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 4,831 篇
2611.21608 2026-11-17 cs.LG cs.AI cs.CL 新提交

Latent Lattice Language Models

隐格语言模型

Shivam Duggal, Zongze Wu, William T. Freeman, Antonio Torralba, Richard Zhang, Eli Shechtman

机构 * MIT CSAIL(麻省理工学院计算机科学与人工智能实验室) ; Adobe(奥多比公司)

AI总结 该研究提出隐格语言模型,通过每层持续的隐式计算状态增强语言模型,在200亿token训练的模型上显著降低困惑度,可与现有架构结合并优于更大规模的基线模型。

Comments Project page: https://shivamduggal4.github.io/latent-lattice-language-model/

展开摘要

展开后加载摘要…

URL PDF HTML 收藏
2611.21607 2026-11-17 cs.RO 新提交

ScaleVLA: Scaling Vision-Language-Action Models to 552 Billion Parameters

ScaleVLA:将视觉-语言-动作模型扩展至5520亿参数

Ruixi Yu, Dairu Liu, Xuchuan Chen, Zekun Qi, Zekai Li, Zhuo Cao, Luyang Niu, Yingsheng Zhang, Sikai Liang, Ke Fan, He Wang, Li Yi

机构 * Tsinghua University(清华大学) ; Peking University(北京大学) ; Shanghai Jiao Tong University(上海交通大学) ; Galbot(伽罗博特(Galbot))

AI总结 本文提出ScaleVLA,将5520亿参数的DeepSeek-V4.1-Flash骨干网络与可训练动作DiT结合,实验显示其在样本效率、泛化性、精确操作上均优于小参数模型,且延迟仅216毫秒,证明前沿VLM可作为机器人策略的强大表征基础。

Comments Tech Report

展开摘要

展开后加载摘要…

URL PDF HTML 收藏
2611.21604 2026-11-17 cs.CV 新提交

FaceJev: Direct Visual Decisions for Face Forgery Detection

FaceJev:用于人脸伪造检测的直接视觉决策方法

Siran Peng, Tianshuo Zhang, Yibo Xue, Ajian Liu, Haoyuan Zhang, Weisong Zhao, Shuhuan Chen, Xiangyu Zhu, Zhen Lei

机构 * MAIS, CASIA(中国科学院自动化研究所多模态人工智能系统实验室) ; SAI, UCAS(中国科学院大学人工智能学院) ; IIE, CAS(中国科学院工程研究所) ; SCSE, FIE, M.U.S.T.(澳门科技大学资讯科技学院)

AI总结 提出基于MLLM的FaceJev方法,通过直接视觉决策检测人脸伪造,构建PartForensics数据集并提出FS-GRPO优化,在未见过的操作上比最强基线提升7.25个百分点。

展开摘要

展开后加载摘要…

URL PDF HTML 收藏
2611.21602 2026-11-17 cs.LG cs.CL 新提交

Quantifying the added value of human forecaster discussions for tropical cyclone intensity prediction

量化人类预报员讨论对热带气旋强度预报的附加价值

Ilia Azizi, Frederick Iat-Hin Tam, Marc-Olivier Boldi, Valérie Chavez-Demoulin, Tom Beucler

机构 * HEC Lausanne(洛桑高等商学院) ; Faculty of Geosciences and Environment(地球科学与环境学院) ; Expertise Center for Climate Extremes(气候极端事件专业中心) ; University of Lausanne(洛桑大学)

AI总结 本研究通过637个热带气旋数据,结合文本与数值因子,发现人类预报员讨论可提升热带气旋强度预报精度,为多模态学习辅助预报提供依据。

Comments 74 pages, 24 figures, 35 tables

展开摘要

展开后加载摘要…

URL PDF HTML 收藏
2611.21600 2026-11-17 cs.CV cs.CL cs.LG 新提交

How VLMs Plan What's Next

视觉语言模型如何规划下一步

Rohit Gandikota, Arnab Sen Sharma, Adam Belfki, David Bau

机构 * Northeastern University(东北大学)

