Posterior Matching Distillation
机构 * Virginia Tech(弗吉尼亚理工大学) ; NVIDIA(英伟达)
AI总结 提出后验匹配蒸馏(PMD),结合覆盖模式的后验采样与任意步生成,无需辅助得分网络,在SDXL和FLUX.2 4B的4步方法中FID最优,且提示对齐等指标表现有竞争力。
Comments Project Page: https://pmd-distillation.github.io/
机构 * Virginia Tech(弗吉尼亚理工大学) ; NVIDIA(英伟达)
AI总结 提出后验匹配蒸馏(PMD),结合覆盖模式的后验采样与任意步生成,无需辅助得分网络,在SDXL和FLUX.2 4B的4步方法中FID最优,且提示对齐等指标表现有竞争力。
Comments Project Page: https://pmd-distillation.github.io/
机构 * Virginia Tech(弗吉尼亚理工大学) ; Georgia Tech(佐治亚理工学院) ; IBM Research(IBM研究院)
AI总结 该研究发现扩散Transformer的RL后训练核心是激活引导,固定引导向量可恢复多数RL调优模型的奖励提升,无需输入相关变换。
Comments Project page: https://rl-is-steering.github.io
一个先验,两种动力学:将视频扩散Transformer重新用于自监督潜在动作学习
机构 * Show Lab, National University of Singapore(新加坡国立大学Show实验室) ; A*STAR, Singapore(新加坡科技研究局) ; Tencent(腾讯) ; Stanford University(斯坦福大学)
AI总结 该研究提出O²LaF,利用预训练视频DiT作为先验,通过逆、前向动力学模型从无标签视频学习动作,在少样本动作探测等任务中达SOTA,还可扩展至V-JEPA2等模型。
Comments Project page: https://showlab.github.io/o2laf Code: https://github.com/showlab/O2LaF
ScaleWorld:通过共享预测与细化实现高分辨率世界生成
机构 * Xiamen University(厦门大学) ; Southeast University(东南大学) ; City University of Hong Kong(香港城市大学) ; National University of Singapore(新加坡国立大学)
AI总结 ScaleWorld是一种因果视频模型,通过共享主干统一低分辨率预测与高分辨率细化,引入TA-OPD解决蒸馏任务干扰,实现高效高质量的高分辨率世界生成。
AgentRoboCritic:探究前沿智能体在直接机器人控制上的能力
机构 * Carnegie Mellon University(卡内基梅隆大学) ; University of Illinois at Urbana-Champaign(伊利诺伊大学厄巴纳-香槟分校) ; Bosch Research North America & Bosch Center for Artificial Intelligence (BCAI)(博世北美研究院与博世人工智能中心(BCAI))
AI总结 本文提出AgentRoboCritic框架,对前沿智能体在12个机器人操作基准上开展动作级分析,验证了其直接控制机器人的能力,同时揭示局限,并发布相关数据集与微调后的批判器Muse-Glimmer-30B,提升了失败模式分析的准确率。
Comments 28 pages. Project page: https://adu2021.github.io/blog/AgentRoboCritic/
机构 * Apple(苹果公司)
AI总结 本研究提出Depth Pro 2网络,解决单目深度估计中时间一致性与边界清晰度的权衡问题,生成兼具三者优势的深度图,性能优于现有方法并发布相关模型与代码。
Comments Code and weights available at https://apple-aiml-research.github.io/ml-depth-pro-2/
机构 * University of Chicago(芝加哥大学)
AI总结 本研究针对主动特征获取问题,提出OracleImitator方法,通过提炼显式神谕教师的排序训练策略,在多模态医学诊断和AFABench基准上,以较低成本实现了与现有方法相当或更优的性能。
Comments 16 pages
机构 * Oxford Robotics Institute, University of Oxford(牛津大学牛津机器人研究所) ; Department of Computer Science, University of Oxford(牛津大学计算机科学系)
AI总结 针对人形机器人长周期移动操作任务中VLA模型的时间结构与精度耦合难题,提出PGX框架,通过三层分解提升阶段进展与任务成功率,经模拟及真实机器人实验验证有效。
Coda-DaVinci:用Code2Video重新构想视频生成
机构 * Nanjing University(南京大学) ; KlingAI Research(KlingAI研究院) ; Peking University(北京大学) ; Hong Kong University of Science and Technology (Guangzhou)(香港科技大学(广州)) ; University of Hong Kong(香港大学) ; Tsinghua University(清华大学)
AI总结 Coda-DaVinci是一个任务自适应智能体框架,通过研究Code2Video的代理粒度等问题,在VTR、R2M等数据集上提升了视频生成的指令遵循、场景一致性等表现。
Comments 47 pages
ProtoDiffusion:面向多层图像的逐层 token 生成建模
机构 * Canva ; Queen Mary University of London(伦敦大学玛丽皇后学院) ; Universidade Estadual de Maringá(马林加州立大学)
