolSelf: Unifying Task Execution and Self-Reconfiguration via Tool-Driven Emerg

RescueBench：评估具身代理在野外搜救中的多阶段交互与空间记忆能力

AnyMo利用掩码建模实现任意模态条件运动生成

DeepIPCv2：基于LiDAR的端到端自动驾驶感知与控制框架

Large Electron Model: A Universal Ground State Predictor

Genotype-Conditioned Molecular Generation via Evidence-Grounded Multi-Objective

SHERLOCK框架：动态知识适应提升大模型电商风控效能

EvoCut：多层演化感知视觉令牌压缩，高效LVLM推理

UniPinRec统一生成式检索与排序，降低Pinterest推荐系统算力成本

随机擦除对抗模型反转：有效防御还是空幻想？

DuetServe：自适应GPU多路复用协调LLM预填充与解码阶段

R3-CoVR：零样本推理感知组合视频检索框架

Chroma Clues 利用颜色统计特征检测 AI 合成图像

SliceScorer：驾驶VLM测试覆盖缺口可解释发现新方法

2047基准数据集实验：数据泄漏中估计类可忽略，选择类影响显著

Learning Action-Conditional and Object-Centric Gaussian Splatting World Models f

MOGKAN框架利用多组学与PPI网络实现多癌症分类及生物标志物识别

OptiWorld将最优控制引入视频生成以解决物理约束下的轨迹问题

机器学习工作流语法：调用时拒绝数据泄漏

4D雷达与LiDAR、摄像头协同：恶劣天气下感知新方案

TradeArena审计框架揭示LLM交易代理行为对齐与风险反馈机制

FlowNar：一种面向长视频的可扩展流式叙述新框架

WorldCache异构Token缓存加速扩散世界模型推理

FineVerify：细粒度自验证框架扩展测试时计算以提升智能搜索性能