访问下述每篇论文的 studyai.com 站点链接即可看到每篇论文的可视化解读以及各个大模型对这篇论文的全方位解读

Decoupled Graph Energy-based Model for Node Out-of-Distribution Detection on Heterophilic Graphs

异质图中基于解耦图能量的节点分布外检测模型

文章解读: 异质图中基于解耦图能量的节点分布外检测模型
http://www.studyai.com/xueshu/paper/detail/5876538239

Q1: 这篇论文的主要内容是什么？

Q4: 这篇论文的主要动机是什么？

1. ​图数据 OOD 检测的不足​：尽管在图像领域关于 Out-of-Distribution (OOD)检测的研究很多，但在图数据节点 OOD 检测方面仍有很大的探索空间。图节点之间的相互依赖性使得直接将图像领域的 OOD 检测方法应用于图数据变得困难。
2. ​现有方法的局限性​：现有的图 OOD 检测方法，如 GNNSafe，虽然考虑了节点依赖性，但存在两个主要问题：一是节点能量是从分类 logits 中推导出来的，没有专门针对数据分布建模进行训练，导致识别 OOD 数据的效果不佳；二是高度依赖于能量传播技术，而能量传播技术基于同质性假设，在异质性图上会导致显著的性能下降。
3. ​异质性图的挑战​：异质性图中，节点的邻居往往具有不同的类别分布，这会导致基于同质性假设的能量传播技术性能大幅下降，而现有的图 OOD 检测方法并未充分考虑到这一点。
4. ​计算挑战​：通过最大似然估计 (MLE) 训练能量模型 (EBM) 需要在节点特征和节点邻居上执行马尔可夫链蒙特卡罗 (MCMC) 抽样，这对于具有复杂拓扑结构的图来说是一个挑战。

基于以上动机和灵感，论文提出了 Decoupled Graph Energy-based Model (DeGEM) 方法，以解决现有方法的局限性，并克服异质性图上的计算挑战。

Q5: 这篇论文的主要创新点是什么？

1. ​**解耦图能量模型（Decoupled Graph Energy-based Model，DeGEM）**​：将图能量模型分解为图编码器和能量头两部分，图编码器用于提取拓扑信息，能量头用于估计密度，避免了在训练时对邻接矩阵进行采样，并防止了在异质图上的性能严重下降。
2. ​首次在异质图上评估节点异常检测性能​：评估了现有基于图的方法在异质图上的性能，并提供了对现有基于图的方法的全面评估。
3. ​提出多种训练设计​：包括多跳图编码器（Multi-Hop Graph encoder，MH）和能量读取（Energy Readout，ERo）来增强节点表示学习，条件能量（Conditional Energy，CE）来改进 EBM 训练，以及循环更新（Recurrent Update）来促进图编码器和能量头相互促进。
4. ​无异常数据暴露的训练方法​：DeGEM 在训练过程中无需异常数据暴露，即可超越最先进的方法，在异质图和同质图上均取得了优异的性能。

Efficient Active Imitation Learning with Random Network Distillation

基于随机网络蒸馏的高效主动模仿学习

文章解读: 基于随机网络蒸馏的高效主动模仿学习
http://www.studyai.com/xueshu/paper/detail/5902711822

UV-Attack: Physical-World Adversarial Attacks on Person Detection via Dynamic-NeRF-based UV Mapping

UV-攻击：基于动态NeRF的UV映射对行人检测的物理世界对抗性攻击

文章解读: UV-攻击：基于动态NeRF的UV映射对行人检测的物理世界对抗性攻击
http://www.studyai.com/xueshu/paper/detail/5905220069

What is Wrong with Perplexity for Long-context Language Modeling?

困惑度在长上下文语言建模中的问题是什么？

文章解读: 困惑度在长上下文语言建模中的问题是什么？
http://www.studyai.com/xueshu/paper/detail/5908313510

VideoGrain: Modulating Space-Time Attention for Multi-Grained Video Editing

VideoGrain：调节时空注意力用于多粒度视频编辑

文章解读: VideoGrain：调节时空注意力用于多粒度视频编辑
http://www.studyai.com/xueshu/paper/detail/5920203908

ReSi: A Comprehensive Benchmark for Representational Similarity Measures

ReSi：表征相似性度量方法的综合基准

文章解读: ReSi：表征相似性度量方法的综合基准
http://www.studyai.com/xueshu/paper/detail/5928728908

Scaling up Masked Diffusion Models on Text

在文本上扩展掩码扩散模型

文章解读: 在文本上扩展掩码扩散模型
http://www.studyai.com/xueshu/paper/detail/5951625278

CogCoM: A Visual Language Model with Chain-of-Manipulations Reasoning

CogCoM：一种基于操作链推理的视觉语言模型

文章解读: CogCoM：一种基于操作链推理的视觉语言模型
http://www.studyai.com/xueshu/paper/detail/5953852989

Self-Correcting Decoding with Generative Feedback for Mitigating Hallucinations in Large Vision-Language Models

具有生成式反馈的自校正解码，用于减轻大型视觉语言模型的幻觉

文章解读: 具有生成式反馈的自校正解码，用于减轻大型视觉语言模型的幻觉
http://www.studyai.com/xueshu/paper/detail/5962910835

CycleResearcher: Improving Automated Research via Automated Review

CycleResearcher：通过自动化评审改进自动化研究

文章解读: CycleResearcher：通过自动化评审改进自动化研究
http://www.studyai.com/xueshu/paper/detail/5973171716

GPS: A Probabilistic Distributional Similarity with Gumbel Priors for Set-to-Set Matching

GPS：基于Gumbel先验的概率分布相似性方法用于集合到集合的匹配

文章解读: GPS：基于Gumbel先验的概率分布相似性方法用于集合到集合的匹配
http://www.studyai.com/xueshu/paper/detail/5975155266

Dualformer: Controllable Fast and Slow Thinking by Learning with Randomized Reasoning Traces

双形式：通过学习随机推理轨迹实现可控的快速和慢速思考

文章解读: 双形式：通过学习随机推理轨迹实现可控的快速和慢速思考
http://www.studyai.com/xueshu/paper/detail/5979113537

Mitigating the Backdoor Effect for Multi-Task Model Merging via Safety-Aware Subspace

通过安全感知子空间缓解多任务模型合并中的后门效应

文章解读: 通过安全感知子空间缓解多任务模型合并中的后门效应
http://www.studyai.com/xueshu/paper/detail/5995021929

RaSA: Rank-Sharing Low-Rank Adaptation

RaSA：秩共享低秩自适应

文章解读: RaSA：秩共享低秩自适应
http://www.studyai.com/xueshu/paper/detail/5999509792

Weighted-Reward Preference Optimization for Implicit Model Fusion

加权奖励偏好优化用于隐式模型融合

文章解读: 加权奖励偏好优化用于隐式模型融合
http://www.studyai.com/xueshu/paper/detail/6001961202

RDT-1B: a Diffusion Foundation Model for Bimanual Manipulation

RDT-1B：用于双手操作的扩散基础模型

文章解读: RDT-1B：用于双手操作的扩散基础模型
http://www.studyai.com/xueshu/paper/detail/6002897923

Mitigate the Gap: Improving Cross-Modal Alignment in CLIP

缩小差距：改进CLIP中的跨模态对齐

文章解读: 缩小差距：改进CLIP中的跨模态对齐
http://www.studyai.com/xueshu/paper/detail/6006720671

Toward Exploratory Inverse Constraint Inference with Generative Diffusion Verifiers

面向生成扩散验证器的探索性逆约束推理

文章解读: 面向生成扩散验证器的探索性逆约束推理
http://www.studyai.com/xueshu/paper/detail/6013561078

Cross-Embodiment Dexterous Grasping with Reinforcement Learning

基于强化学习的跨本体灵巧抓取

文章解读: 基于强化学习的跨本体灵巧抓取
http://www.studyai.com/xueshu/paper/detail/6050909020

DICE: End-to-end Deformation Capture of Hand-Face Interactions from a Single Image

DICE：从单张图像中实现手-脸交互的端到端变形捕捉

文章解读: DICE：从单张图像中实现手-脸交互的端到端变形捕捉
http://www.studyai.com/xueshu/paper/detail/6052676608

MMIU: Multimodal Multi-image Understanding for Evaluating Large Vision-Language Models

MMIU：多模态多图像理解，用于评估大型视觉语言模型

文章解读: MMIU：多模态多图像理解，用于评估大型视觉语言模型
http://www.studyai.com/xueshu/paper/detail/6068617380

EC-Diffuser: Multi-Object Manipulation via Entity-Centric Behavior Generation

EC-Diffuser：基于实体中心行为生成的多物体操作

文章解读: EC-Diffuser：基于实体中心行为生成的多物体操作
http://www.studyai.com/xueshu/paper/detail/6087188277

MLLM can see? Dynamic Correction Decoding for Hallucination Mitigation

MLLM能看见吗？用于幻觉缓解的动态校正解码

文章解读: MLLM能看见吗？用于幻觉缓解的动态校正解码
http://www.studyai.com/xueshu/paper/detail/6087589225

ADAM: An Embodied Causal Agent in Open-World Environments

ADAM：开放世界环境中的一个具身因果代理体

文章解读: ADAM：开放世界环境中的一个具身因果代理体
http://www.studyai.com/xueshu/paper/detail/6096275088

Navigation-Guided Sparse Scene Representation for End-to-End Autonomous Driving

基于导航引导的稀疏场景表示用于端到端自动驾驶

文章解读: 基于导航引导的稀疏场景表示用于端到端自动驾驶
http://www.studyai.com/xueshu/paper/detail/6103865672

Aria-MIDI: A Dataset of Piano MIDI Files for Symbolic Music Modeling

Aria-MIDI：用于符号音乐建模的钢琴MIDI文件数据集

文章解读: Aria-MIDI：用于符号音乐建模的钢琴MIDI文件数据集
http://www.studyai.com/xueshu/paper/detail/6107556301

Rectified Diffusion: Straightness Is Not Your Need in Rectified Flow

整流扩散：在整流流中，直线并非必需

文章解读: 整流扩散：在整流流中，直线并非必需
http://www.studyai.com/xueshu/paper/detail/6110068282

One-Prompt-One-Story: Free-Lunch Consistent Text-to-Image Generation Using a Single Prompt

单提示单故事：使用单个提示实现免费午餐式文本到图像生成

文章解读: 单提示单故事：使用单个提示实现免费午餐式文本到图像生成
http://www.studyai.com/xueshu/paper/detail/6116889832

Capability Localization: Capabilities Can be Localized rather than Individual Knowledge

能力本地化：能力可以本地化而非个体知识

文章解读: 能力本地化：能力可以本地化而非个体知识
http://www.studyai.com/xueshu/paper/detail/6118266050

Dream to Manipulate: Compositional World Models Empowering Robot Imitation Learning with Imagination

梦想操控：具有想象力的组合世界模型赋能机器人模仿学习

文章解读: 梦想操控：具有想象力的组合世界模型赋能机器人模仿学习
http://www.studyai.com/xueshu/paper/detail/6122599136

CFD: Learning Generalized Molecular Representation via Concept-Enhanced Feedback Disentanglement

CFD：通过概念增强反馈解耦学习广义分子表征

文章解读: CFD：通过概念增强反馈解耦学习广义分子表征
http://www.studyai.com/xueshu/paper/detail/6137871796

Dissecting Adversarial Robustness of Multimodal LM Agents

剖析多模态语言模型代理的对抗鲁棒性

文章解读: 剖析多模态语言模型代理的对抗鲁棒性
http://www.studyai.com/xueshu/paper/detail/6152792787

LeanQuant: Accurate and Scalable Large Language Model Quantization with Loss-error-aware Grid

LeanQuant：基于损失误差感知网格的精确且可扩展的大语言模型量化

文章解读: LeanQuant：基于损失误差感知网格的精确且可扩展的大语言模型量化
http://www.studyai.com/xueshu/paper/detail/6158671262

Subgraph Federated Learning for Local Generalization

本地泛化子图联邦学习

文章解读: 本地泛化子图联邦学习
http://www.studyai.com/xueshu/paper/detail/6160731937

HQGS: High-Quality Novel View Synthesis with Gaussian Splatting in Degraded Scenes

HQGS：在退化场景中基于高斯 splatting 的高质量新颖视图合成

文章解读: HQGS：在退化场景中基于高斯 splatting 的高质量新颖视图合成
http://www.studyai.com/xueshu/paper/detail/6163621328

Learning Molecular Representation in a Cell

在细胞中学习分子表示

文章解读: 在细胞中学习分子表示
http://www.studyai.com/xueshu/paper/detail/6173123700

Equivariant Masked Position Prediction for Efficient Molecular Representation

等变掩码位置预测用于高效的分子表示

文章解读: 等变掩码位置预测用于高效的分子表示
http://www.studyai.com/xueshu/paper/detail/6189353599

A General Framework for Producing Interpretable Semantic Text Embeddings

生成可解释语义文本嵌入的通用框架

文章解读: 生成可解释语义文本嵌入的通用框架
http://www.studyai.com/xueshu/paper/detail/6198335605

Residual Stream Analysis with Multi-Layer SAEs

多层自编码器残差流分析

文章解读: 多层自编码器残差流分析
http://www.studyai.com/xueshu/paper/detail/6209811277

DenseMatcher: Learning 3D Semantic Correspondence for Category-Level Manipulation from a Single Demo

DenseMatcher：从单个演示中学习用于类别级操作的3D语义对应关系

文章解读: DenseMatcher：从单个演示中学习用于类别级操作的3D语义对应关系
http://www.studyai.com/xueshu/paper/detail/6268320726

Visual Haystacks: A Vision-Centric Needle-In-A-Haystack Benchmark

视觉干草堆：以视觉为中心的寻找针于干草堆基准

文章解读: 视觉干草堆：以视觉为中心的寻找针于干草堆基准
http://www.studyai.com/xueshu/paper/detail/6272151051

AutoCGP: Closed-Loop Concept-Guided Policies from Unlabeled Demonstrations

AutoCGP：从无标签演示中获取的闭环概念引导策略

文章解读: AutoCGP：从无标签演示中获取的闭环概念引导策略
http://www.studyai.com/xueshu/paper/detail/6273283867

Test-time Adaptation for Regression by Subspace Alignment

回归测试时自适应通过子空间对齐

文章解读: 回归测试时自适应通过子空间对齐
http://www.studyai.com/xueshu/paper/detail/6278930256

SOO-Bench: Benchmarks for Evaluating the Stability of Offline Black-Box Optimization

SOO-Bench：用于评估离线黑盒优化稳定性的基准测试

文章解读: SOO-Bench：用于评估离线黑盒优化稳定性的基准测试
http://www.studyai.com/xueshu/paper/detail/6286260026

Cross the Gap: Exposing the Intra-modal Misalignment in CLIP via Modality Inversion

跨越鸿沟：通过模态反转揭示CLIP中的模态间不匹配问题

文章解读: 跨越鸿沟：通过模态反转揭示CLIP中的模态间不匹配问题
http://www.studyai.com/xueshu/paper/detail/6286780306

Optimal Transport for Time Series Imputation

时间序列最优传输填充

文章解读: 时间序列最优传输填充
http://www.studyai.com/xueshu/paper/detail/6287227909

Model-Agnostic Knowledge Guided Correction for Improved Neural Surrogate Rollout

模型无关知识引导校正以改进神经代理滚动

文章解读: 模型无关知识引导校正以改进神经代理滚动
http://www.studyai.com/xueshu/paper/detail/6287979066

Competing Large Language Models in Multi-Agent Gaming Environments

多智能体游戏环境中的竞争性大语言模型

文章解读: 多智能体游戏环境中的竞争性大语言模型
http://www.studyai.com/xueshu/paper/detail/6308010819

Noise Separation guided Candidate Label Reconstruction for Noisy Partial Label Learning

基于噪声分离指导的候选标签重建用于噪声部分标签学习

文章解读: 基于噪声分离指导的候选标签重建用于噪声部分标签学习
http://www.studyai.com/xueshu/paper/detail/6309329773

