arXivDaily arXiv每日学术速递 周一至周五更新

arXiv 论文中文摘要与每日学术速递

全部学科当日共 2,625 篇
2611.23229 2026-11-18 cs.LG cs.AI cs.CL 新提交

Ambient LLMs: Data-Efficient Supervised Fine-tuning via Temperature Matching

环境大语言模型:通过温度匹配实现数据高效的监督微调

Giannis Daras, Marios Papachristou, Adam Klivans, Antonio Torralba, Constantinos Daskalakis

机构 * MIT(麻省理工学院) ; Arizona State University(亚利桑那州立大学) ; University of Texas at Austin(德克萨斯大学奥斯汀分校)

AI总结 该研究针对自回归语言模型微调的过拟合与灾难性遗忘问题,提出Ambient SFT框架,通过温度匹配利用预训练模型的不完美预测扩充微调集,在三类任务上较标准SFT获最高21%平均相对提升。

Comments Work in progress

展开摘要

展开后加载摘要…

URL PDF HTML 收藏
2611.23226 2026-11-18 cs.CV 新提交

FastFrames: Video Generation at Interactive Latency

FastFrames:实现交互式延迟的视频生成

Gene Chou, Guandao Yang, Fujun Luan, Lars Mescheder, Wei Dong, Stephan Richter, Vladlen Koltun

机构 * Apple(苹果公司) ; Cornell University(康奈尔大学)

AI总结 FastFrames通过替换推理流水线中占延迟过半的VAE解码、KV缓存更新等组件,实现交互式视频生成,1.3B变体单B200 GPU达28RPS,14B变体8x B200 GPU达22RPS,可用于实时交互应用。

Comments Project page: https://apple-aiml-research.github.io/ml-fastframes/

展开摘要

展开后加载摘要…

URL PDF HTML 收藏
2611.23219 2026-11-18 cs.LG cs.AI 新提交

Do LLM Agents Still Need to Be Told How to Self-Improve?

大语言模型智能体仍需被告知如何自我提升吗?

Shobhita Sundaram, Cansu Sancaktar, Phillip Isola

机构 * MIT CSAIL(麻省理工学院计算机科学与人工智能实验室) ; University of Tübingen(蒂宾根大学)

AI总结 本文研究自主范式下大语言模型智能体的自我提升能力,发现足够能力的模型可在无外部指定优化方式时自我提升,且学习成果可迁移至多类游戏基准。

Comments Project page: https://ssundaram21.github.io/self-org/

展开摘要

展开后加载摘要…

URL PDF HTML 收藏
2611.23218 2026-11-18 cs.CL cs.LG 新提交

What Does a Bias Head Measure? Non-Identifiability in Head-Level Bias Attribution

偏置头测量什么?头级偏置归因中的不可识别性

S. M Seefat Alam

机构 * Bangladesh University of Engineering and Technology(孟加拉国工程技术大学)

AI总结 该研究审计了Qwen-2.5-7B-Instruct和Llama-3.1-8B-Instruct的头级偏置归因方法,发现其存在不可识别性,且相关方法未验证偏置测量的有效性,剪枝头无法降低不公平率。

Comments 18 pages, 13 tables. Under review at ACL Rolling Review (October 2026 cycle)

展开摘要

展开后加载摘要…

URL PDF HTML 收藏
2611.23215 2026-11-18 cs.RO cs.SY eess.SY 新提交

Feedback-Linearised Trajectory Tracking via Model-Informed Robust Geometric DDPC

基于模型信息的鲁棒几何DDPC的反馈线性化轨迹跟踪

Pranav Gupta, Deepan Muthirayan, Ravi Banavar

机构 * Indian Institute of Technology Bombay(印度理工学院孟买分校) ; Plaksha University(普拉卡沙大学)

AI总结 提出基于模型信息的鲁棒几何DDPC,结合反馈线性化,在平面2R机械臂仿真中,其跟踪性能优于双积分器MPC,与DeePC的性能关系取决于参考轨迹。

Comments This manuscript has been submitted to the 9th Annual Learning for Dynamics & Control Conference, taking place in Stockholm, Sweden, in June 2027

