多模态大模型

Cornserve: A Distributed Serving System for Any-to-Any Multimodal Models

Cornserve：一种用于任意到任意多模态模型的分布式服务系统

Jae-Won Chung, Jeff J. Ma, Jisang Ahn, Yizhuo Liang, Akshay Jajoo, Myungjin Lee, Mosharaf Chowdhury

机构 * University of Michigan（密歇根大学） ； University of Southern California（南加州大学） ； Cisco Research（思科研究） 纠错

专题命中 多模态生成 ：any-to-any(title,abstract)；multimodal(title,abstract)

AI总结 本文提出Cornserve，一种支持任意到任意多模态模型的分布式服务系统，通过灵活的任务抽象和组件解耦实现高效部署，提升了吞吐量和延迟性能。

Comments CAIS 2026 Demo track | Open source at https://github.com/cornserve-ai/cornserve | Demo video at https://www.youtube.com/watch?v=nb8R-vztLRg

The Thinking Pixel: Recursive Sparse Reasoning in Multimodal Diffusion Latents

思考像素：多模态扩散潜在中的递归稀疏推理

Yuwei Sun, Yuxuan Yao, Hui Li, Siyu Zhu

机构 * Shanghai Academy of AI for Science（上海人工智能科学研究院） ； Fudan University（复旦大学） 纠错

专题命中 多模态生成 ：multimodal(title,abstract)；分类 cs.CV、cs.AI

AI总结 本文提出一种递归稀疏混合专家框架，用于提升多模态文本生成任务中视觉token的生成质量，通过递归机制和稀疏参数共享提高生成性能。

Refinement via Regeneration: Enlarging Modification Space Boosts Image Refinement in Unified Multimodal Models

通过再生进行细化：扩大修改空间提升统一多模态模型中的图像细化

Jiayi Guo, Linqing Wang, Jiangshan Wang, Yang Yue, Zeyu Liu, Zhiyuan Zhao, Qinglin Lu, Gao Huang, Chunyu Wang

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

专题命中 多模态生成 ：multimodal(title,abstract)；分类 cs.CV

AI总结 本文提出通过再生进行细化的新框架，通过扩大修改空间提升统一多模态模型的图像细化效果，实验表明在多个基准测试中性能显著提升。

Comments GitHub: https://github.com/LeapLabTHU/RvR

MAIC-UI: Making Interactive Courseware with Generative UI

MAIC-UI: 用生成式UI制作交互式课程ware

Shangqing Tu, Yanjia Li, Keyu Chen, Sichen Zhang, Jifan Yu, Daniel Zhang-Li, Lei Hou, Juanzi Li, Yu Zhang, Huiqin Liu

机构 * Tsinghua University（清华大学） ； Guangzhou University（广州大学） ； Zhejiang University（浙江大学） 纠错

专题命中 多模态生成 ：multi-modal(abstract)；分类 cs.CL、cs.AI

AI总结 MAIC-UI通过零代码系统实现教育者快速编辑交互式课程ware，采用多模态知识分析、生成-验证-优化流程和点击定位编辑技术，提升教学效果和学习公平性。

Comments You can try our demo at https://open.maic.chat/

A Blueprint for AI-Driven Software Quality: Integrating LLMs with Established Standards

AI驱动软件质量的蓝图：整合大语言模型与现有标准

Avinash Patil

机构 * Juniper Networks Inc.（Juniper网络公司） 纠错

专题命中 多模态生成 ：multimodal(abstract)；分类 cs.CL、cs.AI

AI总结 本文探讨了利用大语言模型提升软件质量保证的过程，结合现有标准，分析AI在需求验证、缺陷检测等任务中的应用，并提出未来发展方向。

Comments 16 pages, 2 Table, 7 Figures

IAM: Identity-Aware Human Motion and Shape Joint Generation

IAM：基于身份的人体运动与形状联合生成

Wenqi Jia, Zekun Li, Abhay Mittal, Chengcheng Tang, Chuan Guo, Lezi Wang, James Matthew Rehg, Lingling Tao, Size An

机构 * UIUC（伊利诺伊大学香槟分校） ； Meta Reality Labs（Meta现实实验室） ； Brown University（布朗大学） 纠错

专题命中 多模态生成 ：multimodal(abstract)；分类 cs.CV

AI总结 本文提出一种基于身份的人体运动与形状联合生成框架，通过多模态信号建模身体形态与运动动态的关系，提升运动真实性和身份一致性。

MotionBricks: Scalable Real-Time Motions with Modular Latent Generative Model and Smart Primitives

MotionBricks: 可扩展的实时动作生成与模块化潜在生成模型及智能原语

Tingwu Wang, Olivier Dionne, Michael De Ruyter, David Minor, Davis Rempe, Kaifeng Zhao, Mathis Petrovich, Ye Yuan, Chenran Li, Zhengyi Luo, Brian Robison, Xavier Blackwell, Bernardo Antoniazzi, Xue Bin Peng, Yuke Zhu, Simon Yuen

机构 * NVIDIA ； Simon Fraser University（西蒙·弗雷泽大学） ； The University of Texas at Austin（得克萨斯大学奥斯汀分校） 纠错

专题命中 多模态生成 ：multi-modal(abstract)；分类 cs.AI

AI总结 本文提出MotionBricks，通过模块化潜在生成模型和智能原语实现实时动作生成，解决工业应用中实时可扩展性和多模态控制的挑战，展示了高质量和实时性能。

Comments ACM Transactions on Graphics; SIGGRAPH 2026. Project page: https://nvlabs.github.io/motionbricks/

Generative diffusion models for spatiotemporal influenza forecasting

生成扩散模型用于时空流感预测

Joseph Lemaitre, Justin Lessler

机构 * Department of Epidemiology, Gillings School of Global Public Health, University of North Carolina at Chapel Hill（流行病学系，全球公共卫生学院，北卡罗来纳大学查佩尔希尔分校） ； Department of Epidemiology, Johns Hopkins Bloomberg School of Public Health, Baltimore, MD 21205, USA（流行病学系，约翰·霍普金斯伯恩斯坦公共卫生学院，巴尔的摩，MD 21205, USA） ； Carolina Population Center, University of North Carolina at Chapel Hill（卡罗来纳人口中心，北卡罗来纳大学查佩尔希尔分校） 纠错

专题命中 多模态生成 ：multimodal(abstract)

AI总结 本文提出Influpaint模型，利用扩散模型对流感流行病进行时空预测，通过将流感季节编码为时空图像，学习疾病动态的丰富分布，并在回顾评估中实现了与领先集成方法相当的预测精度。