Streamlining Prediction in Bayesian Deep Learning

简化贝叶斯深度学习中的预测

文章解读: 简化贝叶斯深度学习中的预测
http://www.studyai.com/xueshu/paper/detail/6309785158

Diff3DS: Generating View-Consistent 3D Sketch via Differentiable Curve Rendering

Diff3DS：通过可微曲线渲染生成视图一致的3D草图

文章解读: Diff3DS：通过可微曲线渲染生成视图一致的3D草图
http://www.studyai.com/xueshu/paper/detail/6350799819

Multimodal Unsupervised Domain Generalization by Retrieving Across the Modality Gap

跨模态鸿沟检索的多模态无监督域泛化

文章解读: 跨模态鸿沟检索的多模态无监督域泛化
http://www.studyai.com/xueshu/paper/detail/6355128559

Precise Parameter Localization for Textual Generation in Diffusion Models

扩散模型中文本生成的精确参数定位

文章解读: 扩散模型中文本生成的精确参数定位
http://www.studyai.com/xueshu/paper/detail/6357676671

ARB-LLM: Alternating Refined Binarizations for Large Language Models

ARB-LLM：交替精细二值化用于大语言模型

文章解读: ARB-LLM：交替精细二值化用于大语言模型
http://www.studyai.com/xueshu/paper/detail/6367609703

Federated Domain Generalization with Data-free On-server Matching Gradient

基于无服务器数据匹配梯度的联邦域泛化

文章解读: 基于无服务器数据匹配梯度的联邦域泛化
http://www.studyai.com/xueshu/paper/detail/6377071972

Causal Graph Transformer for Treatment Effect Estimation Under Unknown Interference

未知干扰下的治疗效果估计因果图转换器

文章解读: 未知干扰下的治疗效果估计因果图转换器
http://www.studyai.com/xueshu/paper/detail/6377558883

TempMe: Video Temporal Token Merging for Efficient Text-Video Retrieval

TempMe：视频时序令牌合并，用于高效的文本-视频检索

文章解读: TempMe：视频时序令牌合并，用于高效的文本-视频检索
http://www.studyai.com/xueshu/paper/detail/6383797888

Training-free LLM-generated Text Detection by Mining Token Probability Sequences

基于挖掘标记概率序列的无监督LLM生成文本检测

文章解读: 基于挖掘标记概率序列的无监督LLM生成文本检测
http://www.studyai.com/xueshu/paper/detail/6389786836

ImpScore: A Learnable Metric For Quantifying The Implicitness Level of Sentences

ImpScore：一种可学习的度量标准，用于量化句子的隐含程度

文章解读: ImpScore：一种可学习的度量标准，用于量化句子的隐含程度
http://www.studyai.com/xueshu/paper/detail/6392827812

CREAM: Consistency Regularized Self-Rewarding Language Models

CREAM：一致性正则化自奖励语言模型

文章解读: CREAM：一致性正则化自奖励语言模型
http://www.studyai.com/xueshu/paper/detail/6397722386

Fine-tuning with Reserved Majority for Noise Reduction

使用保留多数进行噪声减少的微调

文章解读: 使用保留多数进行噪声减少的微调
http://www.studyai.com/xueshu/paper/detail/6399085123

AtomSurf: Surface Representation for Learning on Protein Structures

AtomSurf：蛋白质结构学习中的表面表示

文章解读: AtomSurf：蛋白质结构学习中的表面表示
http://www.studyai.com/xueshu/paper/detail/6502990538

CogVideoX: Text-to-Video Diffusion Models with An Expert Transformer

CogVideoX：具有专家Transformer的文本到视频扩散模型

文章解读: CogVideoX：具有专家Transformer的文本到视频扩散模型
http://www.studyai.com/xueshu/paper/detail/6516871970

A Second-Order Perspective on Model Compositionality and Incremental Learning

从二阶视角看模型组合性和增量学习

文章解读: 从二阶视角看模型组合性和增量学习
http://www.studyai.com/xueshu/paper/detail/6526167571

Multimodal Large Language Models for Inverse Molecular Design with Retrosynthetic Planning

用于逆向分子设计与合成规划的多模态大语言模型

文章解读: 用于逆向分子设计与合成规划的多模态大语言模型
http://www.studyai.com/xueshu/paper/detail/6529378198

REEF: Representation Encoding Fingerprints for Large Language Models

REEF：用于大语言模型的表示编码指纹

文章解读: REEF：用于大语言模型的表示编码指纹
http://www.studyai.com/xueshu/paper/detail/6536375927

Bringing NeRFs to the Latent Space: Inverse Graphics Autoencoder

将NeRFs带到潜在空间：逆图形自动编码器

文章解读: 将NeRFs带到潜在空间：逆图形自动编码器
http://www.studyai.com/xueshu/paper/detail/6553693876

Enhancing Federated Domain Adaptation with Multi-Domain Prototype-Based Federated Fine-Tuning

增强联邦域适应的多域原型联邦微调

文章解读: 增强联邦域适应的多域原型联邦微调
http://www.studyai.com/xueshu/paper/detail/6557713512

Vision and Language Synergy for Rehearsal Free Continual Learning

视觉与语言协同的无排练持续学习

文章解读: 视觉与语言协同的无排练持续学习
http://www.studyai.com/xueshu/paper/detail/6566212631

No Pose, No Problem: Surprisingly Simple 3D Gaussian Splats from Sparse Unposed Images

无姿态，无问题：从稀疏无姿态图像中令人惊讶地简单的3D高斯斑点

文章解读: 无姿态，无问题：从稀疏无姿态图像中令人惊讶地简单的3D高斯斑点
http://www.studyai.com/xueshu/paper/detail/6570963171

Closed-Form Merging of Parameter-Efficient Modules for Federated Continual Learning

参数高效模块在联邦持续学习中的闭式合并

文章解读: 参数高效模块在联邦持续学习中的闭式合并
http://www.studyai.com/xueshu/paper/detail/6572209936

Robustness Inspired Graph Backdoor Defense

基于鲁棒性的图后门防御

文章解读: 基于鲁棒性的图后门防御
http://www.studyai.com/xueshu/paper/detail/6587010172

Systematic Relational Reasoning With Epistemic Graph Neural Networks

基于认知图神经网络的系统关系推理

文章解读: 基于认知图神经网络的系统关系推理
http://www.studyai.com/xueshu/paper/detail/6597156756

Skill Expansion and Composition in Parameter Space

参数空间中的技能扩展与组合

文章解读: 参数空间中的技能扩展与组合
http://www.studyai.com/xueshu/paper/detail/6608866736

GlycanML: A Multi-Task and Multi-Structure Benchmark for Glycan Machine Learning

GlycanML：一种用于糖类机器学习的多任务和多结构基准

文章解读: GlycanML：一种用于糖类机器学习的多任务和多结构基准
http://www.studyai.com/xueshu/paper/detail/6611571570

Mitigating Information Loss in Tree-Based Reinforcement Learning via Direct Optimization

基于树的强化学习中通过直接优化减轻信息损失

文章解读: 基于树的强化学习中通过直接优化减轻信息损失
http://www.studyai.com/xueshu/paper/detail/6618773729

Towards Foundation Models for Mixed Integer Linear Programming

面向混合整数线性规划的基础模型

文章解读: 面向混合整数线性规划的基础模型
http://www.studyai.com/xueshu/paper/detail/6621610313

Concept Pinpoint Eraser for Text-to-image Diffusion Models via Residual Attention Gate

基于残差注意力门控的文本到图像扩散模型概念定位擦除器

文章解读: 基于残差注意力门控的文本到图像扩散模型概念定位擦除器
http://www.studyai.com/xueshu/paper/detail/6629819233

Equivariant Denoisers Cannot Copy Graphs: Align Your Graph Diffusion Models

等变去噪器无法复制图：对齐你的图扩散模型

文章解读: 等变去噪器无法复制图：对齐你的图扩散模型
http://www.studyai.com/xueshu/paper/detail/6630578365

Perplexity Trap: PLM-Based Retrievers Overrate Low Perplexity Documents

困惑陷阱：基于PLM的检索器高估低困惑度文档

文章解读: 困惑陷阱：基于PLM的检索器高估低困惑度文档
http://www.studyai.com/xueshu/paper/detail/6633292800

SRSA: Skill Retrieval and Adaptation for Robotic Assembly Tasks

SRSA：机器人装配任务的技能检索与适应

文章解读: SRSA：机器人装配任务的技能检索与适应
http://www.studyai.com/xueshu/paper/detail/6639379603

SVG: 3D Stereoscopic Video Generation via Denoising Frame Matrix

SVG：通过去噪帧矩阵生成3D立体视频

文章解读: SVG：通过去噪帧矩阵生成3D立体视频
http://www.studyai.com/xueshu/paper/detail/6653935861

Diffusion Feedback Helps CLIP See Better

扩散反馈有助于CLIP看得更清楚

文章解读: 扩散反馈有助于CLIP看得更清楚
http://www.studyai.com/xueshu/paper/detail/6665363931

Can LLMs Understand Time Series Anomalies?

大语言模型能否理解时间序列异常？

文章解读: 大语言模型能否理解时间序列异常？
http://www.studyai.com/xueshu/paper/detail/6675210211

On Speeding Up Language Model Evaluation

加快语言模型评估

文章解读: 加快语言模型评估
http://www.studyai.com/xueshu/paper/detail/6686500225

Cybench: A Framework for Evaluating Cybersecurity Capabilities and Risks of Language Models

Cybench：一个用于评估语言模型网络安全能力和风险的框架

文章解读: Cybench：一个用于评估语言模型网络安全能力和风险的框架
http://www.studyai.com/xueshu/paper/detail/6712703861

Depth Pro: Sharp Monocular Metric Depth in Less Than a Second

深度专业版：秒级锐利单目度量深度

文章解读: 深度专业版：秒级锐利单目度量深度
http://www.studyai.com/xueshu/paper/detail/6756620553

Stable Segment Anything Model

稳定任意物体分割模型

文章解读: 稳定任意物体分割模型
http://www.studyai.com/xueshu/paper/detail/6759852877

Combatting Dimensional Collapse in LLM Pre-Training Data via Submodular File Selection

通过子模态文件选择对抗LLM预训练数据中的维度坍塌

文章解读: 通过子模态文件选择对抗LLM预训练数据中的维度坍塌
http://www.studyai.com/xueshu/paper/detail/6759960221

LoRA-Pro: Are Low-Rank Adapters Properly Optimized?

LoRA-Pro：低秩适配器是否得到了适当优化？

文章解读: LoRA-Pro：低秩适配器是否得到了适当优化？
http://www.studyai.com/xueshu/paper/detail/6783805103

MMDisCo: Multi-Modal Discriminator-Guided Cooperative Diffusion for Joint Audio and Video Generation

MMDisCo：多模态判别器引导协同扩散，用于联合音频和视频生成

文章解读: MMDisCo：多模态判别器引导协同扩散，用于联合音频和视频生成
http://www.studyai.com/xueshu/paper/detail/6807396090

Revisiting Random Walks for Learning on Graphs

重新审视图上的随机游走学习

文章解读: 重新审视图上的随机游走学习
http://www.studyai.com/xueshu/paper/detail/6811337971

Improving Long-Text Alignment for Text-to-Image Diffusion Models

改进文本到图像扩散模型的文本对齐长文本

文章解读: 改进文本到图像扩散模型的文本对齐长文本
http://www.studyai.com/xueshu/paper/detail/6819107167

QMP: Q-switch Mixture of Policies for Multi-Task Behavior Sharing

QMP：用于多任务行为共享的Q开关策略混合

文章解读: QMP：用于多任务行为共享的Q开关策略混合
http://www.studyai.com/xueshu/paper/detail/6827069608

GenARM: Reward Guided Generation with Autoregressive Reward Model for Test-Time Alignment

GenARM：基于自回归奖励模型的测试时对齐的奖励引导生成

文章解读: GenARM：基于自回归奖励模型的测试时对齐的奖励引导生成
http://www.studyai.com/xueshu/paper/detail/6827589682

PaPaGei: Open Foundation Models for Optical Physiological Signals

PaPaGei：用于光学生理信号的开源基础模型

文章解读: PaPaGei：用于光学生理信号的开源基础模型
http://www.studyai.com/xueshu/paper/detail/6833029327

Perturbation-Restrained Sequential Model Editing

扰动约束序列模型编辑

文章解读: 扰动约束序列模型编辑
http://www.studyai.com/xueshu/paper/detail/6855352991

ZeroDiff: Solidified Visual-semantic Correlation in Zero-Shot Learning

ZeroDiff：在零样本学习中固化的视觉语义关联

文章解读: ZeroDiff：在零样本学习中固化的视觉语义关联
http://www.studyai.com/xueshu/paper/detail/6860225973

HyPoGen: Optimization-Biased Hypernetworks for Generalizable Policy Generation

HyPoGen：用于通用策略生成的优化偏向超网络

文章解读: HyPoGen：用于通用策略生成的优化偏向超网络
http://www.studyai.com/xueshu/paper/detail/6885750683

MMAD: A Comprehensive Benchmark for Multimodal Large Language Models in Industrial Anomaly Detection

MMAD：工业异常检测中多模态大语言模型的综合基准

文章解读: MMAD：工业异常检测中多模态大语言模型的综合基准
http://www.studyai.com/xueshu/paper/detail/6887921836

Learning to Adapt Frozen CLIP for Few-Shot Test-Time Domain Adaptation

学习适应冻结的CLIP进行小样本测试时域自适应

文章解读: 学习适应冻结的CLIP进行小样本测试时域自适应
http://www.studyai.com/xueshu/paper/detail/6889118078

Progressive Parameter Efficient Transfer Learning for Semantic Segmentation

面向语义分割的渐进式参数高效迁移学习

文章解读: 面向语义分割的渐进式参数高效迁移学习
http://www.studyai.com/xueshu/paper/detail/6911523130

TokenFormer: Rethinking Transformer Scaling with Tokenized Model Parameters

TokenFormer：重新思考基于分词模型参数的Transformer扩展

文章解读: TokenFormer：重新思考基于分词模型参数的Transformer扩展
http://www.studyai.com/xueshu/paper/detail/6919129369

Measuring And Improving Persuasiveness Of Large Language Models

测量和提升大语言模型的说服力

文章解读: 测量和提升大语言模型的说服力
http://www.studyai.com/xueshu/paper/detail/6927673638

Animate Your Thoughts: Reconstruction of Dynamic Natural Vision from Human Brain Activity

让你的想法生动起来：从人脑活动中重建动态自然视觉

文章解读: 让你的想法生动起来：从人脑活动中重建动态自然视觉
http://www.studyai.com/xueshu/paper/detail/6950188378

Weak-to-Strong Preference Optimization: Stealing Reward from Weak Aligned Model

弱到强偏好优化：从弱对齐模型中窃取奖励

文章解读: 弱到强偏好优化：从弱对齐模型中窃取奖励
http://www.studyai.com/xueshu/paper/detail/6966397567

Neural Exploratory Landscape Analysis for Meta-Black-Box-Optimization

元黑盒优化的神经探索景观分析

文章解读: 元黑盒优化的神经探索景观分析
http://www.studyai.com/xueshu/paper/detail/6978078198

ComLoRA: A Competitive Learning Approach for Enhancing LoRA

ComLoRA：一种用于增强LoRA的竞争学习方法

文章解读: ComLoRA：一种用于增强LoRA的竞争学习方法
http://www.studyai.com/xueshu/paper/detail/6985991671

TGB-Seq Benchmark: Challenging Temporal GNNs with Complex Sequential Dynamics

TGB-Seq基准测试：用复杂的序列动态挑战时序GNN

文章解读: TGB-Seq基准测试：用复杂的序列动态挑战时序GNN
http://www.studyai.com/xueshu/paper/detail/6988277188

Strength Estimation and Human-Like Strength Adjustment in Games

游戏中的力量估计与类人力量调整

文章解读: 游戏中的力量估计与类人力量调整
http://www.studyai.com/xueshu/paper/detail/6990872906

Analyzing and Boosting the Power of Fine-Grained Visual Recognition for Multi-modal Large Language Models

分析和提升细粒度视觉识别在多模态大语言模型中的能力

文章解读: 分析和提升细粒度视觉识别在多模态大语言模型中的能力
http://www.studyai.com/xueshu/paper/detail/6997760303

SelKD: Selective Knowledge Distillation via Optimal Transport Perspective

SelKD：基于最优传输视角的选择性知识蒸馏

文章解读: SelKD：基于最优传输视角的选择性知识蒸馏
http://www.studyai.com/xueshu/paper/detail/7009333322

Trajectory-LLM: A Language-based Data Generator for Trajectory Prediction in Autonomous Driving

轨迹-LLM：自动驾驶中轨迹预测的语言数据生成器

文章解读: 轨迹-LLM：自动驾驶中轨迹预测的语言数据生成器
http://www.studyai.com/xueshu/paper/detail/7021326372

Atlas Gaussians Diffusion for 3D Generation

基于Atlas的高斯扩散模型用于3D生成

文章解读: 基于Atlas的高斯扩散模型用于3D生成
http://www.studyai.com/xueshu/paper/detail/7025009120

Fast Feedforward 3D Gaussian Splatting Compression

快速前馈3D高斯喷溅压缩

文章解读: 快速前馈3D高斯喷溅压缩
http://www.studyai.com/xueshu/paper/detail/7032605675

The Superposition of Diffusion Models Using the Itô Density Estimator

使用伊藤密度估计器进行扩散模型的叠加

文章解读: 使用伊藤密度估计器进行扩散模型的叠加
http://www.studyai.com/xueshu/paper/detail/7051206289

SiReRAG: Indexing Similar and Related Information for Multihop Reasoning

SiReRAG：用于多跳推理的相似和相关信息索引

文章解读: SiReRAG：用于多跳推理的相似和相关信息索引
http://www.studyai.com/xueshu/paper/detail/7053866399

Towards Robust and Parameter-Efficient Knowledge Unlearning for LLMs

面向面向大语言模型的鲁棒且参数高效的知识去学习

文章解读: 面向面向大语言模型的鲁棒且参数高效的知识去学习
http://www.studyai.com/xueshu/paper/detail/7060038557

RMP-SAM: Towards Real-Time Multi-Purpose Segment Anything

RMP-SAM：面向实时多用途的任何事物分割

文章解读: RMP-SAM：面向实时多用途的任何事物分割
http://www.studyai.com/xueshu/paper/detail/7060660226

VoxDialogue: Can Spoken Dialogue Systems Understand Information Beyond Words?