展开摘要

展开后加载摘要…

URL PDF HTML 收藏
2611.23212 2026-11-18 cs.CV 新提交

EviSlide-MIL: Multi-Query Pooling and Shared Prediction for Class-Incremental Whole-Slide Image Classification

EviSlide-MIL:用于类增量全幻灯片图像分类的多查询池化与共享预测

Zhouhan Qian, Sicheng Chen, Chad Wong, Tianyi Zhang, Enhui Chai, Zeyu Liu, Fei Xia

机构 * Duke University(杜克大学) ; University of California, Irvine(加州大学欧文分校) ; National University of Singapore(新加坡国立大学) ; Northwest University Xi’an(西安西北大学) ; PuzzleLogic(普兹逻辑)

AI总结 针对类增量全幻灯片图像分类的遗忘问题,提出EviSlide-MIL框架,通过多查询池化与共享预测结合,在8种肿瘤亚型实验中实现性能提升并减少遗忘。

展开摘要

展开后加载摘要…

URL PDF HTML 收藏
2611.23211 2026-11-18 cs.CV cs.LG cs.RO 新提交

Multimodal Masked Diffusion Autoencoder for Modeling Impaired Driving

用于建模受损驾驶的多模态掩码扩散自编码器

John Gideon, Anshul Gupta, Megan Applegate-Kenton, Kayli Battel, Todd J Rowell, Patricio Reyes Gomez, Laporsha Dees, Emily Sumner, Avinash Balachandran, Guy Rosman

机构 * Toyota Research Institute(丰田研究所)

AI总结 提出多模态掩码扩散自编码器ID-MAE,结合DIVERT数据集验证其在受损驾驶检测等任务中优于基线,可区分视觉与认知分心。

Comments Equal contribution: John Gideon and Anshul Gupta. 8 pages, 6 figures. Submitted to CVPR 2027

展开摘要

展开后加载摘要…

URL PDF HTML 收藏
2611.23209 2026-11-18 cs.CV 新提交

Learning Grounded Reasoning from Human Gaze

从人类注视中学习具身推理

Gabriel Sarch, Declan Campbell, Nicholas Budny, Kia Ghods, Katerina Fragkiadaki, Jonathan D. Cohen, Brenden M. Lake, Taylor W. Webb

机构 * Princeton University(普林斯顿大学) ; Perceptron AI(珀ceptron人工智能公司) ; Carnegie Mellon University(卡内基梅隆大学)

AI总结 本研究提出GGR模型,利用人类注视数据提升视觉语言模型的具身推理能力,在多类视觉推理任务中表现优于基线,强化学习可进一步优化性能。

展开摘要

展开后加载摘要…

URL PDF HTML 收藏
2611.23208 2026-11-18 cs.LG cs.CR cs.CV 新提交

Distortion-Free Semantic Watermarks for Black-Box Generative Models

黑盒生成模型的无失真语义水印

Aviv Yossef, Or Patashnik, Or Zamir

机构 * Tel Aviv University(特拉维夫大学)

AI总结 本研究提出一种仅需黑盒访问的通用无失真语义水印算法,针对图像生成训练专用编码器,在开源与闭源模型上验证了其对内容保留型变换的鲁棒检测能力。

Comments Project page: https://avivyossef.github.io/distortion-free-semantic-watermark/ Code: https://github.com/avivyossef/distortion-free-semantic-watermark

展开摘要

展开后加载摘要…

URL PDF HTML 收藏
2611.23206 2026-11-18 cs.CV cs.AI 新提交

Reading Scene States: Uncovering Safety Failures in Vision-Language Models

读取场景状态:发现视觉-语言模型中的安全漏洞

Tongxi Wu, Yuyang Cheng, Jiacheng Xian, Menglin Yang, Kai Chen, Jian Zhang, Yang Gao

机构 * The Hong Kong University of Science and Technology (Guangzhou)(香港科技大学(广州)) ; Nanjing University(南京大学)

AI总结 本研究识别视觉-语言模型的场景状态安全漏洞,构建SceneSafetyBench测试集,提出S3TA攻击方法,其在8种模型上的平均攻击成功率达71.2%,优于基线,凸显需强化模型场景推理的安全防护。