AI总结 该研究揭示了视觉语言模型规划描述图像顺序的四步机制,通过Qwen3-VL模型的因果修补验证了机制各部分,且该机制在多场景及各规模模型中成立,为研究模型多步骤任务规划提供了新路径。

展开摘要

展开后加载摘要…

URL PDF HTML 收藏
2611.21597 2026-11-17 cs.LG stat.ML 新提交

Optimal Autoregressive Chain-of-Thought Learning via Bagging

基于装袋法的最优自回归思维链学习

Awni Altabaa, John Lafferty, Omar Montasser

机构 * Yale University(耶鲁大学)

AI总结 该研究提出基于装袋法的自回归思维链学习算法,在二元词集下达到与思维链长度无关的最优样本复杂度,有限词集下在对数词集大小因子内最优,且可将多数投票集成蒸馏为单个生成器。

展开摘要

展开后加载摘要…

URL PDF HTML 收藏
2611.21596 2026-11-17 cs.RO cs.LG 新提交

SADL: On the Demand-Supply Geometry of Representation Collapse

SADL:表征坍缩的供需几何

Junhan Sun, Yigui Feng, Mingzhe Liu, Haoyan Xu, Lei Ye, Ziqi Han, Hanru Bai, Yanzhao Zhang, Hao Zhao, Guofeng Zhang

机构 * State Key Laboratory of CAD&CG, Zhejiang University(浙江大学CAD&CG国家重点实验室) ; Alibaba Group(阿里巴巴集团) ; AIR, Tsinghua University(清华大学AIR研究院)

AI总结 该研究针对联合嵌入预测架构中的表征坍缩问题,提出SADL供需损失,通过匹配投影器需求与编码器供给的表征差异抑制坍缩,在多任务、图像分类等任务中显著提升性能与稳定性。

Comments 49 pages, including references and appendices

展开摘要

展开后加载摘要…

URL PDF HTML 收藏
2611.21586 2026-11-17 cs.CL 新提交

Beyond Job Titles: Interpreting Early-Career Job Advertisements with Sparse Autoencoders and Semantic Clustering

超越职位头衔:利用稀疏自编码器与语义聚类解读早期职业职位招聘信息

Yisong Cao, Leah Kim, Brian Wright, Ali Rivera

机构 * Active Learning Lab(主动学习实验室) ; School of Data Science, University of Virginia(弗吉尼亚大学数据科学学院)

AI总结 该研究针对早期职业职位招聘信息,提出结合PERC方法、GPT-6 Luna、Llama-3.1-8B-Instruct及稀疏自编码器的分析框架,揭示不同技术岗位的工作内容差异,为职位分析提供自动化支持。

展开摘要

展开后加载摘要…

URL PDF HTML 收藏
2611.21584 2026-11-17 cs.LG cs.DC 新提交

CertiSum: Bitwise-Identical MXFP4 Training Across Platforms and Parallelism Layouts

CertiSum:跨平台与并行布局的逐位一致MXFP4训练

Steve Rhyner, Yubo Gao, Stefan de Lasa, Sankeerth Durvasula, Nandita Vijaykumar

机构 * University of Toronto(多伦多大学) ; Vector Institute(向量研究所) ; NVIDIA(英伟达公司)

AI总结 CertiSum解决MXFP4训练的非确定性问题,通过原生FP32累加等技术实现跨平台与并行布局的逐位一致训练,在多模型实验中验证了其效果与性能。

展开摘要

展开后加载摘要…

URL PDF HTML 收藏
2611.21571 2026-11-17 cs.LG 新提交

DynSurvX: Time-Resolved Explanations for Dynamic Survival Predictions

DynSurvX:用于动态生存预测的时间分辨解释方法

Van Tuan Nguyen, Agathe Guilloux

机构 * Inria, Université Paris Cité, Inserm(法国国家信息与自动化研究所、巴黎西岱大学、法国国家健康与医学研究院)

AI总结 本研究提出模型不可知的可解释性框架DynSurvX,通过分层两阶段策略为动态生存预测提供时间分辨解释,在模拟与临床数据集上验证其稳健性,可降低计算时间并提升解释实用性。

展开摘要

展开后加载摘要…

URL PDF HTML 收藏
2611.21565 2026-11-17 cs.CV cs.LG 新提交

When Do Histology Foundation Models Need Geometric Test-Time Augmentation?