AI总结 提出 ProtoDiffusion 框架,基于 ProtoVAE 实现多层图像的高效生成建模,支持图像/文本转设计,在重建质量、生成指标及速度上均优于现有方法。
Comments 20 pages, 16 figures
机构 * University of Potsdam(波茨坦大学)
AI总结 该研究探究后训练对语言模型表征与答案读出的影响,通过对比线性探针与模型答案,发现后训练会改变答案读出方式,少量训练信号可调整该方向。
Comments 64 pages, 7+2 figures, 4+6 tables
PhyDEX:基于动态外在灵巧性的视觉-语言-动作模型物理推理基准
机构 * VinUniversity ; University of Arkansas(阿肯色大学) ; Center for AI Research, VinUniversity(VinUniversity人工智能研究中心) ; University of Stuttgart(斯图加特大学) ; DFKI(德国人工智能研究中心) ; Max Planck Research School for Intelligent Systems(马克斯·普朗克智能系统研究学校) ; University of Liverpool(利物浦大学)
AI总结 本研究推出PhyDEX物理推理基准,评估VLA模型在动态外在灵巧性投掷任务中的表现,发现现有模型成功率不足3%,揭示其物理感知与鲁棒性瓶颈,推动机器人策略发展。
使用病理基础模型和多实例学习的 Barrett 食管不典型增生的多机构分级(无需染色归一化)
机构 * Mayo Clinic(梅奥诊所) ; University of Pennsylvania(宾夕法尼亚大学) ; Baylor University Medical Center(贝勒大学医学中心) ; Baylor Scott and White Center for Esophageal Diseases(贝勒斯科特和怀特食管疾病中心) ; Oregon Health and Science University(俄勒冈健康与科学大学) ; University of Alabama Birmingham(阿拉巴马大学伯明翰分校) ; University of North Carolina Chapel Hill(北卡罗来纳大学教堂山分校) ; University of Colorado Anschutz Medical Campus(科罗拉多大学安舒茨医学校区) ; Mayo Clinic Alix School of Medicine(梅奥诊所艾利克斯医学院)
AI总结 本研究开发了一种基于病理基础模型和多实例学习的深度学习系统,无需染色归一化即可对多机构的Barrett食管不典型增生分级,在测试集上表现出优异的诊断准确性,可消除机构特定预处理的限制。
MM-SystemOneBias:评估多模态Jev风格System One决策模型中的偏差
机构 * School of Artificial Intelligence, Jilin University(吉林大学人工智能学院) ; International Center of Future Science, Jilin University(吉林大学未来科学国际合作联合实验室) ; King Abdullah University of Science and Technology (KAUST)(阿卜杜拉国王科技大学) ; School of Big Data and Software Engineering, Chongqing University(重庆大学大数据与软件工程学院) ; Engineering Research Center of Knowledge-Driven Human-Machine Intelligence, Jilin University(吉林大学知识驱动人机智能工程研究中心)
AI总结 本研究提出MM-SystemOneBias,通过6种配对干预评估13个多模态决策模型,发现决策模型在多数干预下比主干模型更稳定,且存在仅靠准确率无法捕捉的输入影响。
机构 * BRAC University(BRAC大学)
AI总结 该研究提出基于角色与知识方向的方法,在Liars' Bench的四个LLM中三个上提升谎言检测效果,两种方向组合优于同深度监督探针,部分模型表现受基准措辞影响。
机构 * Kyutai(京田) ; ISIR, Sorbonne Université(巴黎第六大学ISIR研究所) ; Google DeepMind(谷歌DeepMind)
AI总结 AURA 是一款音频驱动的流式化身模型,通过两阶段蒸馏实现低延迟生成,1.3B 版速度为双向教师的 23 倍,5B 版与 TalkVerse 质量相当且快 17 倍,已发布权重与数据集。
Comments BMVC 2026. Project page: https://kyutai.org/aura
机构 * International Institute of Information Technology Hyderabad(国际信息技术研究所海得拉巴分校)
AI总结 该研究提出 ADDIS 方法,可更准确分离 LLM 审计中的交叉交互作用与加性效应,在合成数据集及 IndiPersona 人设上,相比传统准则大幅降低虚假亚群标记率,提升交互作用检测准确率。
Comments 40 pages, 8 figures, 29 tables
机构 * Heidelberg University(海德堡大学) ; Medical Faculty Mannheim, Heidelberg University(海德堡大学曼海姆医学院) ; BioQuant, IPMB, Heidelberg University(海德堡大学生物定量与生物医学工程研究所) ; University Hospital Mannheim, Heidelberg University(海德堡大学曼海姆大学医院) ; German Cancer Research Center (DKFZ)(德国癌症研究中心) ; German Cancer Consortium (DKTK)(德国癌症联盟)
AI总结 提出确定性时间嵌入框架,用于钙成像迹线提取,可稳健恢复不规则及空间接触的源,无需显式细胞形状先验,在合成与体内双光子钙成像数据上验证有效。
Comments 5 pages. Submitted to IEEE ISBI 2027
