VideoACE:通过高帧率动作评估智能体视频理解的基准
研究团队提出 VideoACE 基准,包含 1000 道多选题,涵盖六大类细粒度动作理解,并附带时序证据标注与经筛选的用户提示。 评估环境结合视频检查工具与用户模拟器,允许模型调整时间覆盖、采样密度及空间细节,并在模拟用户反馈下重新审视证据。 该基准测试了单通道观察、自主工具使用及结合用户反馈的工具使用模式,为探索固定观察设置之外的智能体视频理解提供了测试平台。
研究团队提出 VideoACE 基准,包含 1000 道多选题,涵盖六大类细粒度动作理解,并附带时序证据标注与经筛选的用户提示。 评估环境结合视频检查工具与用户模拟器,允许模型调整时间覆盖、采样密度及空间细节,并在模拟用户反馈下重新审视证据。 该基准测试了单通道观察、自主工具使用及结合用户反馈的工具使用模式,为探索固定观察设置之外的智能体视频理解提供了测试平台。
针对 CLIP 式辐射学预训练在零样本评估峰值后性能下降及大批次训练失效的问题,研究提出兼容性修正方法 CorLIP。该方法无需改变架构,仅将临床断言与图像一致的文本视为正样本,解决了确定性梯度偏差。 CorLIP 大幅放大数据增益,并在 B=2048 的大批次下保持稳定,且该修正可从胸部 X 光迁移至 3D CT 模态。
研究人员提出利用 NOTREKS 信息(变量对边缘独立性)改进因果图学习。该方法引入 PSTrek 惩罚和 trek 约束,在有限样本下增强结构恢复能力。 实验表明,使用合成基准测试中的 oracle NOTREKS 信息,可同时提升因果发现中的结构恢复与基于调整的效果识别准确率。
研究评估 RADAR 和 Merlin 两个通用 CT 基础模型对 517 例肝脏肿瘤的多相 CT 鉴别能力。 Zero-shot 场景下 RADAR 准确率仅 54.4%,而采用 linear probing 方法后提升至 79.9%,显著降低误判率。 结果显示通用 CT 基础模型的零样本肿瘤鉴别能力有限,需通过特征微调优化。
该论文建立了深度 ReLU 网络在分裂谱范数乘积约束下的近似理论,并提出了深度非参数回归的罚最小二乘估计器。 该估计器在保持 Lipschitz 常数均匀有界的同时,实现了仅差对数因子的最优非参数收敛速率。 研究证实了该估计器在对抗性输入扰动下的鲁棒性,并给出了两阶段学习的最优预测速率。
LEDGE 是一种无需执行张量运算即可评估异构边缘设备分布式 LLM 服务的轻量级模拟器。它在 10 台 Jetson 和 Raspberry Pi 设备上测试,Qwen 部署的请求级平均绝对百分比误差低于 3.6%,综合加速比达 135.3 倍。
CoSlice 框架通过协同多智能体强化学习解决 5G 切片资源共享难题,在多样化负载下显著降低平均和尾部 SLA 违规率。 该框架采用偏好条件切片智能体实现快速资源分配,并结合 LLM 协调器基于全局网络观测在较慢时间尺度上动态调整目标,同时推导了次线性遗憾界。 实验基于 ORANSlice 及其射频仿真器 RFsim 构建评估环境,结果验证了该方法优于其他集中式及多智能体基线。
框架AeroRSI通过让无人机导航策略从自身失败中迭代学习来修正闭环飞行故障。在TravelUAV基准上,三轮迭代将2B参数监督策略成功率从46.4%提升至67.5%,碰撞率减半,较此前最优结果高10.6分且无额外标注。代码与模型已公开。
Overseer 通过 eBPF 采集与 Transformer 预测器 OverNet,在真实硬件上实现端到端页面预取。 OverNet 通过序数秩编码故障序列,无需重训即可服务任意进程。在密集矩阵乘法中,该系统将运行时间缩短约一个数量级。
Intent contracts 是一种授权接口,要求规划模型不直接持有工具,而是提交包含目标和引用记录的契约,由可信模型执行工具调用。 实验使用 gpt-6.1-terra 和 GLM-5.3-Flash,在 AmPermBench 三个任务族中,契约机制下所有变更对象均在目标中明确命名。 该方法未能减少未授权操作,状态改变时错误率为 40-49%,已发布插件及运行记录。
基于 Rubric 的强化学习通常等权聚合评分,但评分异质性会扭曲候选排序。研究发现,消除奖励增益不平衡反而降低排序准确率,误排主要集中在该项削弱基础信号的样本对。 该方法提出自适应 DCC 聚合,通过设定裁剪区间限制单准则贡献度,在保留连续判断信息的同时抑制极端分影响。
针对冻结检测器的监督后处理选择,Full100 在319张图像上匹配6004个物体,优于原始WBF的5848个。 原生集上下文增加275个匹配但增加96个未匹配预测;Full100与元统计读数在64张图像完整工作负载下耗时约95毫秒。 研究表明特征维度和非净检测增益是采纳的不可靠指南,支持使用信息充分的输出读数。