组织学基础模型何时需要几何测试时增强?

Lars Chen, Valentino F. Foit, Dorry Segev, Michal Mankowski

机构 * New York University Langone Health(纽约大学朗格尼健康中心) ; University of Tübingen(蒂宾根大学)

AI总结 该研究通过基准测试9个组织学基础模型和6个通用模型,发现D₄ TTA对组织学基础模型的收益小于通用模型,提出的熵路由可减少计算开销,且斑块级TTA改进无法迁移到切片级MIL。

Comments 17 pages, 5 figures

展开摘要

展开后加载摘要…

URL PDF HTML 收藏
2611.21563 2026-11-17 cs.CV 新提交

Wildfire-SSR: Geolocation-Aware Multimodal Fusion for Structure-Level Wildfire Risk Assessment

Wildfire-SSR:面向结构级野火风险评估的地理定位感知多模态融合

Yu-Hsuan Ho, Yiming Xiao, Hao-En Lai, Ali Mostafavi, Samuel D. Brody

机构 * Texas A&M University(得克萨斯农工大学) ; Institute for Disaster Resilient Texas(得克萨斯州灾害韧性研究院)

AI总结 本研究提出Wildfire-SSR多模态框架,融合卫星与街景特征,在洛杉矶2025年两场野火的约3.7万座建筑上测试,实现更精准的结构级野火风险评估,优于基线模型。

展开摘要

展开后加载摘要…

URL PDF HTML 收藏
2611.21559 2026-11-17 cs.CV 新提交

Reference Forcing: Long Video Generation with Region-Guided Drift Correction

参考强制:带有区域引导漂移校正的长视频生成

Sheng Zhao, Haitian Zheng, Weikai Lin, Junjie Zhao, Yuhao Zhu

机构 * University of Rochester(罗切斯特大学) ; Adobe(奥多比公司)

AI总结 提出Reference Forcing方法,以初始帧为外观参考,结合区域引导的注意力蒸馏与KV缓存值校正,提升长视频生成的主体和背景一致性,效果随视频长度提升。

Comments 17 pages, 12 figures, 3 tables. Project page: https://zhaosheng-thu.github.io/reference-force/

展开摘要

展开后加载摘要…

URL PDF HTML 收藏
2611.21554 2026-11-17 cs.LG cs.CL 新提交

Reading or Remembering? Measuring Temporal Contamination in Language Models

阅读还是记忆?测量语言模型中的时间污染

Arunkumar V, Gangadharan G. R., S. Senthilkumar

机构 * Anna University(安娜大学) ; NIT Tiruchirappalli(蒂鲁吉拉伯利国家理工学院)

AI总结 该研究针对语言模型用于经济预测时存在的时间污染问题,通过对比现代开放模型与无记忆的时间一致模型,提出直接测量模型记忆的前瞻审计方法。

Comments 17 pages

展开摘要

展开后加载摘要…

URL PDF HTML 收藏
2611.21553 2026-11-17 cs.CV 新提交

BLIP-Live: Balancing Timeliness & Firing Precision in Proactive Streaming Video Agents

BLIP-Live:主动式流视频智能体中时效性与响应精度的平衡

Kanchana Ranasinghe, Honglu Zhou, Dominick Reilly, Le Xue, Shusheng Yang, Juan Carlos Niebles, Silvio Savarese, Ran Xu

机构 * Salesforce AI Research(Salesforce人工智能研究院)

AI总结 本研究提出BLIP-Live框架,构建含78万标注的数据集与PAUC-F指标,结合滑动窗口等技术提升VLMs主动响应能力,其BLIP-Live-Qwen模型在四个基准上性能最优,较基线最高提升44%。