VoxDialogue：口语对话系统能否理解超越文字的信息？

文章解读: VoxDialogue：口语对话系统能否理解超越文字的信息？
http://www.studyai.com/xueshu/paper/detail/7069815975

LARP: Tokenizing Videos with a Learned Autoregressive Generative Prior

LARP：使用学习型自回归生成先验对视频进行分词

文章解读: LARP：使用学习型自回归生成先验对视频进行分词
http://www.studyai.com/xueshu/paper/detail/7076513933

Attribute-based Visual Reprogramming for Vision-Language Models

基于属性的视觉重编程方法用于视觉-语言模型

文章解读: 基于属性的视觉重编程方法用于视觉-语言模型
http://www.studyai.com/xueshu/paper/detail/7100522395

Towards Hierarchical Rectified Flow

面向分层整流流

文章解读: 面向分层整流流
http://www.studyai.com/xueshu/paper/detail/7133631515

AVHBench: A Cross-Modal Hallucination Benchmark for Audio-Visual Large Language Models

AVHBench：一种用于音频-视觉大语言模型的跨模态幻觉基准

文章解读: AVHBench：一种用于音频-视觉大语言模型的跨模态幻觉基准
http://www.studyai.com/xueshu/paper/detail/7159020308

Improving Pretraining Data Using Perplexity Correlations

使用困惑度相关性改进预训练数据

文章解读: 使用困惑度相关性改进预训练数据
http://www.studyai.com/xueshu/paper/detail/7161598750

BANGS: Game-theoretic Node Selection for Graph Self-Training

BANGS：基于博弈论的图自训练节点选择

文章解读: BANGS：基于博弈论的图自训练节点选择
http://www.studyai.com/xueshu/paper/detail/7166123572

A Unified Framework for Forward and Inverse Problems in Subsurface Imaging using Latent Space Translations

用于地下成像的正向与反向问题的统一框架：基于潜在空间转换

文章解读: 用于地下成像的正向与反向问题的统一框架：基于潜在空间转换
http://www.studyai.com/xueshu/paper/detail/7169702098

SymmetricDiffusers: Learning Discrete Diffusion on Finite Symmetric Groups

对称扩散器：在有限对称群上学习离散扩散

文章解读: 对称扩散器：在有限对称群上学习离散扩散
http://www.studyai.com/xueshu/paper/detail/7170218102

How new data permeates LLM knowledge and how to dilute it

新数据如何渗透大语言模型的知识以及如何稀释它

文章解读: 新数据如何渗透大语言模型的知识以及如何稀释它
http://www.studyai.com/xueshu/paper/detail/7172862357

Reading Your Heart: Learning ECG Words and Sentences via Pre-training ECG Language Model

读懂你的心：通过预训练心电图语言模型学习心电图词汇和句子

文章解读: 读懂你的心：通过预训练心电图语言模型学习心电图词汇和句子
http://www.studyai.com/xueshu/paper/detail/7175067650

Beyond correlation: The impact of human uncertainty in measuring the effectiveness of automatic evaluation and LLM-as-a-judge

超越相关性：人类不确定性对衡量自动评估和LLM作为裁判有效性的影响

文章解读: 超越相关性：人类不确定性对衡量自动评估和LLM作为裁判有效性的影响
http://www.studyai.com/xueshu/paper/detail/7181160690

CL-DiffPhyCon: Closed-loop Diffusion Control of Complex Physical Systems

CL-DiffPhyCon：复杂物理系统的闭环扩散控制

文章解读: CL-DiffPhyCon：复杂物理系统的闭环扩散控制
http://www.studyai.com/xueshu/paper/detail/7186060288

HShare: Fast LLM Decoding by Hierarchical Key-Value Sharing

HShare：基于层次化键值共享的快速LLM解码

文章解读: HShare：基于层次化键值共享的快速LLM解码
http://www.studyai.com/xueshu/paper/detail/7188219965

MOFFlow: Flow Matching for Structure Prediction of Metal-Organic Frameworks

MOFFlow：用于金属有机框架结构预测的流匹配

文章解读: MOFFlow：用于金属有机框架结构预测的流匹配
http://www.studyai.com/xueshu/paper/detail/7197108275

Bidirectional Decoding: Improving Action Chunking via Guided Test-Time Sampling

双向解码：通过引导测试时采样改进动作分块

文章解读: 双向解码：通过引导测试时采样改进动作分块
http://www.studyai.com/xueshu/paper/detail/7202176885

UNIP: Rethinking Pre-trained Attention Patterns for Infrared Semantic Segmentation

UNIP：重新思考红外语义分割的预训练注意力模式

文章解读: UNIP：重新思考红外语义分割的预训练注意力模式
http://www.studyai.com/xueshu/paper/detail/7215378378

Large Language Models Often Say One Thing and Do Another

大语言模型常常言行不一

文章解读: 大语言模型常常言行不一
http://www.studyai.com/xueshu/paper/detail/7220567802

Correlated Proxies: A New Definition and Improved Mitigation for Reward Hacking

相关代理：新的定义和改进的奖励攻击缓解方法

文章解读: 相关代理：新的定义和改进的奖励攻击缓解方法
http://www.studyai.com/xueshu/paper/detail/7223999297

Towards Calibrated Deep Clustering Network

面向校准深度聚类网络

文章解读: 面向校准深度聚类网络
http://www.studyai.com/xueshu/paper/detail/7225823683

CaPo: Cooperative Plan Optimization for Efficient Embodied Multi-Agent Cooperation

CaPo：协同计划优化，用于高效的具身多智能体合作

文章解读: CaPo：协同计划优化，用于高效的具身多智能体合作
http://www.studyai.com/xueshu/paper/detail/7229277535

Adding Conditional Control to Diffusion Models with Reinforcement Learning

使用强化学习为扩散模型添加条件控制

文章解读: 使用强化学习为扩散模型添加条件控制
http://www.studyai.com/xueshu/paper/detail/7251615203

Universal Image Restoration Pre-training via Degradation Classification

基于退化分类的通用图像恢复预训练

文章解读: 基于退化分类的通用图像恢复预训练
http://www.studyai.com/xueshu/paper/detail/7252768533

ACES: Automatic Cohort Extraction System for Event-Stream Datasets

ACES：用于事件流数据集的自动队列提取系统

文章解读: ACES：用于事件流数据集的自动队列提取系统
http://www.studyai.com/xueshu/paper/detail/7260273862

From Commands to Prompts: LLM-based Semantic File System for AIOS

从指令到提示：面向AIOS的基于LLM的语义文件系统

文章解读: 从指令到提示：面向AIOS的基于LLM的语义文件系统
http://www.studyai.com/xueshu/paper/detail/7279072658

ReAttention: Training-Free Infinite Context with Finite Attention Scope

ReAttention：无需训练的无穷上下文与有限注意力范围

文章解读: ReAttention：无需训练的无穷上下文与有限注意力范围
http://www.studyai.com/xueshu/paper/detail/7287381709

CheapNet: Cross-attention on Hierarchical representations for Efficient protein-ligand binding Affinity Prediction

CheapNet：基于层次化表示的交叉注意力机制用于高效的蛋白质-配体结合亲和力预测

文章解读: CheapNet：基于层次化表示的交叉注意力机制用于高效的蛋白质-配体结合亲和力预测
http://www.studyai.com/xueshu/paper/detail/7296315280

Adaptive $Q$-Network: On-the-fly Target Selection for Deep Reinforcement Learning

自适应Q网络：深度强化学习中的动态目标选择

文章解读: 自适应Q网络：深度强化学习中的动态目标选择
http://www.studyai.com/xueshu/paper/detail/7306061773

NRGBoost: Energy-Based Generative Boosted Trees

NRGBoost：基于能量的生成式提升树

文章解读: NRGBoost：基于能量的生成式提升树
http://www.studyai.com/xueshu/paper/detail/7306892893

MLLM as Retriever: Interactively Learning Multimodal Retrieval for Embodied Agents

MLLM作为检索器：交互式学习具身智能体的多模态检索

文章解读: MLLM作为检索器：交互式学习具身智能体的多模态检索
http://www.studyai.com/xueshu/paper/detail/7307222609

Learning Gain Map for Inverse Tone Mapping

逆色调映射的学习增益图

文章解读: 逆色调映射的学习增益图
http://www.studyai.com/xueshu/paper/detail/7320268809

Teaching Human Behavior Improves Content Understanding Abilities Of VLMs

教授人类行为能够提升VLMs的内容理解能力

文章解读: 教授人类行为能够提升VLMs的内容理解能力
http://www.studyai.com/xueshu/paper/detail/7322188786

Zero-shot Model-based Reinforcement Learning using Large Language Models

基于大语言模型的零样本模型强化学习

文章解读: 基于大语言模型的零样本模型强化学习
http://www.studyai.com/xueshu/paper/detail/7325119201

CapeX: Category-Agnostic Pose Estimation from Textual Point Explanation

CapeX：基于文本点解释的类别无关姿态估计

文章解读: CapeX：基于文本点解释的类别无关姿态估计
http://www.studyai.com/xueshu/paper/detail/7332825306

Neuralized Markov Random Field for Interaction-Aware Stochastic Human Trajectory Prediction

交互感知随机人类轨迹预测的神经化马尔可夫随机场

文章解读: 交互感知随机人类轨迹预测的神经化马尔可夫随机场
http://www.studyai.com/xueshu/paper/detail/7337705391

DexTrack: Towards Generalizable Neural Tracking Control for Dexterous Manipulation from Human References

DexTrack：面向灵巧操作中基于人类参考的泛化神经跟踪控制

文章解读: DexTrack：面向灵巧操作中基于人类参考的泛化神经跟踪控制
http://www.studyai.com/xueshu/paper/detail/7357327535

FreeCG: Free the Design Space of Clebsch-Gordan Transform for Machine Learning Force Fields

FreeCG：释放克莱布什-高登变换的设计空间以用于机器学习力场

文章解读: FreeCG：释放克莱布什-高登变换的设计空间以用于机器学习力场
http://www.studyai.com/xueshu/paper/detail/7363881229

Hyperbolic Genome Embeddings

双曲基因组嵌入

文章解读: 双曲基因组嵌入
http://www.studyai.com/xueshu/paper/detail/7365779860

ADePT: Adaptive Decomposed Prompt Tuning for Parameter-Efficient Fine-tuning

ADePT：自适应分解提示微调，用于参数高效的微调

文章解读: ADePT：自适应分解提示微调，用于参数高效的微调
http://www.studyai.com/xueshu/paper/detail/7379922230

MLE-bench: Evaluating Machine Learning Agents on Machine Learning Engineering

MLE-bench：评估机器学习代理在机器学习工程上的表现

文章解读: MLE-bench：评估机器学习代理在机器学习工程上的表现
http://www.studyai.com/xueshu/paper/detail/7395525520

Contextualizing biological perturbation experiments through language

通过语言对生物扰动实验进行背景化

文章解读: 通过语言对生物扰动实验进行背景化
http://www.studyai.com/xueshu/paper/detail/7502037238

GPUDrive: Data-driven, multi-agent driving simulation at 1 million FPS

GPUDrive：基于数据的百万帧每秒多智能体驾驶模拟

文章解读: GPUDrive：基于数据的百万帧每秒多智能体驾驶模拟
http://www.studyai.com/xueshu/paper/detail/7509153836

Beyond Content Relevance: Evaluating Instruction Following in Retrieval Models

超越内容相关性：评估检索模型中的指令遵循

文章解读: 超越内容相关性：评估检索模型中的指令遵循
http://www.studyai.com/xueshu/paper/detail/7523957050

EqNIO: Subequivariant Neural Inertial Odometry

EqNIO：亚等变神经惯性里程计

文章解读: EqNIO：亚等变神经惯性里程计
http://www.studyai.com/xueshu/paper/detail/7528725663

Toward Generalizing Visual Brain Decoding to Unseen Subjects

迈向将视觉大脑解码推广到未见过的对象

文章解读: 迈向将视觉大脑解码推广到未见过的对象
http://www.studyai.com/xueshu/paper/detail/7532313397

Are Large Vision Language Models Good Game Players?