研究团队提出 ProtoBridge-CLIP 框架,结合全局对齐与观察掩码发现监督,在医学影像表征学习中区分已确认、明确否定及未提及的医学发现。 该方法在 CT-RATE 等 3 项 CT 基准及 5 项胸片基准上取得 66.5%至 91.4% 的 macro-AUROC 成绩,优于全局对照。 结果表明,在表征学习中对已观察与未观察概念差异化处理具有实用价值。
新型机器学习模型 STORM 在多个评估数据集上达到或超越 Boltz-2 的预测精度,结合亲和力预测的推理与训练速度提升超过五个数量级。 该模型集成多种蛋白质和分子表示的小型模型融合,旨在解决物理方法成本高及现有协同折叠模型在大规模筛选中昂贵的问题。 研究结果指出,整合历史实验数据与结构信息可显著提升亲和力预测准确率。
ReliFlow 引入条件流匹配模型,通过仅使用训练数据交叉拟合估计单基因效应可靠性,校准加性源分布以预测组合扰动转录响应。 在 Norman 遗传扰动中,未见组合 MAE 从 0.142 降至 0.131, withheld 单扰动时从 0.198 降至 0.178;ComboSciPlex 药物组合 MAE 从 0.191 降至 0.176。
针对现有方法未充分利用手部运动与物体语义关系的问题,提出TOMAS框架。该框架通过拓扑感知推理机制联合推断交互目标与潜在操作,并结合自适应分阶段机制组织未来手部运动,在多个公开基准上实现了多目标手部运动预测的最先进性能。
提出双流变分自编码器DM-VAE,通过低维分支提取拓扑骨架约束高维潜空间,避免无正则化扩展导致的流形崎岖与生成漂移问题。 在ImageNet-1K 256x256基准上,该免外部基础模型方法取得rFID 0.12的SOTA成绩,生成FID50K在w/o CFG下为1.28,w/CFG下为1.20。
针对 MoE 视觉-语言模型(VLM)在端侧部署面临的内存挑战,MoMoVL 提出了模态感知自适应压缩框架,将推理资源需求控制在端侧预算内。 该框架联合利用专家激活特征与模态量化敏感度指导位宽分配,相比均匀精度基线减少内存占用最高达 15.44%,且精度下降温和。 MoMoVL 在精度-压缩权衡上优于最先进混合精度基线,代码和数据已公开,论文被 WSDM 2027 接收。
无训练方法 SEE 使冻结 VLMs 能通过重新审视指向区域提升细节感知。在五个小物体基准上提升 2.3-13.1 分,优于五个无训练基线。Qwen3.5-4B 借助 SEE 超越 Qwen3.5-9B 直接回答,并匹配 6 倍大的 Qwen3.5-27B 性能。
研究量化了 GUI 环境在奖励、数据和特征三个维度上的完整性对训练效果的影响。在 MobileGym 中微调 Qwen3-VL-4B-Instruct,仅奖励参考路径使成功率降低 10.53 分,而剔除冗余特征使成功率从 51.61% 提升至 56.13%。
研究显示,在 VLA 模型中冻结 VLM 并全量训练动作专家能产生最易被扩散强化学习(DSRL)引导的策略。 该方法使用 $\pi_{0.5}$ 和 LEAP 手在两个仿真任务中评估了五种微调方案,仅使用少量演示。 研究发现 SFT 成功率与 DSRL 后的成功率相关性低,LoRA 是可调性最差的方案。
论文提出 Angular Conditional Distillation (ACD) 方法以解决标准 logit 目标中的分类器几何失配问题,通过分离可迁移语义与架构依赖参数化实现可靠的知识蒸馏。
提出 VLN-AR 分层视觉-语言-导航框架。经板端优化,其在资源受限无人机平台上实现 7.1x-9.4x 推理加速,仿真与实机导航性能均优于现有方法。 框架利用基于 3D Gaussian Splatting 的自动化管线生成导航数据,结合三阶段训练与轻量级认知智能体,增强场景推理及长时程任务分解能力。
研究团队发布 CratesBump,这是首个用于预测 Rust 生态版本升级的公开数据集,包含约 220,000 个 crate 和超过 200 万连续发布对。 数据集为每个发布对提供 41 个特征(如 AST diff、依赖变更)及基于 Cargo 规则与语义化版本规范的两个标签。 基准测试发现该任务具有可学习性但远未解决,且后期发布分数较低;审计发现部分小版本升级实际破坏了公共 API。
研究发现,在固定模型、记录和阈值的前提下,数值执行合同的变化会影响公平性审计结果。1级实验通过改变乘法和加法计算方式,发现GPU软件栈差异会影响阈值附近的决策,但不改变预设非加权测试的最终判定。