Comments VLM safety, multimodal jailbreaks, and scene-state reasoning

展开摘要

展开后加载摘要…

URL PDF HTML 收藏
2611.23202 2026-11-18 cs.AI 新提交

Agent Trust Infrastructure (ATI): A Federated Identity, Trust, Attestation, and Accountability Architecture for Cross-Organization Autonomous AI Agents

智能体信任基础设施(ATI):面向跨组织自主AI智能体的联合身份、信任、证明与问责架构

Viet K. Nguyen, Mohammad I. Husain

机构 * California State Polytechnic University, Pomona(加州州立理工大学波莫纳分校)

AI总结 提出智能体信任基础设施(ATI),构建于PKI等技术,可验证跨组织智能体身份等,经8组织模拟联邦评估,攻击遏制率提升,作为开源包发布。

展开摘要

展开后加载摘要…

URL PDF HTML 收藏
2611.23198 2026-11-18 cs.LG cs.RO 新提交

Learned versus Kinematic Trajectory Prediction under Reduced Observation Frequency

低观测频率下的学习型轨迹预测与运动学轨迹预测对比

Nukhbala Gadzhiev, Alexander Morochko

机构 * Department of Mathematical Cybernetics and Information Technologies, Faculty of Information Technologies, Moscow Technical University of Communications and Informatics(莫斯科通信与信息工业大学信息技术学院数学网际与信息技术系)

AI总结 本研究在Argoverse 2数据集上对比不同频率下学习型RNN与运动学CV、CA模型的轨迹预测性能,发现低频率下学习型模型仍有优势,1Hz时插值的10Hz模型准确率下降11.5%,假设仅部分成立。

Comments 8 pages, 1 figure, 2 tables. Code and per-scenario results: https://github.com/nleaxy/learned-vs-kinematic-trajectory-prediction

展开摘要

展开后加载摘要…

URL PDF HTML 收藏
2611.23197 2026-11-18 cs.CL cs.AI 新提交

Structure--Residual Inductive Biases for Language Model Pretraining

用于语言模型预训练的结构-残差归纳偏置

Hai Huang, Bartosz Żuk, Rassul Magauin, Jiaxin Huang, Xue Liu

机构 * Palona AI(帕洛纳人工智能公司) ; Institute of Computer Science, Polish Academy of Sciences(波兰科学院计算机科学研究所) ; Mohamed bin Zayed University of Artificial Intelligence(穆罕默德·本·扎耶德人工智能大学)

AI总结 该研究提出结构-残差归纳偏置,通过边界瓶颈概念(BBC)和连续概念(CC)两种互补方式,结合后在3亿训练词元时使GPT-2 Medium的NLL降低1.44%,可改进语言模型预训练。

展开摘要

展开后加载摘要…

URL PDF HTML 收藏
2611.23192 2026-11-18 cs.AI cs.LG cs.RO 新提交

WoRD: Diffusion-Based Posterior Inference for Online Goal Recognition

WoRD:基于扩散模型的后验推理用于在线目标识别

Almog Anschel, Sarah Keren

机构 * Technion – Israel Institute of Technology(以色列理工学院) ; Taub Faculty of Computer Science(陶布计算机学院)

AI总结 本文提出WoRD,利用扩散模型的轨迹先验,通过带预热的去噪链与贝叶斯加权实现在线目标识别,在三类轨迹场景中,其在模糊前缀上的多模态信念表现优于滤波器与分类器方法。

Comments Accepted at the 40th Annual Conference on Neural Information Processing Systems (NeurIPS 2026)

展开摘要

展开后加载摘要…

URL PDF HTML 收藏
2611.23189 2026-11-18 cs.CV cs.AI 新提交

Retrieval-Augmented Correction for Generalist Medical Image Segmentation

用于通用医学图像分割的检索增强校正

Vincenzo Marcianò, Xiaoming Zhang, Michela Antonelli, Sebastien Ourselin, Maria A Zuluaga

机构 * EURECOM(欧洲电信研究院) ; Sorbonne Université(索邦大学) ; King’s College London(伦敦国王学院)

AI总结 本研究提出GRACE检索增强细化器,在多器官语料库上训练后,可在18种医学图像数据集上提升不同上游分割器的掩码精度,是特定解剖结构校正模型的实用替代方案。