大型视觉语言模型是好的游戏玩家吗？

文章解读: 大型视觉语言模型是好的游戏玩家吗？
http://www.studyai.com/xueshu/paper/detail/7538380905

Mastering Task Arithmetic: $\tau$Jp as a Key Indicator for Weight Disentanglement

掌握任务算术：$\tau$Jp作为权重解耦的关键指标

文章解读: 掌握任务算术：$\tau$Jp作为权重解耦的关键指标
http://www.studyai.com/xueshu/paper/detail/7566365796

Spatial-Mamba: Effective Visual State Space Models via Structure-Aware State Fusion

空间Mamba：通过结构感知状态融合实现高效视觉状态空间模型

文章解读: 空间Mamba：通过结构感知状态融合实现高效视觉状态空间模型
http://www.studyai.com/xueshu/paper/detail/7576526061

ADAPT: Attentive Self-Distillation and Dual-Decoder Prediction Fusion for Continual Panoptic Segmentation

ADAPT：用于持续全景分割的注意力自蒸馏和双解码器预测融合

文章解读: ADAPT：用于持续全景分割的注意力自蒸馏和双解码器预测融合
http://www.studyai.com/xueshu/paper/detail/7579918912

Noisy Test-Time Adaptation in Vision-Language Models

视觉-语言模型中的噪声测试时适应

文章解读: 视觉-语言模型中的噪声测试时适应
http://www.studyai.com/xueshu/paper/detail/7581587258

Quantized Spike-driven Transformer

量化脉冲驱动Transformer

文章解读: 量化脉冲驱动Transformer
http://www.studyai.com/xueshu/paper/detail/7581717510

Scaling FP8 training to trillion-token LLMs

将FP8训练扩展到万亿token的大语言模型

文章解读: 将FP8训练扩展到万亿token的大语言模型
http://www.studyai.com/xueshu/paper/detail/7586656389

AdaFisher: Adaptive Second Order Optimization via Fisher Information

AdaFisher：基于Fisher信息的自适应二阶优化

文章解读: AdaFisher：基于Fisher信息的自适应二阶优化
http://www.studyai.com/xueshu/paper/detail/7601639226

Earlier Tokens Contribute More: Learning Direct Preference Optimization From Temporal Decay Perspective

早期标记贡献更大：从时间衰减视角学习直接偏好优化

文章解读: 早期标记贡献更大：从时间衰减视角学习直接偏好优化
http://www.studyai.com/xueshu/paper/detail/7603259517

4K4DGen: Panoramic 4D Generation at 4K Resolution

4K4DGen：4K分辨率的全景4D生成

文章解读: 4K4DGen：4K分辨率的全景4D生成
http://www.studyai.com/xueshu/paper/detail/7616231757

FLOPS: Forward Learning with OPtimal Sampling

FLOPS：基于最优采样的正向学习

文章解读: FLOPS：基于最优采样的正向学习
http://www.studyai.com/xueshu/paper/detail/7629359508

SiMHand: Mining Similar Hands for Large-Scale 3D Hand Pose Pre-training

SiMHand：挖掘相似手部图像用于大规模3D手部姿态预训练

文章解读: SiMHand：挖掘相似手部图像用于大规模3D手部姿态预训练
http://www.studyai.com/xueshu/paper/detail/7630095021

PianoMotion10M: Dataset and Benchmark for Hand Motion Generation in Piano Performance

PianoMotion10M：钢琴演奏中手势生成数据集与基准

文章解读: PianoMotion10M：钢琴演奏中手势生成数据集与基准
http://www.studyai.com/xueshu/paper/detail/7635099222

SpikeLLM: Scaling up Spiking Neural Network to Large Language Models via Saliency-based Spiking

SpikeLLM：基于显著性脉冲将脉冲神经网络扩展到大语言模型

文章解读: SpikeLLM：基于显著性脉冲将脉冲神经网络扩展到大语言模型
http://www.studyai.com/xueshu/paper/detail/7639150738

Trusted Multi-View Classification via Evolutionary Multi-View Fusion

基于进化多视图融合的可信多视图分类

文章解读: 基于进化多视图融合的可信多视图分类
http://www.studyai.com/xueshu/paper/detail/7662020258

Test-time Alignment of Diffusion Models without Reward Over-optimization

测试时扩散模型的奖励无过优化对齐

文章解读: 测试时扩散模型的奖励无过优化对齐
http://www.studyai.com/xueshu/paper/detail/7668589912

IRIS: LLM-Assisted Static Analysis for Detecting Security Vulnerabilities

IRIS：基于LLM的静态分析技术，用于检测安全漏洞

文章解读: IRIS：基于LLM的静态分析技术，用于检测安全漏洞
http://www.studyai.com/xueshu/paper/detail/7669238666

Looking Backward: Retrospective Backward Synthesis for Goal-Conditioned GFlowNets

回顾过去：目标条件GFlowNets的回顾性逆向合成

文章解读: 回顾过去：目标条件GFlowNets的回顾性逆向合成
http://www.studyai.com/xueshu/paper/detail/7689606278

From Search to Sampling: Generative Models for Robust Algorithmic Recourse

从搜索到采样：用于鲁棒算法回溯的生成模型

文章解读: 从搜索到采样：用于鲁棒算法回溯的生成模型
http://www.studyai.com/xueshu/paper/detail/7696277970

M^3PC: Test-time Model Predictive Control using Pretrained Masked Trajectory Model

M^3PC：基于预训练掩码轨迹模型的测试时模型预测控制

文章解读: M^3PC：基于预训练掩码轨迹模型的测试时模型预测控制
http://www.studyai.com/xueshu/paper/detail/7705836732

Glimpse: Enabling White-Box Methods to Use Proprietary Models for Zero-Shot LLM-Generated Text Detection

一瞥：使白盒方法能够使用专有模型进行零样本LLM生成文本检测

文章解读: 一瞥：使白盒方法能够使用专有模型进行零样本LLM生成文本检测
http://www.studyai.com/xueshu/paper/detail/7712135687

SageAttention: Accurate 8-Bit Attention for Plug-and-play Inference Acceleration

SageAttention：精确的8位注意力机制，用于即插即用推理加速

文章解读: SageAttention：精确的8位注意力机制，用于即插即用推理加速
http://www.studyai.com/xueshu/paper/detail/7715880666

Exact Byte-Level Probabilities from Tokenized Language Models for FIM-Tasks and Model Ensembles

用于FIM任务和模型集成的分词语言模型的精确字节级概率

文章解读: 用于FIM任务和模型集成的分词语言模型的精确字节级概率
http://www.studyai.com/xueshu/paper/detail/7720082711

Open-CK: A Large Multi-Physics Fields Coupling benchmarks in Combustion Kinetics

Open-CK：燃烧动力学中大物理场耦合基准测试

文章解读: Open-CK：燃烧动力学中大物理场耦合基准测试
http://www.studyai.com/xueshu/paper/detail/7727737925

$q$-exponential family for policy optimization

策略优化的$q$-指数族

文章解读: 策略优化的$q$-指数族
http://www.studyai.com/xueshu/paper/detail/7727976671

Breaking Mental Set to Improve Reasoning through Diverse Multi-Agent Debate

打破思维定势，通过多样化多智能体辩论提升推理能力

文章解读: 打破思维定势，通过多样化多智能体辩论提升推理能力
http://www.studyai.com/xueshu/paper/detail/7752238950

Fragment and Geometry Aware Tokenization of Molecules for Structure-Based Drug Design Using Language Models

基于语言模型的分子片段和几何感知分词在基于结构的药物设计中的应用

文章解读: 基于语言模型的分子片段和几何感知分词在基于结构的药物设计中的应用
http://www.studyai.com/xueshu/paper/detail/7753136709

DataEnvGym: Data Generation Agents in Teacher Environments with Student Feedback

DataEnvGym：在教师环境中具有学生反馈的数据生成代理

文章解读: DataEnvGym：在教师环境中具有学生反馈的数据生成代理
http://www.studyai.com/xueshu/paper/detail/7755137959

KaSA: Knowledge-Aware Singular-Value Adaptation of Large Language Models

KaSA：知识感知的大语言模型的奇异值自适应

文章解读: KaSA：知识感知的大语言模型的奇异值自适应
http://www.studyai.com/xueshu/paper/detail/7755885803

OmniRe: Omni Urban Scene Reconstruction

OmniRe：全息城市场景重建

文章解读: OmniRe：全息城市场景重建
http://www.studyai.com/xueshu/paper/detail/7770208818

Aligning Generative Denoising with Discriminative Objectives Unleashes Diffusion for Visual Perception

将生成式降噪与判别性目标相结合，释放了扩散模型在视觉感知中的应用

文章解读: 将生成式降噪与判别性目标相结合，释放了扩散模型在视觉感知中的应用
http://www.studyai.com/xueshu/paper/detail/7773157366

Dreamweaver: Learning Compositional World Models from Pixels

Dreamweaver：从像素中学习组合世界模型

文章解读: Dreamweaver：从像素中学习组合世界模型
http://www.studyai.com/xueshu/paper/detail/7776855587

Exploring the Design Space of Visual Context Representation in Video MLLMs

探索视频MLLMs中视觉上下文表示的设计空间

文章解读: 探索视频MLLMs中视觉上下文表示的设计空间
http://www.studyai.com/xueshu/paper/detail/7780662829

NV-Embed: Improved Techniques for Training LLMs as Generalist Embedding Models

NV-Embed：作为通用嵌入模型的LLM训练的改进技术

文章解读: NV-Embed：作为通用嵌入模型的LLM训练的改进技术
http://www.studyai.com/xueshu/paper/detail/7787726155

DeFT: Decoding with Flash Tree-attention for Efficient Tree-structured LLM Inference

DeFT：使用闪存树注意力进行高效树状LLM推理的解码

文章解读: DeFT：使用闪存树注意力进行高效树状LLM推理的解码
http://www.studyai.com/xueshu/paper/detail/7791851778

Bootstrapping Language Models with DPO Implicit Rewards

使用DPO隐式奖励引导语言模型

文章解读: 使用DPO隐式奖励引导语言模型
http://www.studyai.com/xueshu/paper/detail/7792321196

Beyond FVD: An Enhanced Evaluation Metrics for Video Generation Distribution Quality

超越FVD：视频生成分发质量增强评估指标

文章解读: 超越FVD：视频生成分发质量增强评估指标
http://www.studyai.com/xueshu/paper/detail/7797805933

AnalogGenie: A Generative Engine for Automatic Discovery of Analog Circuit Topologies

AnalogGenie：一种用于自动发现模拟电路拓扑的生成引擎

文章解读: AnalogGenie：一种用于自动发现模拟电路拓扑的生成引擎
http://www.studyai.com/xueshu/paper/detail/7798866661

A Distributional Approach to Uncertainty-Aware Preference Alignment Using Offline Demonstrations

基于离线演示的不确定性感知偏好对齐的分布方法

文章解读: 基于离线演示的不确定性感知偏好对齐的分布方法
http://www.studyai.com/xueshu/paper/detail/7819015022

DeepLTL: Learning to Efficiently Satisfy Complex LTL Specifications for Multi-Task RL

DeepLTL：学习高效满足多任务强化学习中的复杂LTL规范

文章解读: DeepLTL：学习高效满足多任务强化学习中的复杂LTL规范
http://www.studyai.com/xueshu/paper/detail/7820668962

CURIE: Evaluating LLMs on Multitask Scientific Long-Context Understanding and Reasoning

CURIE：在多任务科学长上下文理解和推理上评估大语言模型

文章解读: CURIE：在多任务科学长上下文理解和推理上评估大语言模型
http://www.studyai.com/xueshu/paper/detail/7822589839

Implicit In-context Learning

隐式情境学习

文章解读: 隐式情境学习
http://www.studyai.com/xueshu/paper/detail/7827873036

ConvCodeWorld: Benchmarking Conversational Code Generation in Reproducible Feedback Environments

ConvCodeWorld：在可复现反馈环境中对对话式代码生成进行基准测试

文章解读: ConvCodeWorld：在可复现反馈环境中对对话式代码生成进行基准测试
http://www.studyai.com/xueshu/paper/detail/7862653095

$F^{3}Set$: Towards Analyzing Fast, Frequent, and Fine-grained Events from Videos

$F^{3}Set$：迈向分析视频中的快速、频繁和细粒度事件

文章解读: $F^{3}Set$：迈向分析视频中的快速、频繁和细粒度事件
http://www.studyai.com/xueshu/paper/detail/7869551292

What’s the Move? Hybrid Imitation Learning via Salient Points

什么行动？基于显著点的混合模仿学习

文章解读: 什么行动？基于显著点的混合模仿学习
http://www.studyai.com/xueshu/paper/detail/7871328125

Learning LLM-as-a-Judge for Preference Alignment

学习将LLM作为裁判进行偏好对齐

文章解读: 学习将LLM作为裁判进行偏好对齐
http://www.studyai.com/xueshu/paper/detail/7872112763

Sensitivity-Constrained Fourier Neural Operators for Forward and Inverse Problems in Parametric Differential Equations

参数微分方程的正向与反向问题中的敏感度约束傅里叶神经算子

文章解读: 参数微分方程的正向与反向问题中的敏感度约束傅里叶神经算子
http://www.studyai.com/xueshu/paper/detail/7878820230

CtrLoRA: An Extensible and Efficient Framework for Controllable Image Generation

CtrLoRA：一个可扩展且高效的可控图像生成框架

文章解读: CtrLoRA：一个可扩展且高效的可控图像生成框架
http://www.studyai.com/xueshu/paper/detail/7896611608

Restyling Unsupervised Concept Based Interpretable Networks with Generative Models

使用生成模型重构无监督概念基础可解释网络

文章解读: 使用生成模型重构无监督概念基础可解释网络
http://www.studyai.com/xueshu/paper/detail/7905232998

FlickerFusion: Intra-trajectory Domain Generalizing Multi-agent Reinforcement Learning

FlickerFusion：轨迹内域泛化多智能体强化学习

文章解读: FlickerFusion：轨迹内域泛化多智能体强化学习
http://www.studyai.com/xueshu/paper/detail/7905502603

Multi-Label Test-Time Adaptation with Bound Entropy Minimization

带熵最小化的多标签测试时自适应

文章解读: 带熵最小化的多标签测试时自适应
http://www.studyai.com/xueshu/paper/detail/7926793333

FakeShield: Explainable Image Forgery Detection and Localization via Multi-modal Large Language Models

FakeShield：基于多模态大语言模型的可解释图像伪造检测与定位

文章解读: FakeShield：基于多模态大语言模型的可解释图像伪造检测与定位
http://www.studyai.com/xueshu/paper/detail/7938076728

Learning Efficient Positional Encodings with Graph Neural Networks

使用图神经网络学习高效的位置编码

文章解读: 使用图神经网络学习高效的位置编码
http://www.studyai.com/xueshu/paper/detail/7939195953

MP-Mat: A 3D-and-Instance-Aware Human Matting and Editing Framework with Multiplane Representation

MP-Mat：一个具有多平面表示的3D和实例感知的人体抠图与编辑框架

文章解读: MP-Mat：一个具有多平面表示的3D和实例感知的人体抠图与编辑框架
http://www.studyai.com/xueshu/paper/detail/7961752117

VTDexManip: A Dataset and Benchmark for Visual-tactile Pretraining and Dexterous Manipulation with Reinforcement Learning

VTDexManip：用于视觉触觉预训练和基于强化学习的灵巧操作的数据集与基准

文章解读: VTDexManip：用于视觉触觉预训练和基于强化学习的灵巧操作的数据集与基准
http://www.studyai.com/xueshu/paper/detail/7990537230

Learning to Discover Regulatory Elements for Gene Expression Prediction

学习发现用于基因表达预测的调控元件

文章解读: 学习发现用于基因表达预测的调控元件
http://www.studyai.com/xueshu/paper/detail/7990928200

GETS: Ensemble Temperature Scaling for Calibration in Graph Neural Networks

GETS：用于图神经网络校准的集成温度缩放

文章解读: GETS：用于图神经网络校准的集成温度缩放
http://www.studyai.com/xueshu/paper/detail/8011270768

GameGen-X: Interactive Open-world Game Video Generation

GameGen-X：交互式开放世界游戏视频生成

文章解读: GameGen-X：交互式开放世界游戏视频生成
http://www.studyai.com/xueshu/paper/detail/8017002982

Improving Deep Regression with Tightness

改进深度回归的紧致性

文章解读: 改进深度回归的紧致性
http://www.studyai.com/xueshu/paper/detail/8022183669

UniCoTT: A Unified Framework for Structural Chain-of-Thought Distillation

UniCoTT：一种用于结构化思维链蒸馏的统一框架

文章解读: UniCoTT：一种用于结构化思维链蒸馏的统一框架
http://www.studyai.com/xueshu/paper/detail/8022308565

Discrete Distribution Networks

离散分布网络

文章解读: 离散分布网络
http://www.studyai.com/xueshu/paper/detail/8026011172

CS-Bench: A Comprehensive Benchmark for Large Language Models towards Computer Science Mastery

CS-Bench：面向计算机科学掌握的大语言模型的综合性基准

文章解读: CS-Bench：面向计算机科学掌握的大语言模型的综合性基准
http://www.studyai.com/xueshu/paper/detail/8029221770

ThinkBot: Embodied Instruction Following with Thought Chain Reasoning

ThinkBot：基于思维链推理的具身指令遵循

文章解读: ThinkBot：基于思维链推理的具身指令遵循
http://www.studyai.com/xueshu/paper/detail/8035008792

ToolACE: Winning the Points of LLM Function Calling

ToolACE：赢得LLM函数调用的要点

文章解读: ToolACE：赢得LLM函数调用的要点
http://www.studyai.com/xueshu/paper/detail/8035126688

Discovering Influential Neuron Path in Vision Transformers

发现视觉变换器中的关键神经元路径

文章解读: 发现视觉变换器中的关键神经元路径
http://www.studyai.com/xueshu/paper/detail/8039796059

Population Transformer: Learning Population-level Representations of Neural Activity