推出包含 602 个合成多立方体装配的基准测试 SixthView,要求模型根据五个正交视图预测第六个隐藏视图。 涵盖 2 至 10 个部件的装配体,采用精确网格评估,确保所有合法装配产生一致的隐藏视图。 在 552 项完整评估中,结合图像与精确文本的准确率范围 33.2% 至 85.4%,添加精确文本显著提升性能。
LLM 在缺乏提示指导时无法可靠处理高利害风险预测中的决策依赖问题。 测试了 OpenAI 和 Anthropic 的 11 个模型,当提示明确指定目标、假设和程序时,目标对齐实现率达 99-100%。 研究建议分析师需通过明确的方法论指导和仔细审查来使用 LLM,而非依赖其自主构建预测问题。
NullTok 提出免训练的空值 token 选择方法,利用 64 个无关对照查询构建经验空分布以校准亲和度,在 64 个完整帧当量预算下有效压缩视频视觉输入。 该方法在 Video-MME 基准上配合 LLaVA-Video-7B 和 Qwen3-VL-8B 分别取得 65.81% 和 68.85% 的得分,优于同预算下的所有对比基线。
研究人员提出“光学即代码”方法,利用编码智能体仅通过测量数据原位训练光学神经网络。 该方法无需硬件校准或梯度计算,智能体形成物理理解并重构网络,在分类任务中优于无梯度方法,接近反向传播性能。 它为大规模可扩展光学神经网络提供了实用路径。
MICCAI 2026 首个放射学报告定位挑战中,最佳方案在 300 张测试 CT 上达到 Dice 0.375、命中率 0.77,匹配两位放射科医师独立评估的组间一致性水平。
冻结潜在世界模型可反向运行检测执行偏差,在 PushT 任务中将成功率从 0.650 提升至 0.862。 该方法通过偏移分数量化执行偏差,在 Cube 任务成功率提升至 0.432,真机实验中减少末端执行器误差。
LAGR 提出任务导向抓取检测方法,通过构建 2.68M 数据并在基准测试中超越次优方法 9.3 个百分点。 方法包含任务无关生成与语言条件重排序模块,并在 Franka 机器人上验证。
研究指出 One-step flow maps 作为后验采样器时存在不确定性丢失与不稳定,直接监督会加剧样本向条件均值坍缩。 Isthmus 方法通过桥接训练对的时间位置,在 5% 训练对沿边分布下保持网络、损失与推理代码不变,无额外成本。 在 MRI 重建中,该方法将 One-step calibration 恢复至 0.96,与多步样本相关性达 0.93,且跨种子方差显著降低。
针对光学神经网络在数字机器学习流水线中的角色,论文提出一种功能导向的评测方法,以实值张量映射作为评估边界。 该方法通过三步流程:定义模块输入输出边界、用匹配性能的数字化模块替代、并对比单步推理的系统级优势(如速度或能耗)。 作者总结前两步为“表达力卡片”,并在已发表的光学系统上进行演示,无需理解内部物理机制即可隔离光学模块的贡献。
针对长时程任务性能退化问题,提出RePlan-VLA框架。该框架在保留视觉-语言-动作策略的前提下,通过实时监测机器人运动状态来动态修订执行计划,无需额外微调。
GRAFT 方法通过图正则化原型场,在 11 个基准及 4 个 ImageNet 偏移场景下,提升了零样本模型的适应性能。 该方法使用高斯马尔可夫随机场先验和类存在模型,在缓存特征上实现无梯度、闭式推理。
TOGBench 是一个用于评估航拍影像中小目标生成保真度的定量对象级基准,旨在解决现有生成模型在小目标上表现不佳且此前被忽视的问题。 研究提出了两种简单的训练/推理时技术,提升了布局到图像生成器渲染小目标的能力,并提高了其在 TOGBench 上的性能。 该工作已被 WACV 2027 接收。
Balancing Partition Forest (BPF) 通过 Bregman 散度最大化互信息或降低权重平方误差,在 17 个场景中表现最佳。 单棵树在 16,512 个观测值上拟合仅需 0.14 秒。 该方法能限制逆概率加权估计器的偏差,显著提升因果推断效率。
AdaS-ViT提出测试时自适应路由架构,在ImageNet-1k上每图像能耗仅1.02至2.45毫焦,能效比达32至72倍。 架构基于AdaE-IF模型,结合S-GSA和S-LGU模块,通过时空渐进课程训练稳定发射精度与路由掩码协同。
研究人员提出 MEM-STRESS,一个将智能戒指生理数据转化为分层记忆以驱动基于 DBT 的多轮对话的 AI 聊天机器人。 在为期四周、60 名成人的非随机研究中,MEM-STRESS 组在 71.8% 的会话中引用了生理特征,相比对照组显著提升了用户对个性化支持的感知(44.4% vs 14.3%)。