全部动态

ProcArena基准测试首次全面评估了LLM在直接和交互式PL/SQL开发中的表现，覆盖157个数据库和9个子场景。

O2C-Nav只需一次MLLM调用就能完成视觉语言导航，比现有方法更高效，代码已开源。

COSTER框架通过时间反向生成技术，为自动驾驶训练创建了更真实多样的危险场景，碰撞率降低31%。

这篇论文揭示了MoE模型推理过程中路由相似性的集中-分化-再集中规律，为理解MoE内部计算提供了新视角。

这篇论文解决了LLM评估中的不确定性问题，通过多智能体共识方法让评估结果更可靠。

AutoKD让AI自主完成知识发现，能积累发现并指导后续研究，在三个数据集上都表现出色。

AGSA-Net将光谱解混与自注意力结合，在高光谱图像分类上表现优异，尤其适合城市场景分析。

这篇论文揭示了SVD压缩在注意力机制中与秩崩溃的复杂关系，对模型压缩和优化有重要启示。

这篇论文揭示了图神经网络中一种新型故障模式，并提出了针对性的解决方案CASP，对GNN研究者和应用开发者很有价值。

清华团队提出Bi-HYCO框架，解决PDE参数识别问题，在交互点耦合预测状态，实验效果优于传统PINN/XPINN方法。

SPIRE通过结构熵改进联邦学习中的客户端权重计算，在异构数据下效果显著。

这个新框架解决了递归超分辨率中深度预测缺乏监督的问题，在深层放大上效果更好，还能减少幻觉现象。

这篇论文解释了为什么修剪某些参数会导致DNN性能大幅下降，而其他参数则不会。

清华团队提出OSOL方法，通过分析token足迹解决多领域RL性能退化问题，在Qwen3-30B-A3B上提升5.7%性能。

这篇论文解释了掩码预训练的工作原理，提出了能解决维度坍缩问题的U-MPT方法，还给出了新的掩码策略。

这篇论文教你如何让LLM评估器更聪明地知道何时需要专家帮助，而不是盲目地寻求所有答案。

医学影像领域新研究，用预训练模型提升DWI畸变校正效果，在LMIC数据应用中发现实际挑战。

MIT 团队打造实体化 AI 艺术装置，通过物理操控电视天线体验扩散模型生成过程，比纯软件交互更直观。

DeepSeek团队推出IIns-GAN，能生成真实无线信号，比传统方法更省成本，还能提升各种无线感知任务的训练效果。

UniMate无需测试时优化或每骨架重新训练，就能为任意骨骼生成动画，解决了现有动画师受拓扑限制的问题。

这项研究揭示了LLM解释与实际决策行为之间的差距，对AI系统监控和错误诊断有重要参考价值。

最新研究揭示大模型在分子属性预测中存在数字记忆现象，影响模型评估准确性。

MIT团队发现视觉干扰物如何导致机器人选错目标，并提出三种具体改进方法，在物理机器人上效果显著。

清华团队提出EGF模型，在分子生成任务上超越现有方法，代码已开源

沙特研究显示学生认为ChatGPT反馈有用，但评分权仍应归人类教师。