种群转换器：学习神经活动层面的种群级表示

文章解读: 种群转换器：学习神经活动层面的种群级表示
http://www.studyai.com/xueshu/paper/detail/8052708193

RocketEval: Efficient automated LLM evaluation via grading checklist

RocketEval：通过评分清单实现高效的LLM自动化评估

文章解读: RocketEval：通过评分清单实现高效的LLM自动化评估
http://www.studyai.com/xueshu/paper/detail/8071796926

Measuring and Enhancing Trustworthiness of LLMs in RAG through Grounded Attributions and Learning to Refuse

通过基于证据的归因和拒绝学习来衡量和增强RAG中LLMs的可信度

文章解读: 通过基于证据的归因和拒绝学习来衡量和增强RAG中LLMs的可信度
http://www.studyai.com/xueshu/paper/detail/8076327683

Multimodality Helps Few-shot 3D Point Cloud Semantic Segmentation

多模态技术有助于小样本三维点云语义分割

文章解读: 多模态技术有助于小样本三维点云语义分割
http://www.studyai.com/xueshu/paper/detail/8098990198

FaceShot: Bring Any Character into Life

FaceShot：让任何角色栩栩如生

文章解读: FaceShot：让任何角色栩栩如生
http://www.studyai.com/xueshu/paper/detail/8106628982

On Quantizing Neural Representation for Variable-Rate Video Coding

对可变比特率视频编码中神经表征的量化

文章解读: 对可变比特率视频编码中神经表征的量化
http://www.studyai.com/xueshu/paper/detail/8110058352

STAMP: Scalable Task- And Model-agnostic Collaborative Perception

STAMP：可扩展的任务和模型无关的协同感知

文章解读: STAMP：可扩展的任务和模型无关的协同感知
http://www.studyai.com/xueshu/paper/detail/8111222361

Think while You Generate: Discrete Diffusion with Planned Denoising

边生成边思考：计划性去噪的离散扩散

文章解读: 边生成边思考：计划性去噪的离散扩散
http://www.studyai.com/xueshu/paper/detail/8128728383

Scalable Mechanistic Neural Networks

可扩展机制神经网络

文章解读: 可扩展机制神经网络
http://www.studyai.com/xueshu/paper/detail/8128758297

TAU-106K: A New Dataset for Comprehensive Understanding of Traffic Accident

TAU-106K：一个用于全面理解交通事故的新数据集

文章解读: TAU-106K：一个用于全面理解交通事故的新数据集
http://www.studyai.com/xueshu/paper/detail/8130197998

FairMT-Bench: Benchmarking Fairness for Multi-turn Dialogue in Conversational LLMs

FairMT-Bench：对话式大语言模型多轮对话公平性基准测试

文章解读: FairMT-Bench：对话式大语言模型多轮对话公平性基准测试
http://www.studyai.com/xueshu/paper/detail/8132261282

Immunogenicity Prediction with Dual Attention Enables Vaccine Target Selection

基于双重注意力机制的免疫原性预测助力疫苗靶点选择

文章解读: 基于双重注意力机制的免疫原性预测助力疫苗靶点选择
http://www.studyai.com/xueshu/paper/detail/8139851079

S4M: S4 for multivariate time series forecasting with Missing values

S4M：用于多变量时间序列预测的S4方法（含缺失值处理）

文章解读: S4M：用于多变量时间序列预测的S4方法（含缺失值处理）
http://www.studyai.com/xueshu/paper/detail/8152637368

Long-Sequence Recommendation Models Need Decoupled Embeddings

长序列推荐模型需要解耦嵌入

文章解读: 长序列推荐模型需要解耦嵌入
http://www.studyai.com/xueshu/paper/detail/8156887200

IgGM: A Generative Model for Functional Antibody and Nanobody Design

IgGM：用于功能抗体和纳米抗体设计的生成模型

文章解读: IgGM：用于功能抗体和纳米抗体设计的生成模型
http://www.studyai.com/xueshu/paper/detail/8160012860

Multi-Task Corrupted Prediction for Learning Robust Audio-Visual Speech Representation

多任务损坏预测学习鲁棒视听语音表征

文章解读: 多任务损坏预测学习鲁棒视听语音表征
http://www.studyai.com/xueshu/paper/detail/8166881886

D-FINE: Redefine Regression Task of DETRs as Fine-grained Distribution Refinement

D-FINE：重新定义DETRs回归任务为细粒度分布细化

文章解读: D-FINE：重新定义DETRs回归任务为细粒度分布细化
http://www.studyai.com/xueshu/paper/detail/8181210272

Solving Token Gradient Conflict in Mixture-of-Experts for Large Vision-Language Model

解决专家混合模型中大型视觉语言模型的Token梯度冲突问题

文章解读: 解决专家混合模型中大型视觉语言模型的Token梯度冲突问题
http://www.studyai.com/xueshu/paper/detail/8183761260

MCNC: Manifold-Constrained Reparameterization for Neural Compression

MCNC：带流形约束的神经网络压缩重参数化

文章解读: MCNC：带流形约束的神经网络压缩重参数化
http://www.studyai.com/xueshu/paper/detail/8192527751

ShortcutsBench: A Large-Scale Real-world Benchmark for API-based Agents

ShortcutsBench：一个基于API的代理的大规模真实世界基准

文章解读: ShortcutsBench：一个基于API的代理的大规模真实世界基准
http://www.studyai.com/xueshu/paper/detail/8192709882

Understanding Long Videos with Multimodal Language Models

使用多模态语言模型理解长视频

文章解读: 使用多模态语言模型理解长视频
http://www.studyai.com/xueshu/paper/detail/8193060367

Inverse Constitutional AI: Compressing Preferences into Principles

逆宪法人工智能：将偏好压缩为原则

文章解读: 逆宪法人工智能：将偏好压缩为原则
http://www.studyai.com/xueshu/paper/detail/8211535593

RB-Modulation: Training-Free Stylization using Reference-Based Modulation

基于参考的调制：无需训练的风格化

文章解读: 基于参考的调制：无需训练的风格化
http://www.studyai.com/xueshu/paper/detail/8212091577

Multi-Scale Fusion for Object Representation

多尺度融合用于对象表示

文章解读: 多尺度融合用于对象表示
http://www.studyai.com/xueshu/paper/detail/8225261597

SPORTU: A Comprehensive Sports Understanding Benchmark for Multimodal Large Language Models

SPORTU：面向多模态大语言模型的全面体育理解基准

文章解读: SPORTU：面向多模态大语言模型的全面体育理解基准
http://www.studyai.com/xueshu/paper/detail/8227720889

ViBiDSampler: Enhancing Video Interpolation Using Bidirectional Diffusion Sampler

ViBiDSampler：利用双向扩散采样器增强视频插值

文章解读: ViBiDSampler：利用双向扩散采样器增强视频插值
http://www.studyai.com/xueshu/paper/detail/8238718217

Benchmarking Agentic Workflow Generation

基准测试代理式工作流生成

文章解读: 基准测试代理式工作流生成
http://www.studyai.com/xueshu/paper/detail/8257232902

MQuAKE-Remastered: Multi-Hop Knowledge Editing Can Only Be Advanced with Reliable Evaluations

MQuAKE-Remastered：多跳知识编辑只能依靠可靠的评估才能进步

文章解读: MQuAKE-Remastered：多跳知识编辑只能依靠可靠的评估才能进步
http://www.studyai.com/xueshu/paper/detail/8259558628

GOAL: A Generalist Combinatorial Optimization Agent Learner

目标：一个通用的组合优化代理学习器

文章解读: 目标：一个通用的组合优化代理学习器
http://www.studyai.com/xueshu/paper/detail/8259760526

GraphArena: Evaluating and Exploring Large Language Models on Graph Computation

GraphArena：在图计算上评估和探索大语言模型

文章解读: GraphArena：在图计算上评估和探索大语言模型
http://www.studyai.com/xueshu/paper/detail/8261522727

MMDT: Decoding the Trustworthiness and Safety of Multimodal Foundation Models

MMDT：解码多模态基础模型的可信度和安全性

文章解读: MMDT：解码多模态基础模型的可信度和安全性
http://www.studyai.com/xueshu/paper/detail/8261696911

Adaptive Shrinkage Estimation for Personalized Deep Kernel Regression in Modeling Brain Trajectories

个性化深度核回归中脑轨迹建模的自适应收缩估计

文章解读: 个性化深度核回归中脑轨迹建模的自适应收缩估计
http://www.studyai.com/xueshu/paper/detail/8263359856

GraphBridge: Towards Arbitrary Transfer Learning in GNNs

图桥：面向GNNs的任意迁移学习

文章解读: 图桥：面向GNNs的任意迁移学习
http://www.studyai.com/xueshu/paper/detail/8268799203

Residual-MPPI: Online Policy Customization for Continuous Control

残差-MPPI：连续控制中的在线策略定制

文章解读: 残差-MPPI：连续控制中的在线策略定制
http://www.studyai.com/xueshu/paper/detail/8271551030

Atomas: Hierarchical Adaptive Alignment on Molecule-Text for Unified Molecule Understanding and Generation

Atomas：分子-文本层次自适应对齐，用于统一分子理解与生成

文章解读: Atomas：分子-文本层次自适应对齐，用于统一分子理解与生成
http://www.studyai.com/xueshu/paper/detail/8280396911

Density estimation with LLMs: a geometric investigation of in-context learning trajectories

使用LLMs进行密度估计：对情境学习轨迹的几何研究

文章解读: 使用LLMs进行密度估计：对情境学习轨迹的几何研究
http://www.studyai.com/xueshu/paper/detail/8282879513

6DGS: Enhanced Direction-Aware Gaussian Splatting for Volumetric Rendering

6DGS：增强方向感知高斯喷溅用于体素渲染

文章解读: 6DGS：增强方向感知高斯喷溅用于体素渲染
http://www.studyai.com/xueshu/paper/detail/8290316002

Understanding Matrix Function Normalizations in Covariance Pooling through the Lens of Riemannian Geometry

通过黎曼几何视角理解协方差池化中的矩阵函数归一化

文章解读: 通过黎曼几何视角理解协方差池化中的矩阵函数归一化
http://www.studyai.com/xueshu/paper/detail/8298938385

Self-play with Execution Feedback: Improving Instruction-following Capabilities of Large Language Models

使用执行反馈进行自我博弈：提升大语言模型的指令跟随能力

文章解读: 使用执行反馈进行自我博弈：提升大语言模型的指令跟随能力
http://www.studyai.com/xueshu/paper/detail/8316750510

Dynamic Mixture of Experts: An Auto-Tuning Approach for Efficient Transformer Models

动态专家混合：高效Transformer模型的自调方法

文章解读: 动态专家混合：高效Transformer模型的自调方法
http://www.studyai.com/xueshu/paper/detail/8318687513

AgentSquare: Automatic LLM Agent Search in Modular Design Space

AgentSquare：模块化设计空间中自动LLM代理搜索

文章解读: AgentSquare：模块化设计空间中自动LLM代理搜索
http://www.studyai.com/xueshu/paper/detail/8329352012

Flat Reward in Policy Parameter Space Implies Robust Reinforcement Learning

在策略参数空间中的平坦奖励意味着鲁棒的强化学习

文章解读: 在策略参数空间中的平坦奖励意味着鲁棒的强化学习
http://www.studyai.com/xueshu/paper/detail/8331810319

Causal Discovery via Bayesian Optimization

基于贝叶斯优化的因果发现

文章解读: 基于贝叶斯优化的因果发现
http://www.studyai.com/xueshu/paper/detail/8358856167

Mix-LN: Unleashing the Power of Deeper Layers by Combining Pre-LN and Post-LN

Mix-LN：通过结合预LN和后LN释放更深层的力量

文章解读: Mix-LN：通过结合预LN和后LN释放更深层的力量
http://www.studyai.com/xueshu/paper/detail/8362680028

SG-I2V: Self-Guided Trajectory Control in Image-to-Video Generation

SG-I2V：图像到视频生成中的自引导轨迹控制

文章解读: SG-I2V：图像到视频生成中的自引导轨迹控制
http://www.studyai.com/xueshu/paper/detail/8363966165

Jailbreaking Leading Safety-Aligned LLMs with Simple Adaptive Attacks

使用简单自适应攻击破解主要安全对齐的大语言模型

文章解读: 使用简单自适应攻击破解主要安全对齐的大语言模型
http://www.studyai.com/xueshu/paper/detail/8391000105

WorkflowLLM: Enhancing Workflow Orchestration Capability of Large Language Models

WorkflowLLM：增强大语言模型的工作流编排能力

文章解读: WorkflowLLM：增强大语言模型的工作流编排能力
http://www.studyai.com/xueshu/paper/detail/8393925972

Robust Weight Initialization for Tanh Neural Networks with Fixed Point Analysis

针对Tanh神经网络的鲁棒权重初始化与定点分析

文章解读: 针对Tanh神经网络的鲁棒权重初始化与定点分析
http://www.studyai.com/xueshu/paper/detail/8397888285

DelTA: An Online Document-Level Translation Agent Based on Multi-Level Memory

DelTA：一种基于多级记忆的在线文档级翻译代理

文章解读: DelTA：一种基于多级记忆的在线文档级翻译代理
http://www.studyai.com/xueshu/paper/detail/8508369997

HiRA: Parameter-Efficient Hadamard High-Rank Adaptation for Large Language Models

HiRA：参数高效的Hadamard高秩自适应方法用于大语言模型

文章解读: HiRA：参数高效的Hadamard高秩自适应方法用于大语言模型
http://www.studyai.com/xueshu/paper/detail/8525727930

CollabEdit: Towards Non-destructive Collaborative Knowledge Editing

CollabEdit：迈向非破坏性协作知识编辑

文章解读: CollabEdit：迈向非破坏性协作知识编辑
http://www.studyai.com/xueshu/paper/detail/8528535190

COFlowNet: Conservative Constraints on Flows Enable High-Quality Candidate Generation

COFlowNet：保守约束在流上实现高质量候选生成

文章解读: COFlowNet：保守约束在流上实现高质量候选生成
http://www.studyai.com/xueshu/paper/detail/8559382309

Making Text Embedders Few-Shot Learners

使文本嵌入器成为小样本学习者

文章解读: 使文本嵌入器成为小样本学习者
http://www.studyai.com/xueshu/paper/detail/8562633018

A Transfer Attack to Image Watermarks

针对图像水印的迁移攻击

文章解读: 针对图像水印的迁移攻击
http://www.studyai.com/xueshu/paper/detail/8568639273

SplatFormer: Point Transformer for Robust 3D Gaussian Splatting

SplatFormer：用于鲁棒3D高斯喷溅的点变换器

文章解读: SplatFormer：用于鲁棒3D高斯喷溅的点变换器
http://www.studyai.com/xueshu/paper/detail/8573588769

Projection Head is Secretly an Information Bottleneck

投影头实际上是信息瓶颈

文章解读: 投影头实际上是信息瓶颈
http://www.studyai.com/xueshu/paper/detail/8588913807

Slot-Guided Adaptation of Pre-trained Diffusion Models for Object-Centric Learning and Compositional Generation

基于槽位引导的预训练扩散模型在以对象为中心的学习和组合生成中的应用

文章解读: 基于槽位引导的预训练扩散模型在以对象为中心的学习和组合生成中的应用
http://www.studyai.com/xueshu/paper/detail/8602795827

Implicit Search via Discrete Diffusion: A Study on Chess

通过离散扩散进行隐式搜索：对国际象棋的研究

文章解读: 通过离散扩散进行隐式搜索：对国际象棋的研究
http://www.studyai.com/xueshu/paper/detail/8617898099

Bootstrapped Model Predictive Control

自举模型预测控制

文章解读: 自举模型预测控制
http://www.studyai.com/xueshu/paper/detail/8622799252

Solving Video Inverse Problems Using Image Diffusion Models

使用图像扩散模型解决视频逆问题

文章解读: 使用图像扩散模型解决视频逆问题
http://www.studyai.com/xueshu/paper/detail/8626782886

NutriBench: A Dataset for Evaluating Large Language Models in Nutrition Estimation from Meal Descriptions

NutriBench：一个用于评估从餐食描述中估计营养的大语言模型的数据库

文章解读: NutriBench：一个用于评估从餐食描述中估计营养的大语言模型的数据库
http://www.studyai.com/xueshu/paper/detail/8633281093

Exponential Topology-enabled Scalable Communication in Multi-agent Reinforcement Learning

