跳到正文
10月28日周三
  1. arXiv · AI30

    Directional Attention Guidance (DAG) 实现扩散模型免训练单步推理加速

    论文提出免训练的单步推理规则 DAG,通过放大稀疏-稠密注意力差异中检索方向对齐的分量来加速生成,在 FLUX.1、FLUX.2 和 Qwen-Image 等骨干网络上提升了文本对齐与人类偏好评分。 该规则基于 Modern Hopfield 动力学分析,具有弱收缩稳定性,适用于 UNet 和 MMDiT 架构及多步/少步场景,仅需在基础采样器上增加微小单图成本。

  2. arXiv · AI33

    FlowHOI:基于流匹配的手物交互生成框架,实现灵巧机器人操作

    FlowHOI 提出一种两阶段流匹配框架,用于生成语义连贯的手物交互(HOI)序列。 该框架通过解耦几何抓取与语义操作,在 GRAB 和 HOT3D 基准上实现了 40 倍推理加速,且物理模拟成功率比最强扩散基线高 1.7 倍。 该成果已被 NeurIPS 2026 接收,并展示了将生成的 HOI 表示重定向至真实灵巧机器人执行管线的可行性。

  3. arXiv · AI35

    多国胸片AI分类模型回顾性诊断准确性研究

    研究回顾评估了10个胸片AI分类模型在来自六国的12个数据集上的表现,主要结局为95%敏感度下的特异度。 MAVL和MedKLIP总体特异度最高(0.37),但PPV仅0.18-0.19;在机构队列中,多数模型特异度比公开基准低0.09-0.15。 这表明公开基准性能高估了模型在未见数据上的表现,部署前需进行外部验证。

  4. arXiv · AI20

    GMoE-FTI:采用真实混合专家机制的通用面部模板反演方法

    GMoE-FTI 提出一种基于真实 MoE 机制的通用面部模板反演框架,通过三阶段训练策略生成兼容 StyleGAN3 的统一潜在代码。 该方法独立训练五个映射专家与匹配模块,进行协同推理并端到端联合微调。在 LFW 基准及七种未见模板类型上测试,平均 TAR 提升 40%,FAPD 与 FAPC 各降低 2%。

10月27日周二
10月26日周一
  1. arXiv · ML39

    TEM:可扩展的 Transformer 能量基模型用于高质量图像合成

    论文提出 Transformer 能量基模型 (TEM),通过在潜空间运行并提取多层能量进行约束,解决高维采样与训练不稳定性。 引入正向表示对齐 (PRA) 利用视觉基础模型监督中间表示,并优化推理采样策略以提升质量。 TEM-XL 在 ImageNet 256×256 上无需无分类器引导,FID-50K 达 3.82;512×512 分辨率下 FID 为 8.24。

  2. arXiv · ML31

    PaperScorer:如何预测论文录用结果

    PaperScorer 模型能根据论文内容预测同行评审的录用决定,视觉模型预测准确率最高,在 ICLR 论文上达 68%,在 arXiv 机器学习论文上达 77%。 该模型仅基于去除作者身份后的文本或页面截图训练,视觉输入保留了图表和排版信息,比纯文本和前沿推理模型更具预测力。 研究显示该信号对低分和高分论文预测最准,但对中等评分论文不可预测,标志着 AI 驱动科研评估的初步进展。

  3. arXiv · AI21

    Concept Acupuncturist: 基于稀疏自编码器的扩散模型概念擦除高效方法

    针对扩散模型中概念分布纠缠导致的遗忘效率低问题,提出结合可解释性引导与无推理微调的 Concept Acupuncturist 框架。 该框架利用稀疏自编码器(SAE)定位 U-Net 去噪器中最相关的交叉注意力块,通过特征级修正信号实现精确擦除,避免全轨迹优化。 在 SDXL-Turbo 上,该方法将遗忘成功率提升 36.34 个百分点,同时保持图像质量与提示词保真度,代码已公开。