Comments Accepted in Transactions on Machine Learning Research (10/2026). Reviewed on OpenReview: https://openreview.net/forum?id=PeDqE0SQRe

展开摘要

展开后加载摘要…

URL PDF HTML 收藏
2611.23187 2026-11-18 cs.CV 新提交

Any2Building: Unifying Point Clouds and Images for Building Reconstruction via Shared Spatial Queries

Any2Building:通过共享空间查询统一点云和图像以实现建筑物重建

Hongye Hou, Zhuoxiao Li, Liu Xiangyu, Tengxi Wang, Jing Ou, Dongli Wu, Shuai Zhang, Tongyan Hua, Wufan Zhao

机构 * The Hong Kong University of Science and Technology, Guangzhou(香港科技大学(广州))

AI总结 Any2Building是统一点云和图像的LoD2建筑物重建模型,基于共享空间查询表示,在多任务中表现优于现有方法,且点云退化时仍能鲁棒恢复。

展开摘要

展开后加载摘要…

URL PDF HTML 收藏
2611.23185 2026-11-18 cs.CL 新提交

Polarity Composition Hypothesis: Causal Evidence from Negation in NLI

极性构成假说:自然语言推理中否定的因果证据

Nhi Hoai Doan, Tatsuya Hiraoka, Munachiso Samuel Nwadike, Kentaro Inui

机构 * Mohamed bin Zayed University of Artificial Intelligence (MBZUAI)(穆罕默德·本·扎耶德人工智能大学) ; RIKEN(理化学研究所)

AI总结 本研究探究语言模型处理自然语言推理(NLI)中否定的机制,提出极性构成假说,经行为评估与分布式对齐搜索验证其有效性,相关表示可跨否定形式及部分MNLI迁移,且公开了数据集与代码。

Comments Accepted to EACL 2027 (main conference)

展开摘要

展开后加载摘要…

URL PDF HTML 收藏
2611.23177 2026-11-18 cs.CV cs.LG q-bio.NC 新提交

Déjà View: A Shared Working-Memory Model for Visual Tasks

Déjà View:面向视觉任务的共享工作记忆模型

Mranmay Shetty, Gabriel Kreiman

机构 * Italian Institute of Technology(意大利理工学院) ; Harvard Medical School(哈佛医学院)

AI总结 该研究提出名为Déjà View的图像工作记忆模型,在五项视觉任务上训练后可灵活执行任务,探究延迟、干扰等对性能的影响,证实单一工作记忆系统可灵活适配不同视觉任务。

Comments 6 figures; includes appendices

展开摘要

展开后加载摘要…

URL PDF HTML 收藏
2611.23161 2026-11-18 cs.CV cs.AI 新提交

Attribution Through the Decoder: Prediction-Space Explanations for Structured Outputs

通过解码器进行归因:面向结构化输出的预测空间解释

Zaer Bin Zaqy, Brinnae Bent

机构 * Duke University(杜克大学)

AI总结 该研究针对结构化输出的归因问题,提出通过解码器微分进行归因的方法,在多个数据集上验证其可提升归因性能,区分了径向污染和标量化损失两类失败来源。

Comments Under review

展开摘要

展开后加载摘要…

URL PDF HTML 收藏
2611.23158 2026-11-18 cs.CL cs.LG 新提交

MoE--LoRA Methods for Multilingual Adaptation: A Systematic Empirical Study

用于多语言适配的MoE--LoRA方法:一项系统实证研究

Nikit Srivastava, Joel Dag, René Speck, Axel-Cyrille Ngonga Ngomo

机构 * Paderborn University(帕德博恩大学)

AI总结 该研究通过200种语言、9000余项评估设置的实验,发现LoRA是提升LLM翻译适配性的针对性工具,对低资源语言益处最大但会降低阅读理解,且缩小规模的搜索无法可靠预测其相对性能。

Comments To Appear - EACL 2027 (Findings)

展开摘要

展开后加载摘要…

URL PDF HTML 收藏
2611.23155 2026-11-18 cs.CV cs.CL 新提交

TextSphere: Efficient Text-to-Image Generation via Shared Hyperspherical Alignment and Uniformity