展开摘要

展开后加载摘要…

URL PDF HTML 收藏
2611.21545 2026-11-17 cs.AI cs.CL cs.CY 新提交

Right Reason, Wrong Advice: Evaluating Recourse in LLM Explanations of Denied Requests

正确理由,错误建议:评估被拒绝请求的LLM解释中的求助权

Arunkumar V

机构 * University College of Engineering, BIT Campus, Anna University(安娜大学BIT校区工程学院)

AI总结 该研究针对LLM为被拒绝请求提供的解释,提出求助权有效性概念,发现多数规则系统中单个正确理由难提供求助权,现有LLM评判难识别失效,需按决策函数构建解释并以行动有效性评判。

Comments 21 pages

展开摘要

展开后加载摘要…

URL PDF HTML 收藏
2611.21539 2026-11-17 cs.CV cs.CL cs.LG 新提交

Seen but Unsaid: Locating and Repairing Cross-Image Comparison in Vision-Language Models

可见却未言明:定位与修复视觉-语言模型中的跨图像比较问题

Zhaoning Zhang

机构 * University of Toronto(多伦多大学)

AI总结 本文针对视觉-语言模型跨图像比较失效问题,定位到两类失效点,通过调整特定注意力头的跨图像注意力或训练其查询键投影,显著提升了合成形状匹配、HPatches及SPair-71k等任务的准确率。

Comments 18 pages, 3 figures, 19 tables

展开摘要

展开后加载摘要…

URL PDF HTML 收藏
2611.21538 2026-11-17 cs.LG cs.AI cs.CL 新提交

Optimistic Verifiers Get Hacked: Reward Hacking Under an Exact Process Oracle

乐观验证器被黑客攻击:在精确过程预言机下的奖励黑客行为

Arunkumar V, Manoranjan Gandhudi, Gangadharan G. R., Arun Prakash, S. Senthilkumar

机构 * University College of Engineering, BIT Campus, Anna University(安娜大学 BIT 校区工程学院) ; Central University of Karnataka(卡纳塔克邦中央大学) ; National Institute of Technology Tiruchirappalli(蒂鲁吉拉帕利国家理工学院) ; Jawaharlal Nehru University(贾瓦哈拉尔·尼赫鲁大学)

AI总结 本文研究在精确过程预言机下,乐观验证器易受奖励黑客攻击的问题,通过构建含124416个上下文的授权策略设置,发现四种表型,提出可预测表型的无模型审计方法,并发布相关测试平台与策略。

Comments 30 pages. A shorter version, "The Verifier Gap", appears at the NeurIPS 2026 Workshop on Meta-Agents (non-archival)

展开摘要

展开后加载摘要…

URL PDF HTML 收藏
2611.21535 2026-11-17 cs.CL cs.CY cs.SI 新提交

Evaluating Cultural Reasoning and Robustness in LLMs for Spanish Political Discourse

评估西班牙语政治话语大语言模型的文化推理与鲁棒性

Jorge Valverde-Rebaza, Nathan Garcia-Larios, Karime Ruvalcaba-Perez, Alejandro Rendon, Santiago Sanchez-Ballesteros, Alejandro Martin del Campo

机构 * School of Engineering and Sciences(工程与科学学院) ; Tecnologico de Monterrey(蒙特雷科技大学)

AI总结 该研究针对西班牙语政治话语,提出含三类子集的鲁棒性评估协议,对比不同LLM的情感分析表现,发现GPT-4.1-mini最稳定,少样本提示增益有限,还公开了标注数据集。

Comments Accepted for publication in Latin American Conference on Informatics (CLEI 2026)

展开摘要

展开后加载摘要…

URL PDF HTML 收藏
2611.21530 2026-11-17 cs.CV 新提交

DuoFlow: Towards Synchronized Speech and Motion Generation with Fine-Grained Control

DuoFlow:实现带细粒度控制的同步语音与动作生成

Jun Dong, Ronghui Li, Zhongyuan Hu, Yunqi Zhao, Lijie Guo, Ruizhang Xu, Di Kang, Linchao Bao, Xiu Li

机构 * Tsinghua University(清华大学) ; Tencent(腾讯)