10月23日周五
  1. arXiv · ML21

    SAEParate:用于概念分离扩散模型遗忘的解耦稀疏表示

    该研究提出SAEParate方法,通过概念感知对比学习和交叉注意力引导的空间聚合,在扩散模型潜在空间中显式分离语义重叠概念,以实现针对特定概念的无参数遗忘。 在UnlearnCanvas基准上,该方法达到了最先进的性能,特别是在联合风格-对象遗忘这一具有挑战性且现有方法存在严重干扰的设置中表现突出。 该方法已被NeurIPS 2026接收。

  2. arXiv · ML26

    SpectralCanary: 用于 T2I 数据集使用审计的极简低频痕迹

    SpectralCanary 通过低频低通掩码将金丝雀图像混合进数据集图像,无需辅助生成或逐图优化,实现了轻量级 T2I 模型数据集使用审计。 在 Pokemon 等数据集测试中,该方法平均单次生成 TPR@1% FPR 达 91.1%,模型级准确率 94.8%,且保持图像 SSIM 0.989、LPIPS 0.022,证实低频信号是有效的集合级审计载体。

  3. arXiv · ML29

    SciFusion: 物理引导的组合扩散用于多模态3D科学图像生成

    SciFusion 提出多模态 3D 科学图像生成框架,采用潜在扩散骨干与组合条件方案,在 15 种成像模态上实现零样本合成未见组合。 框架引入 MRI 傅里叶频谱、CT Radon 投影及电子显微镜多切片衍射的物理一致性目标,提升生成保真度与跨域泛化能力。 该框架为新兴模态提供了可扩展的统一生成方案,无需针对特定目标组合进行训练。

10月22日周四
  1. arXiv · ML36

    MVMAE 提出多视图自监督方法提升放射影像疾病分类性能

    MVMAE框架利用放射学多视图结构实现自监督预训练,在MIMIC-CXR等数据集上超越监督及视觉-语言基线。 模型结合掩码图像重建与跨视图对齐,扩展版本MVMAE-V2T引入放射报告作为辅助信号,在低标注场景下表现更优。 研究证实结构与文本监督是构建可扩展医学基础模型的有效互补路径。

  2. arXiv · AI35

    论坛驱动的合成非自愿亲密图像生态:资源与利益相关者分析

    研究分析了4chan和Reddit论坛,发现282,154条4chan评论和78,308条Reddit帖子中,用户共享了156个用于微调模型生成141名女明星图像的LoRA文件,以及54个商用去衣应用链接。 不同技术水平的用户通过共享这些资源促进了合成非自愿亲密图像内容的传播,专家与新手之间的知识转移加剧了此类非法资源的扩散。 研究揭示了现有监管基础设施的漏洞,并提出了加强威慑的关键干预点。

  3. arXiv · AI26

    AlignGemini 提出正交监督解耦方法,实现 AI 生成图像检测的跨生成器泛化

    AlignGemini 通过正交监督解耦(Align, Don't Blend)解决 AIGI 检测泛化难题,在五个真实场景中提升 9.5%。 该方法让 VLM 仅接收语义监督,视觉专家仅接收伪影监督,无需复杂训练策略即可基于两个生成器实现跨生成器泛化。 研究同时引入覆盖八个当代生成器的诊断基准 AIGI-Now,以支持细粒度的检测能力评估。

  4. arXiv · AI25

    SAKURA:手机端私密图像编辑中注意力KV状态的速率自适应服务架构

    SAKURA 提出一种云边协同架构,在带宽受限下向手机设备传输可复用的注意力 KV 状态,用于扩散模型图像编辑任务。 该架构采用细粒度 token 重要性感知压缩方法,运行时根据网络带宽自适应选择缓存表示,并通过流水线执行将缓存传输、重建与设备端计算重叠。

  5. arXiv · AI22

    胸部X光片数据集准入中生成图像的证据评估:从增强到合成证据

    研究评估胸部X光片数据集中生成图像作为证据的可靠性,指出像素检查无法验证采集声称。 实验显示Qwen选择提升质量通过率,但无图像同时通过质量与来源分类器;SynthCheX图像在JPEG压缩后检测准确率显著下降。 结果支持在医学数据集中分开记录并检查图像来源与用途。