TextSphere:通过共享超球面对齐与均匀性实现高效文本到图像生成

Yixia Zhang, Girish A. Koushik, Xilu Wang, Wenwu Wang

机构 * University of Surrey(萨里大学) ; CVSSP(计算机视觉、语音与信号处理中心)

AI总结 提出TextSphere框架,通过CLIP嵌入、AdaLN及SSAU目标改进Sphere Encoder,在3个数据集上以少采样步骤实现优于基线的文本到图像生成效果。

Comments 21 pages, 8 figures

展开摘要

展开后加载摘要…

URL PDF HTML 收藏
2611.23154 2026-11-18 cs.LG cs.AI 新提交

Learning Stratified Policies for Inference-Time Objectives

面向推理时目标的分层策略学习

Mridul Mahajan, Xuezhou Zhang, Aldo Pacchiano

机构 * Boston University(波士顿大学) ; Broad Institute of MIT and Harvard(麻省理工学院与哈佛大学博德研究所)

AI总结 该研究提出分层策略,通过共享语言模型主干的独立LoRA适配器组成策略群体,优化pass@k,在多推理任务上相比单一策略基线提升了pass@k,证明分配样本给互补策略比重复采样更有效。

展开摘要

展开后加载摘要…

URL PDF HTML 收藏
2611.23153 2026-11-18 cs.CV 新提交

VIVID: Beyond Static Multi-Image Reasoning with Localized Visual Differences and Textual Entity Dynamics in Video MLLMs

VIVID:视频多模态大语言模型中超越静态多图像推理的局部视觉差异与文本实体动态

Chengqian Ma, Yuanze Zeng, Hongyu Wang, Mingfeng Lin, YiCheng Xiao, Yu Chen, Pengyu Li, WenHao Wang, Yuexiao Ma, Xiawu Zheng, Fei Chao

机构 * Peking University(北京大学) ; Shanghai Jiao Tong University(上海交通大学) ; Harbin Institute of Technology(哈尔滨工业大学) ; Southeast University(东南大学) ; Institute of Automation, Chinese Academy of Sciences(中国科学院自动化研究所) ; Zhejiang University(浙江大学) ; Nanyang Technological University(南洋理工大学) ; Xiamen University(厦门大学)

AI总结 本研究针对视频MLLM的静态推理缺陷,提出VIVID模型,通过ADKP、DRCM等技术保留帧间动态,VIVID-Small在8083个问题上超11个基线,VIVID-Large在多基准任务中领先。

Comments 14 pages, 2 figures, 5 tables. Code: https://github.com/step-out/VIVID

展开摘要

展开后加载摘要…

URL PDF HTML 收藏
2611.23149 2026-11-18 cs.RO cs.LG cs.MA cs.SY eess.SY 新提交

Capability Composition in Heterogeneous Teams via Barrier-Guided Diffusion Sampling

基于障碍引导扩散采样的异构团队能力组合

Diana Laura Morales, Ruoyu Lin, Magnus Egerstedt, Fabio Pasqualetti

机构 * University of California, Irvine(加州大学欧文分校) ; University of North Carolina at Chapel Hill(北卡罗来纳大学教堂山分校)

AI总结 该研究针对异构智能体团队合作轨迹生成问题,提出障碍引导扩散采样方法,利用团队物理约束结合单智能体训练的生成模型,无需重新训练即可适配智能体增减,在多机器人任务中验证了有效性。

展开摘要

展开后加载摘要…

URL PDF HTML 收藏
2611.23144 2026-11-18 cs.CV 新提交

$π^4$: A Foundation Model for 4D Scene Geometry and Motion

π⁴:用于4D场景几何与运动的基础模型

Yifan Wang, Weiguang Zhao, Ni Yang, Haoyu Guo, Junting Dong, Weinan Zhang, Chunhua Shen

机构 * Shanghai Artificial Intelligence Laboratory(上海人工智能实验室) ; Shanghai Jiao Tong University(上海交通大学) ; Zhejiang University(浙江大学)

AI总结 π⁴是用于4D场景感知的统一基础模型,通过耦合几何与运动分支,从野外未校准RGB观测中恢复几何、位姿等信息,在多基准测试中几何评估表现最优,模型规模小且推理高效。