基于指数拓扑的可扩展通信在多智能体强化学习中

文章解读: 基于指数拓扑的可扩展通信在多智能体强化学习中
http://www.studyai.com/xueshu/paper/detail/8636376756

Generalized Consistency Trajectory Models for Image Manipulation

图像操作的广义一致性轨迹模型

文章解读: 图像操作的广义一致性轨迹模型
http://www.studyai.com/xueshu/paper/detail/8655626857

The Belief State Transformer

信念状态转换器

文章解读: 信念状态转换器
http://www.studyai.com/xueshu/paper/detail/8660215919

FlashRNN: I/O-Aware Optimization of Traditional RNNs on modern hardware

FlashRNN：面向现代硬件的传统RNN的I/O感知优化

文章解读: FlashRNN：面向现代硬件的传统RNN的I/O感知优化
http://www.studyai.com/xueshu/paper/detail/8660578211

SqueezeAttention: 2D Management of KV-Cache in LLM Inference via Layer-wise Optimal Budget

SqueezeAttention：通过逐层最优预算对LLM推理中的KV缓存进行二维管理

文章解读: SqueezeAttention：通过逐层最优预算对LLM推理中的KV缓存进行二维管理
http://www.studyai.com/xueshu/paper/detail/8666109290

SafeWatch: An Efficient Safety-Policy Following Video Guardrail Model with Transparent Explanations

SafeWatch：一种具有透明解释的、高效的、遵循安全策略的视频护栏模型

文章解读: SafeWatch：一种具有透明解释的、高效的、遵循安全策略的视频护栏模型
http://www.studyai.com/xueshu/paper/detail/8671208761

SimulPL: Aligning Human Preferences in Simultaneous Machine Translation

SimulPL：同步机器翻译中的人类偏好对齐

文章解读: SimulPL：同步机器翻译中的人类偏好对齐
http://www.studyai.com/xueshu/paper/detail/8672765563

ProtoSnap: Prototype Alignment For Cuneiform Signs

ProtoSnap：楔形文字原型的对齐

文章解读: ProtoSnap：楔形文字原型的对齐
http://www.studyai.com/xueshu/paper/detail/8673356397

PN-GAIL: Leveraging Non-optimal Information from Imperfect Demonstrations

PN-GAIL：利用不完美演示中的非最优信息

文章解读: PN-GAIL：利用不完美演示中的非最优信息
http://www.studyai.com/xueshu/paper/detail/8685598811

A Spark of Vision-Language Intelligence: 2-Dimensional Autoregressive Transformer for Efficient Finegrained Image Generation

一点视觉语言智能之光：二维自回归Transformer用于高效细粒度图像生成

文章解读: 一点视觉语言智能之光：二维自回归Transformer用于高效细粒度图像生成
http://www.studyai.com/xueshu/paper/detail/8687951571

Catastrophic Failure of LLM Unlearning via Quantization

量化导致的LLM去学习灾难性失败

文章解读: 量化导致的LLM去学习灾难性失败
http://www.studyai.com/xueshu/paper/detail/8689839687

AndroidWorld: A Dynamic Benchmarking Environment for Autonomous Agents

AndroidWorld：自主代理的动态基准测试环境

文章解读: AndroidWorld：自主代理的动态基准测试环境
http://www.studyai.com/xueshu/paper/detail/8695355507

OmniKV: Dynamic Context Selection for Efficient Long-Context LLMs

OmniKV：针对高效长上下文LLMs的动态上下文选择

文章解读: OmniKV：针对高效长上下文LLMs的动态上下文选择
http://www.studyai.com/xueshu/paper/detail/8696296593

FOSP: Fine-tuning Offline Safe Policy through World Models

FOSP：通过世界模型微调离线安全策略

文章解读: FOSP：通过世界模型微调离线安全策略
http://www.studyai.com/xueshu/paper/detail/8701033237

Hierarchical World Models as Visual Whole-Body Humanoid Controllers

分层世界模型作为视觉全身人形控制器

文章解读: 分层世界模型作为视觉全身人形控制器
http://www.studyai.com/xueshu/paper/detail/8717537731

HyperFace: Generating Synthetic Face Recognition Datasets by Exploring Face Embedding Hypersphere

HyperFace：通过探索人脸嵌入超球面生成合成人脸识别数据集

文章解读: HyperFace：通过探索人脸嵌入超球面生成合成人脸识别数据集
http://www.studyai.com/xueshu/paper/detail/8722725001

IterComp: Iterative Composition-Aware Feedback Learning from Model Gallery for Text-to-Image Generation

IterComp：从模型库中进行迭代式构图感知反馈学习以生成文本到图像

文章解读: IterComp：从模型库中进行迭代式构图感知反馈学习以生成文本到图像
http://www.studyai.com/xueshu/paper/detail/8728797118

BLEND: Behavior-guided Neural Population Dynamics Modeling via Privileged Knowledge Distillation

BLEND：基于特权知识蒸馏的行为引导神经群体动力学建模

文章解读: BLEND：基于特权知识蒸馏的行为引导神经群体动力学建模
http://www.studyai.com/xueshu/paper/detail/8733931817

Dense Video Object Captioning from Disjoint Supervision

基于分离监督的密集视频对象描述

文章解读: 基于分离监督的密集视频对象描述
http://www.studyai.com/xueshu/paper/detail/8763580337

Medium-Difficulty Samples Constitute Smoothed Decision Boundary for Knowledge Distillation on Pruned Datasets

中等难度样本构成剪枝数据集上知识蒸馏的平滑决策边界

文章解读: 中等难度样本构成剪枝数据集上知识蒸馏的平滑决策边界
http://www.studyai.com/xueshu/paper/detail/8766752958

Learning a Fast Mixing Exogenous Block MDP using a Single Trajectory

使用单个轨迹学习快速混合外生块MDP

文章解读: 使用单个轨迹学习快速混合外生块MDP
http://www.studyai.com/xueshu/paper/detail/8767923170

Robots Pre-train Robots: Manipulation-Centric Robotic Representation from Large-Scale Robot Datasets

机器人预训练机器人：基于大规模机器人数据集的以操作为中心的机器人表示

文章解读: 机器人预训练机器人：基于大规模机器人数据集的以操作为中心的机器人表示
http://www.studyai.com/xueshu/paper/detail/8776615277

JPEG Inspired Deep Learning

基于JPEG的深度学习

文章解读: 基于JPEG的深度学习
http://www.studyai.com/xueshu/paper/detail/8786759612

A Closer Look at Machine Unlearning for Large Language Models

对大语言模型的机器卸载进行深入探讨

文章解读: 对大语言模型的机器卸载进行深入探讨
http://www.studyai.com/xueshu/paper/detail/8787798659

An Exploration with Entropy Constrained 3D Gaussians for 2D Video Compression

基于熵约束3D高斯模型对2D视频压缩的探索

文章解读: 基于熵约束3D高斯模型对2D视频压缩的探索
http://www.studyai.com/xueshu/paper/detail/8788339967

DECO: Unleashing the Potential of ConvNets for Query-based Detection and Segmentation

DECO：释放卷积神经网络在基于查询的检测和分割中的潜力

文章解读: DECO：释放卷积神经网络在基于查询的检测和分割中的潜力
http://www.studyai.com/xueshu/paper/detail/8788393936

What Secrets Do Your Manifolds Hold? Understanding the Local Geometry of Generative Models

你的流形隐藏着什么秘密？理解生成模型的本体几何

文章解读: 你的流形隐藏着什么秘密？理解生成模型的本体几何
http://www.studyai.com/xueshu/paper/detail/8792156786

Energy-Based Diffusion Language Models for Text Generation

基于能量的扩散语言模型用于文本生成

文章解读: 基于能量的扩散语言模型用于文本生成
http://www.studyai.com/xueshu/paper/detail/8797658615

Towards Fast, Specialized Machine Learning Force Fields: Distilling Foundation Models via Energy Hessians

面向快速、专业的机器学习力场：通过能量Hessian蒸馏基础模型

文章解读: 面向快速、专业的机器学习力场：通过能量Hessian蒸馏基础模型
http://www.studyai.com/xueshu/paper/detail/8799383339

High-Precision Dichotomous Image Segmentation via Probing Diffusion Capacity

高精度二值图像分割方法：探测扩散能力

文章解读: 高精度二值图像分割方法：探测扩散能力
http://www.studyai.com/xueshu/paper/detail/8802176198

Understanding the Stability-based Generalization of Personalized Federated Learning

理解基于稳定性的个性化联邦学习泛化

文章解读: 理解基于稳定性的个性化联邦学习泛化
http://www.studyai.com/xueshu/paper/detail/8803729015

DuoAttention: Efficient Long-Context LLM Inference with Retrieval and Streaming Heads

双注意力机制：结合检索和流式头的长上下文LLM高效推理

文章解读: 双注意力机制：结合检索和流式头的长上下文LLM高效推理
http://www.studyai.com/xueshu/paper/detail/8805693181

SWIFT: On-the-Fly Self-Speculative Decoding for LLM Inference Acceleration

SWIFT：用于LLM推理加速的即时自推测解码

文章解读: SWIFT：用于LLM推理加速的即时自推测解码
http://www.studyai.com/xueshu/paper/detail/8818527032

Transition Path Sampling with Improved Off-Policy Training of Diffusion Path Samplers

基于改进的扩散路径采样器的离线策略训练的转换路径采样

文章解读: 基于改进的扩散路径采样器的离线策略训练的转换路径采样
http://www.studyai.com/xueshu/paper/detail/8829012392

Feast Your Eyes: Mixture-of-Resolution Adaptation for Multimodal Large Language Models

用眼饱餐：多模态大语言模型的混合分辨率适应方法

文章解读: 用眼饱餐：多模态大语言模型的混合分辨率适应方法
http://www.studyai.com/xueshu/paper/detail/8830822219

Accelerating Neural ODEs: A Variational Formulation-based Approach

加速神经常微分方程：基于变分公式的Approach

文章解读: 加速神经常微分方程：基于变分公式的Approach
http://www.studyai.com/xueshu/paper/detail/8830869737

Hummingbird: High Fidelity Image Generation via Multimodal Context Alignment

蜂鸟：通过多模态上下文对齐实现高保真图像生成

文章解读: 蜂鸟：通过多模态上下文对齐实现高保真图像生成
http://www.studyai.com/xueshu/paper/detail/8836007832

InsightBench: Evaluating Business Analytics Agents Through Multi-Step Insight Generation

InsightBench：通过多步洞察生成评估商业分析代理

文章解读: InsightBench：通过多步洞察生成评估商业分析代理
http://www.studyai.com/xueshu/paper/detail/8857301320

Spreading Out-of-Distribution Detection on Graphs

在图上扩展分布外检测

文章解读: 在图上扩展分布外检测
http://www.studyai.com/xueshu/paper/detail/8860527218

LR0.FM: Low-Res Benchmark and Improving robustness for Zero-Shot Classification in Foundation Models

LR0.FM：低分辨率基准测试及改进基础模型在零样本分类中的鲁棒性

文章解读: LR0.FM：低分辨率基准测试及改进基础模型在零样本分类中的鲁棒性
http://www.studyai.com/xueshu/paper/detail/8876790108

Simple, Good, Fast: Self-Supervised World Models Free of Baggage

简单、优秀、快速：无负担的自监督世界模型

文章解读: 简单、优秀、快速：无负担的自监督世界模型
http://www.studyai.com/xueshu/paper/detail/8881060597

Reconstruction-Guided Policy: Enhancing Decision-Making through Agent-Wise State Consistency

重建引导策略：通过智能体状态一致性增强决策制定

文章解读: 重建引导策略：通过智能体状态一致性增强决策制定
http://www.studyai.com/xueshu/paper/detail/8892793053

Zigzag Diffusion Sampling: Diffusion Models Can Self-Improve via Self-Reflection

Z字形扩散采样：扩散模型可通过自我反思实现自我改进

文章解读: Z字形扩散采样：扩散模型可通过自我反思实现自我改进
http://www.studyai.com/xueshu/paper/detail/8895673197

Advantage-Guided Distillation for Preference Alignment in Small Language Models

基于优势引导的蒸馏在小语言模型中的偏好对齐

文章解读: 基于优势引导的蒸馏在小语言模型中的偏好对齐
http://www.studyai.com/xueshu/paper/detail/8897738693

Think-on-Graph 2.0: Deep and Faithful Large Language Model Reasoning with Knowledge-guided Retrieval Augmented Generation

Think-on-Graph 2.0：基于知识引导检索增强生成的深度与忠实的大语言模型推理

文章解读: Think-on-Graph 2.0：基于知识引导检索增强生成的深度与忠实的大语言模型推理
http://www.studyai.com/xueshu/paper/detail/8910105923

U-shaped and Inverted-U Scaling behind Emergent Abilities of Large Language Models

大语言模型涌现能力背后的U形和倒U形缩放

文章解读: 大语言模型涌现能力背后的U形和倒U形缩放
http://www.studyai.com/xueshu/paper/detail/8917131356

GALA: Geometry-Aware Local Adaptive Grids for Detailed 3D Generation

GALA：感知几何的局部自适应网格，用于精细3D生成

文章解读: GALA：感知几何的局部自适应网格，用于精细3D生成
http://www.studyai.com/xueshu/paper/detail/8927163222

Image Watermarks are Removable using Controllable Regeneration from Clean Noise

图像水印可以通过从干净噪声的可控再生中移除

文章解读: 图像水印可以通过从干净噪声的可控再生中移除
http://www.studyai.com/xueshu/paper/detail/8928883996

STORM: Spatio-TempOral Reconstruction Model For Large-Scale Outdoor Scenes

STORM：用于大规模户外场景的时空重建模型

文章解读: STORM：用于大规模户外场景的时空重建模型
http://www.studyai.com/xueshu/paper/detail/8930570335

Rodimus*: Breaking the Accuracy-Efficiency Trade-Off with Efficient Attentions

罗迪厄斯*：通过高效注意力打破准确率-效率权衡

文章解读: 罗迪厄斯*：通过高效注意力打破准确率-效率权衡
http://www.studyai.com/xueshu/paper/detail/8952251926

API Pack: A Massive Multi-Programming Language Dataset for API Call Generation

API Pack：一个用于API调用生成的海量多编程语言数据集

文章解读: API Pack：一个用于API调用生成的海量多编程语言数据集
http://www.studyai.com/xueshu/paper/detail/8952778139

DGQ: Distribution-Aware Group Quantization for Text-to-Image Diffusion Models

DGQ：面向文本到图像扩散模型的分布感知分组量化

文章解读: DGQ：面向文本到图像扩散模型的分布感知分组量化
http://www.studyai.com/xueshu/paper/detail/8956836505

MM-EMBED: UNIVERSAL MULTIMODAL RETRIEVAL WITH MULTIMODAL LLMS

MM-EMBED：通用多模态检索与多模态LLM

文章解读: MM-EMBED：通用多模态检索与多模态LLM
http://www.studyai.com/xueshu/paper/detail/8960563296

ESE: Espresso Sentence Embeddings

ESE：意式浓缩句子嵌入

文章解读: ESE：意式浓缩句子嵌入
http://www.studyai.com/xueshu/paper/detail/8962578220

Cheating Automatic LLM Benchmarks: Null Models Achieve High Win Rates

欺骗自动LLM基准测试：零模型获得高胜率

文章解读: 欺骗自动LLM基准测试：零模型获得高胜率
http://www.studyai.com/xueshu/paper/detail/8968353250

TULIP: Token-length Upgraded CLIP

TULIP：基于token长度的改进型CLIP

文章解读: TULIP：基于token长度的改进型CLIP
http://www.studyai.com/xueshu/paper/detail/8985196108

Be More Diverse than the Most Diverse: Optimal Mixtures of Generative Models via Mixture-UCB Bandit Algorithms

比最多样化更多样化：通过混合UCB bandit算法实现生成模型的最佳组合

文章解读: 比最多样化更多样化：通过混合UCB bandit算法实现生成模型的最佳组合
http://www.studyai.com/xueshu/paper/detail/8985298690

