#前沿研究
共 6587 篇相关文章
APRIL：呼吸音分类的免回放增量学习新框架
APRIL框架提出免回放域增量学习，通过低秩专家隔离与歧义感知路由解决呼吸音分类中的域偏移和灾难性遗忘，在ICBHI和SPRSound上实现低于1%的遗忘率。
SciDiagBench：按图类型评估科学图表的新基准
SciDiagBench 是一个按图表类型分类的科学图表评估基准，包含 11 种类型、165 张图表，通过人类偏好引导让自动评估更贴近专家判断，弥补现有 VLM 基准的通用标准缺陷。
指针网络跨尺度泛化难题：从比较到选择的新解法
指针网络在无人机配送路径规划中面临跨尺度泛化难题。最新研究剖析节点密度偏移、注意力弥散与图上下文稀释三大成因，提出熵注意力缩放与可学习聚合机制，并用方法选择器在九个规模组合上实现最高3.2%的成本改进。
HypTI：双曲几何感知多模态融合，提升痴呆检测精度
论文提出HypTI框架，首次将双曲几何引入临床表格与MRI的多模态融合，通过Lorentz原型建模评估层级、ROI引导多尺度编码捕捉解剖模式，并在OASIS-3数据集上验证痴呆检测性能。
量子生成先验如何革新世界模型？Quantum-JEPA给出答案
Quantum-JEPA提出条件量子玻恩先验，为JEPA世界模型学习多模态未来表征分布。模型在多模态任务和D3IL基准上生成多条避障路线，并在真实QPU上验证推理可行性，兼顾预测质量与参数效率。
MMEnterprise-Bench：企业Agent如何应对多模态记录演变？
MMEnterprise-Bench是面向企业Agent的多模态评测基准，含1,613个问题，覆盖证据推理、冲突消解与不可回答性三类任务。实验显示最强模型在跨来源和时间冲突下仍表现吃力，且增加检索预算并不稳定提升答案准确率。
近重复图像选择如何隐秘传递模型偏好？
新研究发现，视觉语言模型在近重复图像间的选择会隐秘传递偏好，猫头鹰等目标偏好可在LLaVA、Qwen、Gemma等模型中定向转移，甚至跨代累积，挑战去重操作的安全性认知。
PhyNet：物理变量引导的工业流体系统故障诊断新框架
PhyNet 提出物理变量引导的深度学习框架，通过物理到响应交叉注意力机制解决工业流体系统异构采样下的故障诊断难题，在空化与两相流数据集上全面领先。
DPO超参数景观：规模如何改变最优解，为何不能跨数据集迁移
一项系统性研究通过密集超参数网格实验揭示DPO超参数景观：最优学习率随模型规模变化，超参数无法跨数据集迁移，验证损失与下游基准最优解仅弱相关，短候选训练可显著降低调参成本。
枚举引导训练：打造可靠的神经Hamilton-Jacobi安全证书
本文介绍了一种枚举引导的神经Hamilton-Jacobi安全证书训练框架，通过概率枚举检测前向不变性违反，生成精准反例以微调证书，扩大认证区域并减少认证时间。在Isaac Sim和真实自动驾驶赛车实验中实现零安全违规。
LaLa-World：用自然语言动作扩展潜在世界模型
LaLa-World 提出语言条件潜在世界模型，用自然语言统一动作与视觉变化，实现跨域联合训练。规划性能优于专用 LWM，训练成本仅为视频生成基线的1/6，规划速度快13.9倍，下游策略 LaLa-Policy 推理最高快5.5倍。
SPIN优化器：为在线持续学习量身定制的稳定性-可塑性插值方案
本文介绍专为在线持续学习（OCL）设计的新型优化器SPIN，通过插值可塑性与稳定性序列，隐式实现逆Hessian近似与Tikhonov正则化，在无回放和严格内存约束下显著提升多种OCL方法性能。
GPT-Rosalind推出学术计划：美国高校实验室可免费使用AI科研工具
OpenAI推出GPT-Rosalind学术计划，为符合条件的美国高校科学实验室提供赞助访问权限，帮助科研团队将AI用于理解生物学、探索研究思路和决定下一步实验方向。
WildMAE：结构感知掩码自编码器如何提升野生动物图像重建
WildMAE 在 MAE 解码器端引入结构感知卷积残差与门控交叉注意力，在 Snapshot Serengeti 数据集 75% 掩码下实现 PSNR 27.90 dB、SSIM 0.840、LPIPS 0.160，优于原始 MAE。本文解读其架构、训练策略与实验局限。
AdaDex：混合模仿框架破解灵巧手技能泛化难题
AdaDex 提出混合灵巧模仿框架，用单一策略在运动跟踪与泛化两类并行环境中联合训练，仅需数秒人类轨迹即可习得功能性抓取、手内重定向、抛接等可泛化灵巧技能，并完成真机迁移。
神经算子PUN：噪声环境下的高效规划新范式
PUN神经算子通过改进边界条件和摊销蒙特卡洛计算，在噪声环境下实现高效规划，4D基准成功率95-100%且运行时间最低，最高噪声下成功率提升10.7-60.6%。
SAPD：无需环境交互，从离线轨迹高效训练LLM智能体
SAPD是一种从离线轨迹训练LLM智能体的新方法，无需环境交互，通过分解轨迹和相对步骤优势信号实现稳定训练，在ALFWorld等任务上性能提升且训练速度比在线OPD快4.7倍。
ProVe解码：大模型当提案者，投机解码反着来
ProVe解码反转投机解码角色，让大模型当提案者一次预测token块，32B模型实现2.5倍吞吐且无需草稿头，小验证者下可达2.7倍但精度略降。