  6. arXiv · AI32

    ReSeg: 无需重训练的腹部器官分割与可泛化语义表示学习

    提出无需重训练的腹部器官分割框架 ReSeg,在CT、MRI和PET三种模态的七个数据集上超越了现有SOTA方法。 第一阶段训练可泛化语义表示网络(GSRNet),第二阶段训练器官专用编码器-解码器分割网络(OESNet),使用保留空间布局的合成数据。 消除了对真实训练图像的需求,解决了泛化能力不足和隐私风险问题。

  7. arXiv · AI38

    DualHeads:通过奖励倾斜实现简洁的少步扩散模型微调

    研究提出 DualHeads 方法,利用轻量级双分类头在冻结扩散模型上实现少步生成的奖励对齐。该方法无需可微奖励,仅需外部奖励评估与参考样本,通过最大化加权对数几率实现 KL 正则化奖励最大化。 实证显示,DualHeads 在少步生成中接近 40 步强化学习方法的任务奖励,且保持图像质量,无额外推理成本。 该简洁双头架构有望推动少步奖励倾斜生成技术的发展。

  8. arXiv · ML23

    WildMAE:结构感知掩码自编码用于野生动物图像重建

    论文提出 WildMAE,一种结合局部结构感知细化与掩码到可见交叉注意力的掩码自编码器(MAE)解码器扩展,用于野生动物相机陷阱图像重建。 其架构通过零门控卷积残差路径引入二维邻域先验,并配合渐进式训练目标。在 75% 掩码率下,WildMAE 在 Snapshot Serengeti 数据集上 PSNR 达 27.90 dB,SSIM 0.840,LPIPS 0.160,优于标准 MAE。

  9. arXiv · ML33

    人脸吸引力偏差扭曲文生图奖励模型与排行榜

    研究表明,在文生图模型中,人脸吸引力偏好会压倒图像质量,导致吸引力更高的AI生成人脸在Elo排名中超越真实人脸。 在PickScore等5个人类偏好模型中,吸引力是4个模型得分的最强相关性因素;偏好对齐生成会将人脸导向更年轻、更女性化的特征,甚至覆盖提示词中的不吸引力要求。 该发现揭示了当前偏好评估的缺陷,呼吁开发解耦图像质量与人类认知偏差的模型,以提升评估可靠性。

  10. arXiv · ML26

    通过热力学奇点检测扩散模型中的记忆现象

    扩散模型中恰当的分布学习需反转底层密度函数的扩散过程,而记忆现象是指逆过程从单个训练样本中学习扩散。 研究提供了记忆逆过程的解析表征,并提出一种检测相关热力学奇点判据,该判据能可靠区分正常学习与记忆网络。 该判据适用于多种旨在促进或缓解记忆现象的神经网络模型。

10月21日周三
  1. NVIDIA Blog59

    NVIDIA GTC Berlin 本地 AI 硬件更新:RTX Spark 支持个人智能体,发布 Recursive Flint 模型

    NVIDIA 在 GTC Berlin 展示了本地 AI 硬件全线更新,RTX Spark 现已支持运行 Underdog 桌面智能体,实现个人智能体在 Windows PC 端侧运行。同步推出 Recursive Flint 本地编码模型,该 40B 参数 MoE 模型在 Apache 2.0 许可下开放,并优化了 llama.cpp 与 vLLM 推理引擎以加速端侧 Agent 任务。

  2. arXiv · AI41

    UMM-Reflection 如何在统一模型中通过交错强化学习实现原生反思

    研究团队提出 UMM-Reflection,利用强化学习在统一多模态模型内联合学习反思文本与图像修正,克服了监督微调难以发现高成功率修复路径的局限。 该方法在 BAGEL 模型上使 GenEval 提升 12.05 分,且增益迁移至 WISE 等未参与训练的基准,无需外部验证器即可跨轮次分配信用。