Diffusion Bridge AutoEncoders for Unsupervised Representation Learning

用于无监督表征学习的扩散桥自动编码器

文章解读: 用于无监督表征学习的扩散桥自动编码器
http://www.studyai.com/xueshu/paper/detail/8988350187

ClimaQA: An Automated Evaluation Framework for Climate Question Answering Models

ClimaQA：一种用于气候问答模型的自动化评估框架

文章解读: ClimaQA：一种用于气候问答模型的自动化评估框架
http://www.studyai.com/xueshu/paper/detail/9018796118

Proximal Mapping Loss: Understanding Loss Functions in Crowd Counting & Localization

邻近映射损失：理解人群计数与定位中的损失函数

文章解读: 邻近映射损失：理解人群计数与定位中的损失函数
http://www.studyai.com/xueshu/paper/detail/9022832916

ColPali: Efficient Document Retrieval with Vision Language Models

ColPali：基于视觉语言模型的文档高效检索

文章解读: ColPali：基于视觉语言模型的文档高效检索
http://www.studyai.com/xueshu/paper/detail/9028306667

BitStack: Any-Size Compression of Large Language Models in Variable Memory Environments

BitStack：在可变内存环境中对大语言模型进行任意大小压缩

文章解读: BitStack：在可变内存环境中对大语言模型进行任意大小压缩
http://www.studyai.com/xueshu/paper/detail/9052137165

Agent-Oriented Planning in Multi-Agent Systems

面向代理的规划在多智能体系统中

文章解读: 面向代理的规划在多智能体系统中
http://www.studyai.com/xueshu/paper/detail/9053702978

Boltzmann-Aligned Inverse Folding Model as a Predictor of Mutational Effects on Protein-Protein Interactions

玻尔兹曼对齐的逆向折叠模型作为预测蛋白质-蛋白质相互作用突变效应的预测模型

文章解读: 玻尔兹曼对齐的逆向折叠模型作为预测蛋白质-蛋白质相互作用突变效应的预测模型
http://www.studyai.com/xueshu/paper/detail/9060389277

Text-to-Image Rectified Flow as Plug-and-Play Priors

文本到图像的整流流作为即插即用的先验

文章解读: 文本到图像的整流流作为即插即用的先验
http://www.studyai.com/xueshu/paper/detail/9068807666

Fine-Grained Verifiers: Preference Modeling as Next-token Prediction in Vision-Language Alignment

细粒度验证器：在视觉-语言对齐中，偏好建模作为下一词预测

文章解读: 细粒度验证器：在视觉-语言对齐中，偏好建模作为下一词预测
http://www.studyai.com/xueshu/paper/detail/9069117958

Watermark Anything With Localized Messages

使用本地化信息为任何内容添加水印

文章解读: 使用本地化信息为任何内容添加水印
http://www.studyai.com/xueshu/paper/detail/9069627289

Training-Free Diffusion Model Alignment with Sampling Demons

无训练扩散模型对齐与采样恶魔

文章解读: 无训练扩散模型对齐与采样恶魔
http://www.studyai.com/xueshu/paper/detail/9078025871

Is Large-scale Pretraining the Secret to Good Domain Generalization?

大规模预训练是领域泛化的秘诀吗？

文章解读: 大规模预训练是领域泛化的秘诀吗？
http://www.studyai.com/xueshu/paper/detail/9080538960

Train Small, Infer Large: Memory-Efficient LoRA Training for Large Language Models

小规模训练，大规模推理：适用于大语言模型的内存高效LoRA训练

文章解读: 小规模训练，大规模推理：适用于大语言模型的内存高效LoRA训练
http://www.studyai.com/xueshu/paper/detail/9085136150

LoRanPAC: Low-rank Random Features and Pre-trained Models for Bridging Theory and Practice in Continual Learning

LoRanPAC：低秩随机特征和预训练模型，用于连接持续学习中的理论与实践

文章解读: LoRanPAC：低秩随机特征和预训练模型，用于连接持续学习中的理论与实践
http://www.studyai.com/xueshu/paper/detail/9085952633

Boltzmann priors for Implicit Transfer Operators

隐式转移算子的玻尔兹曼先验

文章解读: 隐式转移算子的玻尔兹曼先验
http://www.studyai.com/xueshu/paper/detail/9086180179

Agent S: An Open Agentic Framework that Uses Computers Like a Human

代理S：一个像人类一样使用计算机的开源智能框架

文章解读: 代理S：一个像人类一样使用计算机的开源智能框架
http://www.studyai.com/xueshu/paper/detail/9088907769

MMR: A Large-scale Benchmark Dataset for Multi-target and Multi-granularity Reasoning Segmentation

MMR：面向多目标多粒度推理分割的大规模基准数据集

文章解读: MMR：面向多目标多粒度推理分割的大规模基准数据集
http://www.studyai.com/xueshu/paper/detail/9095562768

Learning system dynamics without forgetting

在不遗忘的情况下学习系统动力学

文章解读: 在不遗忘的情况下学习系统动力学
http://www.studyai.com/xueshu/paper/detail/9096003022

Moner: Motion Correction in Undersampled Radial MRI with Unsupervised Neural Representation

Moner：非监督神经表征在欠采样径向MRI中的运动校正

文章解读: Moner：非监督神经表征在欠采样径向MRI中的运动校正
http://www.studyai.com/xueshu/paper/detail/9106575367

Breaking the Reclustering Barrier in Centroid-based Deep Clustering

基于质心的深度聚类中的重聚类障碍突破

文章解读: 基于质心的深度聚类中的重聚类障碍突破
http://www.studyai.com/xueshu/paper/detail/9111036031

VL-ICL Bench: The Devil in the Details of Multimodal In-Context Learning

VL-ICL基准：多模态情境学习的细节之魔鬼

文章解读: VL-ICL基准：多模态情境学习的细节之魔鬼
http://www.studyai.com/xueshu/paper/detail/9115156991

From Pixels to Tokens: Byte-Pair Encoding on Quantized Visual Modalities

从像素到标记：量化视觉模态的二元对齐编码

文章解读: 从像素到标记：量化视觉模态的二元对齐编码
http://www.studyai.com/xueshu/paper/detail/9130687306

RAPID: Retrieval Augmented Training of Differentially Private Diffusion Models

RAPID：差分隐私扩散模型的检索增强训练

文章解读: RAPID：差分隐私扩散模型的检索增强训练
http://www.studyai.com/xueshu/paper/detail/9133188636

Adversarial Score identity Distillation: Rapidly Surpassing the Teacher in One Step

对抗得分身份蒸馏：一步之内迅速超越导师

文章解读: 对抗得分身份蒸馏：一步之内迅速超越导师
http://www.studyai.com/xueshu/paper/detail/9137800885

Streamlining Redundant Layers to Compress Large Language Models

精简冗余层以压缩大语言模型

文章解读: 精简冗余层以压缩大语言模型
http://www.studyai.com/xueshu/paper/detail/9186363327

Sports-Traj: A Unified Trajectory Generation Model for Multi-Agent Movement in Sports

Sports-Traj：一种用于体育中多智能体运动的统一轨迹生成模型

文章解读: Sports-Traj：一种用于体育中多智能体运动的统一轨迹生成模型
http://www.studyai.com/xueshu/paper/detail/9200130852

CATCH: Channel-Aware Multivariate Time Series Anomaly Detection via Frequency Patching

CATCH：频谱块感知多元时间序列异常检测

文章解读: CATCH：频谱块感知多元时间序列异常检测
http://www.studyai.com/xueshu/paper/detail/9211851185

NExT-Mol: 3D Diffusion Meets 1D Language Modeling for 3D Molecule Generation

NExT-Mol：3D扩散与1D语言模型结合用于3D分子生成

文章解读: NExT-Mol：3D扩散与1D语言模型结合用于3D分子生成
http://www.studyai.com/xueshu/paper/detail/9221377127

SyllableLM: Learning Coarse Semantic Units for Speech Language Models

SyllableLM：为语音语言模型学习粗粒度语义单元

文章解读: SyllableLM：为语音语言模型学习粗粒度语义单元
http://www.studyai.com/xueshu/paper/detail/9256180667

TopoNets: High performing vision and language models with brain-like topography

TopoNets：具有类脑拓扑结构的高性能视觉和语言模型

文章解读: TopoNets：具有类脑拓扑结构的高性能视觉和语言模型
http://www.studyai.com/xueshu/paper/detail/9258022225

Tree of Attributes Prompt Learning for Vision-Language Models

基于属性树的视觉-语言模型提示学习

文章解读: 基于属性树的视觉-语言模型提示学习
http://www.studyai.com/xueshu/paper/detail/9259887556

GOFA: A Generative One-For-All Model for Joint Graph Language Modeling

GOFA：一种用于联合图语言建模的生成式One-For-All模型

文章解读: GOFA：一种用于联合图语言建模的生成式One-For-All模型
http://www.studyai.com/xueshu/paper/detail/9266586681

When Prompt Engineering Meets Software Engineering: CNL-P as Natural and Robust "APIs’’ for Human-AI Interaction

当提示工程遇见软件工程：CNL-P作为自然且鲁棒的“API”用于人机交互

文章解读: 当提示工程遇见软件工程：CNL-P作为自然且鲁棒的“API”用于人机交互
http://www.studyai.com/xueshu/paper/detail/9269006623

Enhancing Pre-trained Representation Classifiability can Boost its Interpretability

增强预训练表示的可分类性可以提升其可解释性

文章解读: 增强预训练表示的可分类性可以提升其可解释性
http://www.studyai.com/xueshu/paper/detail/9298198017

Montessori-Instruct: Generate Influential Training Data Tailored for Student Learning

蒙台梭利教学：生成针对学生学习定制的影响性训练数据

文章解读: 蒙台梭利教学：生成针对学生学习定制的影响性训练数据
http://www.studyai.com/xueshu/paper/detail/9301529185

GReaTer: Gradients Over Reasoning Makes Smaller Language Models Strong Prompt Optimizers

GReaTer：推理梯度使更小的语言模型成为强大的提示优化器

文章解读: GReaTer：推理梯度使更小的语言模型成为强大的提示优化器
http://www.studyai.com/xueshu/paper/detail/9312135738

Think Thrice Before You Act: Progressive Thought Refinement in Large Language Models

三思而后行：大语言模型中的渐进式思维完善

文章解读: 三思而后行：大语言模型中的渐进式思维完善
http://www.studyai.com/xueshu/paper/detail/9351115832

ThinK: Thinner Key Cache by Query-Driven Pruning

Think：通过查询驱动剪枝实现更薄的键缓存

文章解读: Think：通过查询驱动剪枝实现更薄的键缓存
http://www.studyai.com/xueshu/paper/detail/9353176689

An Undetectable Watermark for Generative Image Models

一种用于生成图像模型的不可检测水印

文章解读: 一种用于生成图像模型的不可检测水印
http://www.studyai.com/xueshu/paper/detail/9355620958

VisualAgentBench: Towards Large Multimodal Models as Visual Foundation Agents

VisualAgentBench：迈向作为视觉基础智能体的多模态大型模型

文章解读: VisualAgentBench：迈向作为视觉基础智能体的多模态大型模型
http://www.studyai.com/xueshu/paper/detail/9360380778

SpinQuant: LLM Quantization with Learned Rotations

SpinQuant：基于学习旋转的LLM量化

文章解读: SpinQuant：基于学习旋转的LLM量化
http://www.studyai.com/xueshu/paper/detail/9361109297

InfoGS: Efficient Structure-Aware 3D Gaussians via Lightweight Information Shaping

InfoGS：基于轻量级信息塑形的结构感知高效3D高斯

文章解读: InfoGS：基于轻量级信息塑形的结构感知高效3D高斯
http://www.studyai.com/xueshu/paper/detail/9362115272

Stem-OB: Generalizable Visual Imitation Learning with Stem-Like Convergent Observation through Diffusion Inversion

Stem-OB：通过扩散反转实现类似主干式的收敛观察，从而实现可泛化的视觉模仿学习

文章解读: Stem-OB：通过扩散反转实现类似主干式的收敛观察，从而实现可泛化的视觉模仿学习
http://www.studyai.com/xueshu/paper/detail/9362171587

FreDF: Learning to Forecast in the Frequency Domain

FreDF：学习频域预测

文章解读: FreDF：学习频域预测
http://www.studyai.com/xueshu/paper/detail/9371931302

Linear Partial Gromov-Wasserstein Embedding

线性部分Gromov-Wasserstein嵌入

文章解读: 线性部分Gromov-Wasserstein嵌入
http://www.studyai.com/xueshu/paper/detail/9375606768

Multiview Equivariance Improves 3D Correspondence Understanding with Minimal Feature Finetuning

多视角等变性通过最小特征微调提升三维对应理解

文章解读: 多视角等变性通过最小特征微调提升三维对应理解
http://www.studyai.com/xueshu/paper/detail/9380709560

Advancing Graph Generation through Beta Diffusion

通过Beta扩散推进图生成

文章解读: 通过Beta扩散推进图生成
http://www.studyai.com/xueshu/paper/detail/9382805689

Shape as Line Segments: Accurate and Flexible Implicit Surface Representation

形状为线段：精确且灵活的隐式表面表示

文章解读: 形状为线段：精确且灵活的隐式表面表示
http://www.studyai.com/xueshu/paper/detail/9390399083

Rethinking Light Decoder-based Solvers for Vehicle Routing Problems

重新思考基于光解码器的车辆路径问题求解器

文章解读: 重新思考基于光解码器的车辆路径问题求解器
http://www.studyai.com/xueshu/paper/detail/9392390871

Fantastic Targets for Concept Erasure in Diffusion Models and Where To Find Them

扩散模型中概念擦除的绝佳目标及其寻找方法

文章解读: 扩散模型中概念擦除的绝佳目标及其寻找方法
http://www.studyai.com/xueshu/paper/detail/9500366589

PathGen-1.6M: 1.6 Million Pathology Image-text Pairs Generation through Multi-agent Collaboration

PathGen-1.6M：通过多智能体协作生成160万个病理图像-文本对

文章解读: PathGen-1.6M：通过多智能体协作生成160万个病理图像-文本对
http://www.studyai.com/xueshu/paper/detail/9501718212

GoodDrag: Towards Good Practices for Drag Editing with Diffusion Models

GoodDrag：面向基于扩散模型的拖拽编辑的良好实践

文章解读: GoodDrag：面向基于扩散模型的拖拽编辑的良好实践
http://www.studyai.com/xueshu/paper/detail/9502527150

BodyGen: Advancing Towards Efficient Embodiment Co-Design

BodyGen：迈向高效的化身协同设计

文章解读: BodyGen：迈向高效的化身协同设计
http://www.studyai.com/xueshu/paper/detail/9511695028

Efficient and Context-Aware Label Propagation for Zero-/Few-Shot Training-Free Adaptation of Vision-Language Model

高效且上下文感知的标签传播用于视觉-语言模型的零/少样本无训练适应

文章解读: 高效且上下文感知的标签传播用于视觉-语言模型的零/少样本无训练适应
http://www.studyai.com/xueshu/paper/detail/9516733783

SOAP: Improving and Stabilizing Shampoo using Adam for Language Modeling

SOAP：使用Adam改进和稳定洗发水进行语言建模

文章解读: SOAP：使用Adam改进和稳定洗发水进行语言建模
http://www.studyai.com/xueshu/paper/detail/9522237836

NeRAF: 3D Scene Infused Neural Radiance and Acoustic Fields

NeRAF：融合3D场景的神经辐射和声场

文章解读: NeRAF：融合3D场景的神经辐射和声场
http://www.studyai.com/xueshu/paper/detail/9527257273

LOKI: A Comprehensive Synthetic Data Detection Benchmark using Large Multimodal Models

LOKI：基于大型多模态模型的综合合成数据检测基准

文章解读: LOKI：基于大型多模态模型的综合合成数据检测基准
http://www.studyai.com/xueshu/paper/detail/9529683509

HAMSTER: Hierarchical Action Models for Open-World Robot Manipulation

HAMSTER：用于开放世界机器人操作的层次化动作模型

文章解读: HAMSTER：用于开放世界机器人操作的层次化动作模型
http://www.studyai.com/xueshu/paper/detail/9555117657

Understanding and Mitigating Bottlenecks of State Space Models through the Lens of Recency and Over-smoothing

通过时效性和过度平滑的视角理解和缓解状态空间模型的瓶颈

文章解读: 通过时效性和过度平滑的视角理解和缓解状态空间模型的瓶颈
http://www.studyai.com/xueshu/paper/detail/9557008321

GravMAD: Grounded Spatial Value Maps Guided Action Diffusion for Generalized 3D Manipulation

GravMAD：基于定位空间价值图的引导行动扩散，用于通用3D操作

文章解读: GravMAD：基于定位空间价值图的引导行动扩散，用于通用3D操作
http://www.studyai.com/xueshu/paper/detail/9560508373

SV4D: Dynamic 3D Content Generation with Multi-Frame and Multi-View Consistency

SV4D：具有多帧和多视图一致性的动态3D内容生成

文章解读: SV4D：具有多帧和多视图一致性的动态3D内容生成
http://www.studyai.com/xueshu/paper/detail/9562956596

SEAL: Safety-enhanced Aligned LLM Fine-tuning via Bilevel Data Selection

SEAL：通过双层数据选择实现安全增强型对齐LLM微调

文章解读: SEAL：通过双层数据选择实现安全增强型对齐LLM微调
http://www.studyai.com/xueshu/paper/detail/9569199351

MTSAM: Multi-Task Fine-Tuning for Segment Anything Model

MTSAM：用于Segment Anything模型的跨任务微调

文章解读: MTSAM：用于Segment Anything模型的跨任务微调
http://www.studyai.com/xueshu/paper/detail/9573172108

Syntactic and Semantic Control of Large Language Models via Sequential Monte Carlo

通过序贯蒙特卡洛方法对大语言模型进行句法和语义控制

文章解读: 通过序贯蒙特卡洛方法对大语言模型进行句法和语义控制
http://www.studyai.com/xueshu/paper/detail/9576803751

A Large-scale Training Paradigm for Graph Generative Models

图生成模型的大规模训练范式

文章解读: 图生成模型的大规模训练范式
http://www.studyai.com/xueshu/paper/detail/9578537283

What Matters When Repurposing Diffusion Models for General Dense Perception Tasks?