窗口杠杆:在客户行为预测中,更长的观测窗口胜过数据、容量和架构的观测效应
机构 * Amazon(亚马逊)
AI总结 该研究发现,在客户行为预测中,更长的观测窗口对性能的提升幅度远大于数据、模型容量和架构的影响,建议相关团队优先延长观测窗口。
机构 * AMAP, Alibaba Group(阿里云机器学习平台AMAP)
AI总结 Plan4D是耦合Depth Anything 3与LongCat-Video的可规划生成4D世界模型,可预测含密集4D几何的未来视频,在生成式4D建模中达最先进性能。
Comments NeurIPS 2026, Project Page: https://fogradio.github.io/plan4d-project
机构 * Pune Institute of Computer Technology(浦那计算机技术学院) ; L3Cube Labs(L3Cube实验室)
AI总结 针对马哈拉施特拉邦政府计划的双语搜索,提出结合BM25与句子嵌入相似度的混合检索系统,实验显示其MRR较仅密集检索更高,且MahaSBERT融合可提升精确率。
Direct3D-V3:原生体素域中无潜在变量的扩散Transformer
机构 * Nanjing University(南京大学) ; DreamTech(梦科科技) ; The University of Hong Kong(香港大学) ; University of Oxford(牛津大学)
AI总结 提出无潜在变量的Direct3D-V3框架,舍弃VAE直接在原生体素域建模SDF,通过流形正则化、辅助相机预测等提升3D生成质量,可扩展至生成式重建。
Comments The Project Page is: https://dreamtechai.github.io/Direct3D-V3. The Paper is published in ACM TOG (SIGGRAPH Asia 2026)
Journal ref ACM Trans. Graph. 45, 6, Article 244 (December 2026), 18 pages
AutoMaster:通过让同一模型成为更优秀教师实现自主后训练
机构 * Gaoling School of Artificial Intelligence, Renmin University of China(中国人民大学高瓴人工智能学院)
AI总结 AutoMaster是自主后训练系统,通过Skill-FT方法,在固定教师等条件下,使4B、9B规模LLM在Terminal等任务上性能提升1.42-8.99个百分点,且SFT保留技能指令可提升性能。
Comments Website: https://aweai-team.github.io/AutoMaster/ Code: https://github.com/RUCAIBox/AutoMaster Models: https://huggingface.co/collections/RUC-AIBOX/automaster
机构 * Fastino Labs(法斯蒂诺实验室)
AI总结 GLiDE是从推理教师蒸馏得到的决策模型,基于Qwen混合语言模型构建,结合软目标蒸馏与渐进式后训练,在Hugging Face模型的性能-参数帕累托前沿表现优异,27B规模版本性能突出。
Comments 18 pages, 8 figures
机构 * McGill University(麦吉尔大学) ; Mila – Quebec AI Institute(米拉-魁北克人工智能研究所) ; Université Laval(拉瓦尔大学)
AI总结 该研究提出以固定参考策略转移矩阵的特征向量构建基,将网格细胞作为谱后继特征,实现无需后继特征网络或回放缓冲区的持续强化学习,在双目标网格世界中性能优于SimpleSF和DQN。
Comments 15 pages, 3 figures. Accepted at the NeurReps and WiML workshops at NeurIPS 2026
机构 * School of ECE, University of Georgia(佐治亚大学电气与计算机工程学院)
AI总结 JARVIS是电力电子领域首款可自主完成电路板设计-制造-测试闭环的具身AI智能体,通过数字孪生预演、协调桌面设备完成实验,在60Hz陷波滤波器测试中2小时39分钟无人工干预实现50.6dB衰减。
Comments 19 pages
机构 * CVLab, EPFL(计算机视觉实验室,洛桑联邦理工学院)
AI总结 该研究针对前馈三维重建中密集注意力计算成本过高的问题,提出SGAR方法,用几何引导的稀疏注意力替代密集注意力,实现了速度与精度的提升。
机构 * Cornell University(康奈尔大学) ; University of Rochester(罗切斯特大学)
AI总结 本研究提出Rad-Linter,用经LoRA微调的15亿参数大语言模型对照胸部X光图像评分检测报告错误,在两组受控测试中均优于规则基线,尤其在解读发现措辞上优势显著。
Comments 34 pages, 4 figures, including supplementary material
机构 * University of Michigan(密歇根大学)
AI总结 该研究针对现有任务指导基准忽略灵活性的问题,提出FLUID框架,利用WTaG和HoloAssist数据构建实时智能体,在多维度性能上实现最优平衡,推动人机交互更自然自适应。
用于外科遥操作共享控制的开源ROS 2框架:将Haply Inverse3与达芬奇研究套件(dVRK)集成
机构 * Institute of Control Systems, Karlsruhe Institute of Technology(卡尔斯鲁厄理工学院控制系统研究所) ; Antal Bejczy Center for Intelligent Robotics, Research and Innovation Center, Óbuda University(布达佩斯欧布达大学安塔尔·贝伊奇智能机器人中心、研究与创新中心)
AI总结 该研究提出开源ROS 2框架,集成Haply Inverse3与dVRK,实现外科遥操作触觉共享控制,经模拟与硬件验证,线性引导可显著减少任务接触次数与时长,为相关研究提供可复现平台。