本站已超过 12 小时没有更新（正常每 3 小时更新一次），下面的内容可能不是最新的。
本页没有符合条件的条目（筛选只在本页内进行）。
说明WaveletLoRA：面向个性化图像生成的频率感知内容与风格分解方法
简介该论文针对个性化图像生成中从单张图像分离主体内容与视觉风格的问题，提出WaveletLoRA框架。方法先对参考图像做多级离散小波变换，得到低频与高频子带，并为每个子带分配独立的LoRA分支，低频分支学习风格，高频分支保留结构内容。此外引入密集专家混合聚合模块和频域正则化目标，以减少风格泄漏并提高内容保真度。作者还建立了WaveBench并设计了基于视觉语言模型的评估方案。实验表明该方法优于现有方法，且结果更符合人类偏好。
说明基于学习的光子计数X射线成像探测器间隙插值方法
简介论文针对由拼接探测器模块形成的图像间隙，提出用生成模型进行插值填充，以便后续相位恢复或断层重建。作者将WGAN-GP与条件Pix2Pix模型应用于该任务，并通过掩膜和约束均值、强度分布的损失项，仅修改间隙像素。实验显示两种模型在感知相似度和直方图距离上表现最好，Pix2Pix的训练GPU时间约为WGAN-GP的五分之一。
说明对比与自举相结合的自监督表示学习：面向少标注农业图像分类
简介本文提出对比自举表示学习方法CBRL，在同一表示路径中同时使用SimCLR式对比损失与双向BYOL式指数滑动平均目标预测，用于标注稀缺的农业图像分类。实验采用ViT-L/16骨干网络，仅使用下游10%的标签，报告单次运行的点估计结果。CBRL在四个主要农业测试基准上宏F1点估计最高，其中DeepWeeds与PlantVillage表现较突出，PlantDoc上所有方法均未达到实用水平。作者指出结果仅为初步证据，未证明统计上的优越性或随机运行下的稳健性。
说明GLCR：面向多任务电磁信号处理的全局-局部协同路由方法
简介该论文提出了GLCR方法，用于在多个异构专家模型之间为电磁信号动态分配任务。方法分两阶段：先由轻量一维卷积网络进行全局分发，再由梯度提升树对易混淆的任务对进行局部判别。论文还构建了包含14万样本、覆盖六类任务的HeteroSignal-7基准。报告显示其路由准确率为96.16%，系统综合得分为76.30%，并将系统浮点运算量降低至全部执行专家时的约五分之一。
说明FADO：借助先验拟合网络学习因果解释
简介该论文关注表格数据中的机器学习解释问题，指出SHAP、排列重要性等预测归因方法只反映相关性，而非因果关系。作者提出特征干预效应Δi，并提出FADO方法，用在结构因果模型生成的合成表格数据上训练的先验拟合网络，从纯观测数据预测该效应。实验表明，该方法在代理变量、混杂因子、对撞因子和安慰剂等场景下优于标准预测归因方法。
说明通用机器学习原子间势的缩放定律是否具有普适性？
简介本文研究在固定模型配置下，M3GNet、MACE 和 PET 三种机器学习原子间势在不同规模训练数据上的数据缩放规律。作者比较了随机采样、多种化学与结构分层策略、迭代 DIRECT 及最远点采样等数据选择方法。结果显示误差随数据量呈幂律下降，但拟合指数、误差下限和样本效率因模型、目标量、采样策略及测试分布而异，并指出结构数量只是必要而非充分的缩放变量。
说明CoCode-World：面向多人世界模型的共享三维代理表示
简介本文提出CoCode-World，一种用于双人视频生成的共享三维代理框架，将结构控制与视觉合成分开。可编程代理负责指定场景布局、运动和遮挡，RGB参考图负责角色与场景外观，并将配对的代理视频、外观参考和目标视图拼接在一起，用预训练视频模型联合生成两个视角。作者还构建了双人GTA V数据集，实验显示该方法在训练中未见的角色与场景风格上能够迁移外观，并在视频质量和跨视角玩家身份一致性上优于所评估的基线。
说明Cat Royale综合数据集：面向姿态检测、分割、动物行为识别与场景理解的数据集
简介本文介绍了Cat Royale综合数据集（CRCD），这是一个面向猫科动物理解的大规模多模态数据集，基于Cat Royale艺术与研究项目中采集的500多小时视频构建。数据集包含20,000张实例分割掩码图像、5000张多主体姿态坐标图像、800多个带动作类别的视频片段以及800多个详细文本描述片段。作者同时提供了实例分割、姿态检测、时序动作定位和视频-文本检索四项任务的基准测试。
说明MemCredit：长时程网页智能体中以决策效用取代语义相关性的记忆选择方法
简介本文提出MemCredit，一种以决策为中心的记忆框架，将记忆选择从语义相关性转向决策效用。方法通过受控的反事实干预估计单条记忆的边际贡献，并将其蒸馏为轻量效用估计器，推理时在固定令牌预算下依据预测效用决定保留哪些记忆。在ALFWorld上，与BM25检索相比，该方法在500令牌历史记忆预算下取得更高的SR@50成绩，作者据此认为决策效用比单纯相关性更适合长时程智能体的记忆管理。