展开摘要

展开后加载摘要…

URL PDF HTML 收藏
2611.23143 2026-11-18 cs.RO cs.CV 新提交

TCP4D: A Unified Tool-Center-Point Tracking and Generation Model for Robot Manipulation

TCP4D:用于机器人操作的统一工具中心点跟踪与生成模型

Haosong Peng, Xiangyang Liu, Zhengshen Zhang, Yunfeng Fan, Tianyu Qi, Xin Xia, Yufeng Zhan, Wenchao Xu

机构 * The Hong Kong University of Science and Technology(香港科技大学) ; Beijing Institute of Technology(北京理工大学) ; National University of Singapore(新加坡国立大学) ; The Hong Kong Polytechnic University(香港理工大学) ; Sun Yat-sen University(中山大学) ; Zhejiang University(浙江大学)

AI总结 提出TCP4D模型,以TCP位姿为动作空间,通过共享4D场景表示实现TCP跟踪与生成,结合跨形态增强流水线,在机器人操作任务上提升了跟踪精度与生成成功率。

Comments Project page: https://livioni.github.io/TCP4D/

展开摘要

展开后加载摘要…

URL PDF HTML 收藏
2611.23140 2026-11-18 cs.CV 新提交

GameRealm: Grounding Visual Learning in Interactive Games

GameRealm:将视觉学习建立在交互式游戏的基础上

Weiguang Zhao, Yifan Wang, Ni Yang, Yating Wang, Xingyu Miao, Yankai Jiang, Mulin Yu, Tao Lu, Haoyu Guo, Junting Dong, Weinan Zhang, Chunhua Shen

机构 * Shanghai Artificial Intelligence Laboratory(上海人工智能实验室) ; Shanghai Jiao Tong University(上海交通大学) ; Zhejiang University(浙江大学)

AI总结 研究针对视觉基础模型发展的数据集、标注与监督问题,推出GameRealm数据集,结合人类交互与智能体探索的采集流水线,可增强视觉生成与几何学习能力,为视觉智能研究提供新资源。

展开摘要

展开后加载摘要…

URL PDF HTML 收藏
2611.23138 2026-11-18 cs.AI cs.LG 新提交

RSI-Prime: Training Models to Train Models

RSI-Prime:训练用于训练模型的模型

Dewu Zheng, Yang Ye, Hongyu Zhang, Jun Yu, Yanlin Wang

机构 * Sun Yat-sen University(中山大学) ; Mind Lab ; Chongqing University(重庆大学) ; Harbin Institute of Technology, Shenzhen(哈尔滨工业大学(深圳))

AI总结 本研究构建RSI-Prime数据集,通过细粒度决策标注与损失掩码优化GLM-5.3,使其在PostTrainBench上性能提升31.95%,为递归自我改进系统提供了可行方向。

展开摘要

展开后加载摘要…

URL PDF HTML 收藏
2611.23134 2026-11-18 cs.LG 新提交

Correcting Flows with Marginal Matching

通过边际匹配校正流

Meital Bojan, Nadav Bojan Sellam, Ev Zisselman, Aviv Tamar

机构 * Technion – Israel Institute of Technology(以色列理工学院)

AI总结 本研究提出基于训练的流匹配预测-校正框架,通过边际匹配校正样本,在CIFAR-10和ImageNet-64上提升样本质量,且计算开销极小,解决流匹配模型效率与保真度平衡问题。

展开摘要

展开后加载摘要…

URL PDF HTML 收藏
2611.23130 2026-11-18 cs.LG 新提交

A Neural Envelope Method for Rapid Gradient-based Optimum Takeoff Trajectory Design

用于快速基于梯度的最优起飞轨迹设计的神经包络方法

Samuel Sisk, Xiaosong Du

机构 * Missouri University of Science and Technology(密苏里科技大学)

AI总结 该研究将physicsGAN与神经包络结合,将带约束非凸起飞轨迹优化转为无约束凸优化,在空客A3 Vahana eVTOL的优化中实现高精度与超快速收敛,大幅提升优化效率。

Comments 16 pages, 12 figures, submitted to AIAA Aviation conference

展开摘要

展开后加载摘要…

URL PDF HTML 收藏
↑