AI总结 针对现有联合语音-动作生成模型缺乏显式控制的问题,构建基准MotionSpeech,提出双流潜在流变换器DuoFlow,实现带细粒度控制的同步语音与动作生成。

展开摘要

展开后加载摘要…

URL PDF HTML 收藏
2611.21529 2026-11-17 cs.AI cs.CL cs.LG 新提交

Procedure without Judgment: What Small Language Models Learn under an Exact Verifier

无判断的流程:小型语言模型在精确验证器下的学习内容

Arunkumar V, Manoranjan Gandhudi, Gangadharan G. R., Arun Prakash, S. Senthilkumar

机构 * Anna University(安娜大学) ; Central University of Karnataka(卡纳塔克邦中央大学) ; NIT Tiruchirappalli(蒂鲁吉拉帕利国家理工学院) ; Jawaharlal Nehru University(贾瓦哈拉尔·尼赫鲁大学)

AI总结 该研究探究小型语言模型在精确验证器下的学习内容,发现算法训练的学生模型优于前沿模型训练的,且固定充分性检查流程无法迁移,强化学习反转了策略。

Comments 17 pages

展开摘要

展开后加载摘要…

URL PDF HTML 收藏
2611.21524 2026-11-17 cs.LG cs.AI 新提交

Algorithm Distillation for Safe In-Context Reinforcement Learning

用于安全上下文强化学习的算法蒸馏

Minjae Kwon, Amir Moeini, Shangtong Zhang, Lu Feng

机构 * University of Virginia(弗吉尼亚大学)

AI总结 本研究针对安全上下文强化学习的算法蒸馏问题,提出分两阶段的预算感知教师蒸馏方法及测试时调整的A-Lag,在五个基准任务上降低了成本并改善了多数任务的回报。

展开摘要

展开后加载摘要…

URL PDF HTML 收藏
2611.21519 2026-11-17 cs.CL cs.CY cs.SI 新提交

Embedding Cosine Measures Text Length Before It Measures Homogenization

嵌入余弦在衡量同质化之前先衡量文本长度

Fengming Liu

机构 * University of Chicago(芝加哥大学)

AI总结 本文发现Transformer嵌入的余弦相似度指标受文本长度干扰,修正后显示两政治阵营在2019-2022年趋同,ChatGPT前停止趋同,跨阵营回复更密切。

Comments 11 pages, 10 figures, 2 tables. Re-measurement of arXiv:2608.13674

展开摘要

展开后加载摘要…

URL PDF HTML 收藏
2611.21517 2026-11-17 cs.RO cs.AI 新提交

Lazy-MOSAIC: Accelerating Skill-Centric Manipulation Planning with Learned Skill-Effect World Models

Lazy-MOSAIC:基于学习的技能效果世界模型加速以技能为中心的操作规划

Itamar Mishani, Mukund Krishnakumar, Oren Salzman, Maxim Likhachev

机构 * Robotics Institute, School of Computer Science, Carnegie Mellon University(卡内基梅隆大学计算机科学学院机器人研究所) ; Department of Computer Science, Technion, Israel Institute of Technology(以色列理工学院计算机科学系)

AI总结 本研究提出Lazy-MOSAIC框架,用学习的技能效果世界模型降低计算成本,在杂乱货架检索任务中,其规划速度更快、模拟器查询更少且成功率不低于基线。

Comments Under review

展开摘要

展开后加载摘要…

URL PDF HTML 收藏
2611.21507 2026-11-17 cs.RO cs.CV 新提交

GHySSeg: Real-Time Geometric Ground and Road Segmentation for Hybrid Solid-State LiDAR

GHySSeg:用于混合固态激光雷达的实时几何地面与道路分割

Martín Palos, Fernando García

机构 * Universidad Carlos III de Madrid(马德里卡洛斯三世大学)

AI总结 提出纯几何方法GHySSeg,利用混合固态激光雷达的密集逐曲线特性,在新发布的HySoLiD-Drive基准上,以实时性能超越现有方法,实现高精度地面与道路分割。