在将扩散模型应用于通用密集感知任务时，什么才是关键？

文章解读: 在将扩散模型应用于通用密集感知任务时，什么才是关键？
http://www.studyai.com/xueshu/paper/detail/9581775717

Reflexive Guidance: Improving OoDD in Vision-Language Models via Self-Guided Image-Adaptive Concept Generation

反思性指导：通过自我引导图像自适应概念生成提升视觉语言模型的OoDD性能

文章解读: 反思性指导：通过自我引导图像自适应概念生成提升视觉语言模型的OoDD性能
http://www.studyai.com/xueshu/paper/detail/9583232655

Learning Transformer-based World Models with Contrastive Predictive Coding

基于对比预测编码学习Transformer世界模型

文章解读: 基于对比预测编码学习Transformer世界模型
http://www.studyai.com/xueshu/paper/detail/9589760708

Mutual Reasoning Makes Smaller LLMs Stronger Problem-Solver

互惠推理使更小的LLM成为更强的解决问题者

文章解读: 互惠推理使更小的LLM成为更强的解决问题者
http://www.studyai.com/xueshu/paper/detail/9619283001

Leveraging Driver Field-of-View for Multimodal Ego-Trajectory Prediction

利用驾驶员视野进行多模态自车轨迹预测

文章解读: 利用驾驶员视野进行多模态自车轨迹预测
http://www.studyai.com/xueshu/paper/detail/9626961651

Improving Semantic Understanding in Speech Language Models via Brain-tuning

通过脑部调谐提升语音语言模型的语义理解能力

文章解读: 通过脑部调谐提升语音语言模型的语义理解能力
http://www.studyai.com/xueshu/paper/detail/9629967219

Circuit Representation Learning with Masked Gate Modeling and Verilog-AIG Alignment

使用掩码门建模和Verilog-AIG对齐的电路表示学习

文章解读: 使用掩码门建模和Verilog-AIG对齐的电路表示学习
http://www.studyai.com/xueshu/paper/detail/9631970519

Hidden in the Noise: Two-Stage Robust Watermarking for Images

噪声中的隐藏：图像的两阶段鲁棒水印

文章解读: 噪声中的隐藏：图像的两阶段鲁棒水印
http://www.studyai.com/xueshu/paper/detail/9657331895

SD-LoRA: Scalable Decoupled Low-Rank Adaptation for Class Incremental Learning

SD-LoRA：可扩展解耦低秩自适应方法，用于类别增量学习

文章解读: SD-LoRA：可扩展解耦低秩自适应方法，用于类别增量学习
http://www.studyai.com/xueshu/paper/detail/9671388016

Dynamic-LLaVA: Efficient Multimodal Large Language Models via Dynamic Vision-language Context Sparsification

动态-LLaVA：通过动态视觉-语言上下文稀疏化实现高效多模态大语言模型

文章解读: 动态-LLaVA：通过动态视觉-语言上下文稀疏化实现高效多模态大语言模型
http://www.studyai.com/xueshu/paper/detail/9676253798

MMRole: A Comprehensive Framework for Developing and Evaluating Multimodal Role-Playing Agents

MMRole：一个用于开发和评估多模态角色扮演代理的全面框架

文章解读: MMRole：一个用于开发和评估多模态角色扮演代理的全面框架
http://www.studyai.com/xueshu/paper/detail/9678678383

MDSGen: Fast and Efficient Masked Diffusion Temporal-Aware Transformers for Open-Domain Sound Generation

MDSGen：快速高效的掩码扩散时序感知Transformer模型用于开放域声音生成

文章解读: MDSGen：快速高效的掩码扩散时序感知Transformer模型用于开放域声音生成
http://www.studyai.com/xueshu/paper/detail/9679576338

RAG-DDR: Optimizing Retrieval-Augmented Generation Using Differentiable Data Rewards

RAG-DDR：使用可微数据奖励优化检索增强生成

文章解读: RAG-DDR：使用可微数据奖励优化检索增强生成
http://www.studyai.com/xueshu/paper/detail/9682725685

PT-T2I/V: An Efficient Proxy-Tokenized Diffusion Transformer for Text-to-Image/Video-Task

PT-T2I/V: 一种用于文本到图像/视频任务的高效代理标记化扩散Transformer

文章解读: PT-T2I/V: 一种用于文本到图像/视频任务的高效代理标记化扩散Transformer
http://www.studyai.com/xueshu/paper/detail/9690255380

Tool-Planner: Task Planning with Clusters across Multiple Tools

工具规划器：跨多个工具的集群任务规划

文章解读: 工具规划器：跨多个工具的集群任务规划
http://www.studyai.com/xueshu/paper/detail/9702883067

TASAR: Transfer-based Attack on Skeletal Action Recognition

TASAR：基于迁移的骨骼动作识别攻击

文章解读: TASAR：基于迁移的骨骼动作识别攻击
http://www.studyai.com/xueshu/paper/detail/9705793557

LoRA3D: Low-Rank Self-Calibration of 3D Geometric Foundation models

LoRA3D：三维几何基础模型的低秩自校准

文章解读: LoRA3D：三维几何基础模型的低秩自校准
http://www.studyai.com/xueshu/paper/detail/9706503996

PIG: Physics-Informed Gaussians as Adaptive Parametric Mesh Representations

PIG：物理信息高斯作为自适应参数化网格表示

文章解读: PIG：物理信息高斯作为自适应参数化网格表示
http://www.studyai.com/xueshu/paper/detail/9710902522

AHA: A Vision-Language-Model for Detecting and Reasoning Over Failures in Robotic Manipulation

AHA：一种用于检测和推理机器人操作中故障的视觉-语言模型

文章解读: AHA：一种用于检测和推理机器人操作中故障的视觉-语言模型
http://www.studyai.com/xueshu/paper/detail/9723159516

CBGBench: Fill in the Blank of Protein-Molecule Complex Binding Graph

CBGBench：填补蛋白质分子复合物结合图空白

文章解读: CBGBench：填补蛋白质分子复合物结合图空白
http://www.studyai.com/xueshu/paper/detail/9723525522

Gaussian-Based Instance-Adaptive Intensity Modeling for Point-Supervised Facial Expression Spotting

基于高斯模型的实例自适应强度建模用于点监督面部表情识别

文章解读: 基于高斯模型的实例自适应强度建模用于点监督面部表情识别
http://www.studyai.com/xueshu/paper/detail/9731552671

NarrativeBridge: Enhancing Video Captioning with Causal-Temporal Narrative

叙事桥：通过因果-时序叙事增强视频字幕

文章解读: 叙事桥：通过因果-时序叙事增强视频字幕
http://www.studyai.com/xueshu/paper/detail/9732367776

Fat-to-Thin Policy Optimization: Offline Reinforcement Learning with Sparse Policies

脂肪到瘦政策优化：稀疏策略的离线强化学习

文章解读: 脂肪到瘦政策优化：稀疏策略的离线强化学习
http://www.studyai.com/xueshu/paper/detail/9767077157

Learning Long Range Dependencies on Graphs via Random Walks

通过随机游走学习图上的长距离依赖关系

文章解读: 通过随机游走学习图上的长距离依赖关系
http://www.studyai.com/xueshu/paper/detail/9768879338

ReCogLab: a framework testing relational reasoning & cognitive hypotheses on LLMs

ReCogLab：一个在大语言模型上测试关系推理与认知假设的框架

文章解读: ReCogLab：一个在大语言模型上测试关系推理与认知假设的框架
http://www.studyai.com/xueshu/paper/detail/9770677075

KBLaM: Knowledge Base augmented Language Model

KBLaM：基于知识库增强的语言模型

文章解读: KBLaM：基于知识库增强的语言模型
http://www.studyai.com/xueshu/paper/detail/9778556319

EDiT: A Local-SGD-Based Efficient Distributed Training Method for Large Language Models

EDiT：一种基于局部SGD的大语言模型的分布式高效训练方法

文章解读: EDiT：一种基于局部SGD的大语言模型的分布式高效训练方法
http://www.studyai.com/xueshu/paper/detail/9781290611

Loopy: Taming Audio-Driven Portrait Avatar with Long-Term Motion Dependency

Loopy：具有长期运动依赖性的音频驱动肖像化身控制技术

文章解读: Loopy：具有长期运动依赖性的音频驱动肖像化身控制技术
http://www.studyai.com/xueshu/paper/detail/9795307396

Aligning Human Motion Generation with Human Perceptions

将人类动作生成与人类感知相协调

文章解读: 将人类动作生成与人类感知相协调
http://www.studyai.com/xueshu/paper/detail/9799875109

Procedural Synthesis of Synthesizable Molecules

可合成分子的程序合成

文章解读: 可合成分子的程序合成
http://www.studyai.com/xueshu/paper/detail/9806315701

WavTokenizer: an Efficient Acoustic Discrete Codec Tokenizer for Audio Language Modeling

WavTokenizer：一种用于音频语言模型的声学离散编解码器分词器

文章解读: WavTokenizer：一种用于音频语言模型的声学离散编解码器分词器
http://www.studyai.com/xueshu/paper/detail/9810730396

Dynamic Low-Rank Sparse Adaptation for Large Language Models

动态低秩稀疏适配用于大语言模型

文章解读: 动态低秩稀疏适配用于大语言模型
http://www.studyai.com/xueshu/paper/detail/9826916586

ProtComposer: Compositional Protein Structure Generation with 3D Ellipsoids

ProtComposer：基于3D椭球体的组合蛋白质结构生成

文章解读: ProtComposer：基于3D椭球体的组合蛋白质结构生成
http://www.studyai.com/xueshu/paper/detail/9832316375

R2Det: Exploring Relaxed Rotation Equivariance in 2D Object Detection

R2Det：探索二维目标检测中的松弛旋转等变性

文章解读: R2Det：探索二维目标检测中的松弛旋转等变性
http://www.studyai.com/xueshu/paper/detail/9835085620

HiSplat: Hierarchical 3D Gaussian Splatting for Generalizable Sparse-View Reconstruction

HiSplat：分层3D高斯喷溅用于泛化稀疏视图重建

文章解读: HiSplat：分层3D高斯喷溅用于泛化稀疏视图重建
http://www.studyai.com/xueshu/paper/detail/9859922833

MedTrinity-25M: A Large-scale Multimodal Dataset with Multigranular Annotations for Medicine

MedTrinity-25M：一个具有多粒度标注的大规模多模态医学数据集

文章解读: MedTrinity-25M：一个具有多粒度标注的大规模多模态医学数据集
http://www.studyai.com/xueshu/paper/detail/9861265361

Efficient Neuron Segmentation in Electron Microscopy by Affinity-Guided Queries

电子显微镜下的高效神经元分割方法：基于亲和力引导查询

文章解读: 电子显微镜下的高效神经元分割方法：基于亲和力引导查询
http://www.studyai.com/xueshu/paper/detail/9878099773

Leveraging Flatness to Improve Information-Theoretic Generalization Bounds for SGD

利用平坦性提升SGD的信息理论泛化界限

文章解读: 利用平坦性提升SGD的信息理论泛化界限
http://www.studyai.com/xueshu/paper/detail/9883000519

ContraDiff: Planning Towards High Return States via Contrastive Learning

ContraDiff：通过对比学习规划至高回报状态

文章解读: ContraDiff：通过对比学习规划至高回报状态
http://www.studyai.com/xueshu/paper/detail/9889691112

Dysca: A Dynamic and Scalable Benchmark for Evaluating Perception Ability of LVLMs

Dysca：一个用于评估LVLMs感知能力的动态可扩展基准

文章解读: Dysca：一个用于评估LVLMs感知能力的动态可扩展基准
http://www.studyai.com/xueshu/paper/detail/9897667181

Dist Loss: Enhancing Regression in Few-Shot Region through Distribution Distance Constraint

分布距离约束下通过少样本区域增强回归的Dist Loss

文章解读: 分布距离约束下通过少样本区域增强回归的Dist Loss
http://www.studyai.com/xueshu/paper/detail/9900790755

EMMA: Empowering Multi-modal Mamba with Structural and Hierarchical Alignment

EMMA：通过结构和层次对齐赋能多模态Mamba

文章解读: EMMA：通过结构和层次对齐赋能多模态Mamba
http://www.studyai.com/xueshu/paper/detail/9909071551

An Engorgio Prompt Makes Large Language Model Babble on

一个Engorgio提示让大语言模型喋喋不休

文章解读: 一个Engorgio提示让大语言模型喋喋不休
http://www.studyai.com/xueshu/paper/detail/9921107888

AdaIR: Adaptive All-in-One Image Restoration via Frequency Mining and Modulation

AdaIR：基于频率挖掘和调制的自适应一体化图像修复

文章解读: AdaIR：基于频率挖掘和调制的自适应一体化图像修复
http://www.studyai.com/xueshu/paper/detail/9931065786

CO-MOT: Boosting End-to-end Transformer-based Multi-Object Tracking via Coopetition Label Assignment and Shadow Sets

CO-MOT：通过合作竞争标签分配和阴影集提升基于端到端Transformer的多目标跟踪

文章解读: CO-MOT：通过合作竞争标签分配和阴影集提升基于端到端Transformer的多目标跟踪
http://www.studyai.com/xueshu/paper/detail/9962535185

Optimizing 4D Gaussians for Dynamic Scene Video from Single Landscape Images

基于单张风景图像优化动态场景视频中的4D高斯

文章解读: 基于单张风景图像优化动态场景视频中的4D高斯
http://www.studyai.com/xueshu/paper/detail/9968807823

SSLAM: Enhancing Self-Supervised Models with Audio Mixtures for Polyphonic Soundscapes

SSLAM：通过音频混合增强多音部声景的自监督模型

文章解读: SSLAM：通过音频混合增强多音部声景的自监督模型
http://www.studyai.com/xueshu/paper/detail/9986900872

From Promise to Practice: Realizing High-performance Decentralized Training

从承诺到实践：实现高性能分布式训练

文章解读: 从承诺到实践：实现高性能分布式训练
http://www.studyai.com/xueshu/paper/detail/9987056116

Adversarially Robust Out-of-Distribution Detection Using Lyapunov-Stabilized Embeddings

基于李雅普诺夫稳定嵌入的对抗鲁棒异常分布检测

文章解读: 基于李雅普诺夫稳定嵌入的对抗鲁棒异常分布检测
http://www.studyai.com/xueshu/paper/detail/9989907202