Comments 14 pages, 8 figures, 3 tables. Submitted to IEEE Transactions on Intelligent Transportation Systems. This work has been submitted to the IEEE for possible publication. Copyright may be transferred without notice, after which this version may no longer be accessible. HySoLiD-Drive dataset: https://doi.org/10.5281/zenodo.21705196

展开摘要

展开后加载摘要…

URL PDF HTML 收藏
2611.21486 2026-11-17 cs.LG cs.AI cs.FL stat.ML 新提交

Differentiable Exact Learning

可微精确学习

Hristo Papazov, Francesco D'Angelo, Nicolas Flammarion

机构 * EPFL(洛桑联邦理工学院)

AI总结 该研究提出可微精确学习框架与DFST模型,结合状态跟踪控制器、无界外部环境及PTO,实现极端长度泛化,可精确执行算术与通用模拟任务。

Comments Accepted in NeurIPS 2026

展开摘要

展开后加载摘要…

URL PDF HTML 收藏
2611.21479 2026-11-17 cs.CV cs.AI 新提交

LynnReal-Hand: Unlocking World Interaction with Hand Control

LynnReal-Hand:通过手部控制解锁世界交互

Shaohao Rui, Chaoyang Zhang, Xiaofeng Mao, Weijie Ma

机构 * LynnReal AI(LynnReal人工智能)

AI总结 本研究提出手部控制视频世界模型LynnReal-Hand,通过整理10万条交互片段、开发手部感知监督、学习因果流图、引入区域感知分数蒸馏及提出Ultra-Fast-VAE解码器,在HandBench上实现更优性能,将发布相关资源支持该领域研究。

展开摘要

展开后加载摘要…

URL PDF HTML 收藏
2611.21478 2026-11-17 cs.CL 新提交

Jetriever: Shifting Agent Memory Retrieval from Similarity to Utility

Jetriever:将智能体的记忆检索从相似度匹配转向效用评估

Ruizhe Li, Licheng Zhang, Mingxuan Du, Zhendong Mao

机构 * University of Science and Technology of China (USTC)(中国科学技术大学)

AI总结 Jetriever用Jev决策评分的全池效用评分替代相似度搜索,在InMind、MemoryAgentBench等任务上的记忆检索准确率优于BM25、MiniLM、ReFind等方法,且成本较低。

Comments 13 pages, 1 figure, 8 tables. Project repository: https://github.com/imlrz/Jetriever

展开摘要

展开后加载摘要…

URL PDF HTML 收藏
2611.21476 2026-11-17 cs.AI 新提交

Generative AI and the Crisis of Higher Education Assessments: Examining 'AI-Proofing' Strategies for College-Level Assessments

生成式AI与高等教育评估的危机:探究大学级评估的“防AI”策略

Bonam Mingole, Davis Yadav, Hui Min Lee, S. Shyam Sundar, Amulya Yadav

机构 * Pennsylvania State University(宾夕法尼亚州立大学) ; Sungkyunkwan University(成均馆大学)

AI总结 本研究针对高等教育面临的生成式AI带来的学术诚信挑战,收集跨学科的大学评估题目,评估三款LLM的表现,确定教师的五种“防AI”策略并测试其效果,为评估设计等提供启示。

展开摘要

展开后加载摘要…

URL PDF HTML 收藏
2611.21472 2026-11-17 cs.CV 新提交

Event-Triggered Visual Perception for Real-Time Harvest Outcome Estimation in Mechanical Blueberry Harvesting

机械蓝莓收获中用于实时收获结果估计的事件触发式视觉感知

Nicolas Miroslav Husár, Jelle Driessen, Petra Bosilj, Başak Sakçak

机构 * Maastricht University(马斯特里赫特大学) ; Fine Field(法恩菲尔德公司)

AI总结 本研究开发了一种事件触发式机器视觉系统,可在仅CPU的工业计算机上运行,通过三类检测器实时估计机械收获蓝莓的成熟度,误差小且满足田间处理时间要求,可辅助收获决策。

展开摘要

展开后加载摘要…

URL PDF HTML 收藏
↑