说明利用带距离感知边特征的图注意力网络填补缺失的近地面气温
简介本文提出一种图注意力网络，用于从不完整观测中重建近地面气温场。模型把每个网格单元视为节点，并与其k个最近邻相连，注意力权重依赖节点特征、距离和陆海过渡。作者在CMIP6 CESM2历史模拟数据上训练，并以1850至2014年的HadCRUT5观测覆盖掩膜进行测试。结果显示，该模型的空间RMSE为0.997 K，优于LaMa、普通克里金法和GraphEM，且消融实验表明其性能主要来自几何图构建。
说明缺少局部定义时：语言模型中的稳定性错误
简介本文研究语言模型在文本中某词被局部重新定义、而模型读到的是常用义时的错误。作者用合成词汇、商业合同、Reddit社区词表和去中心化交易所文档构造选择题，对比有无定义时模型的回答。结果显示，被重新定义的常见词最易导致错误，模型重复给出同一错误答案，且其自评置信度与重复一致性无法可靠地发现这些错误。
说明借助智能体式符号执行查找程序缺陷
简介论文提出一个智能体框架，把符号执行工具CrossHair与AI编码代理结合，自动为代码添加断言、为数据库合成符号环境，并为每个报告的缺陷生成具体测试作为证据。在11个开源Python网页应用、共约115.6万行代码上评估，该框架发现1050个缺陷，并可与基于LLM代码检视的方法互补：符号执行多发现输入边界情况导致的崩溃，代码检视则多发现输出错误。
说明小型输出头，强决策能力：类型化决策模型的对照研究
简介本文比较了多种为文本做结构化判断（如是非判断、选项选择、分级评分）的小型输出头模型。作者在同一骨干模型、同一训练数据和同一训练方案下，重新实现了五种输出头。结果显示，输出头的复杂程度对准确率影响很小，而骨干模型的规模影响更大，因此作者建议把精力投入骨干模型，并保持输出头简单。
说明EMS-Nav：面向具身机器人的多尺度导航框架
简介论文提出 EMS-Nav，一种受生物启发的多尺度导航框架，面向在机器人本地设备上在线运行。该方法以区域作为感知、空间理解和导航的组织单位，将物体及其关系归为具有功能意义的空间，并建立从局部到整体环境的层级结构。在四类目标（物体、房间、区域和特定实例）的多尺度导航实验中，EMS-Nav 的成功率最高，首次尝试成功率比最强基线提高 9.39 个百分点，同时降低了建图开销和语言模型输入规模。
说明VWEN：面向越南语改写的精选小型语言模型
简介本文提出 VWEN，一个参数量为 0.8B 的越南语模型，可按指定的改写幅度进行改写，并支持生成多个改写版本、简化、提炼要点、语域转换和改写判断等相关任务。模型基于 Qwen3.5-0.8B 微调，使用约 7k 条经四阶段流程筛选的样本训练。实验显示，在高幅度改写任务上，VWEN 的成功率为 0.61，高于同等计算量下 ViSP 模型的 0.46。
说明用于长时程规划的边际保持耦合扩散组合方法
简介该论文针对组合式扩散规划器在多模态环境中各轨迹片段拼接后可能不一致的问题，提出一种无需训练的推理方法MCDC。它让相邻片段的初始高斯噪声呈正相关，同时保持每个片段的边际分布仍为标准高斯。作者在OGBench长时程拼接任务上报告，该方法优于独立采样，推理时间几乎不变，并且在成功率与计算成本之间优于基于搜索的组合方法。
说明AI4Plasma II：面向可变电极间隙GEC等离子体的几何感知代理模型
简介本文比较了六种几何感知代理模型，用于预测可变电极间隙下的等离子体场和晶圆附近的离子密度分布，这些模型基于规定或学习得到的几何映射、扩展域表示、连续坐标和几何原生离散化。研究对每个参考案例的平均模拟成本为5.32 CPU小时。结果显示，基于规定映射的Geo-FNO和Transolver在四个等离子体场平均误差2%时只需100个训练案例，并引入电荷分离加权损失，将Geo-FNO在5%剖面误差下的最低训练需求从1000降至100个案例。
说明FoveaDet：面向目标检测的中央凹式CNN-Transformer软硬件协同设计
简介论文提出FoveaDet框架，借鉴生物中央凹机制，依据视觉显著性动态选取关注区域，并在ViT中裁剪无关背景图块以减少计算。在标准GPU上，该方法将浮点运算量降低65.4%至92.2%，推理速度提升4.76倍，mAP仅有可忽略的下降。作者还设计了带专用指令的RISC-V定制核，用于加速这一处理流程。
说明为电子病历基础模型构建并验证记忆审计方法
简介本文研究基于 MIMIC-IV 训练的自回归电子病历基础模型在推理时是否会泄露训练患者的信息。作者测试了固定窗口的词元重建、敏感属性泄露以及随机患者级金丝雀等多种攻击方式。结果显示群体层面存在较弱的记忆，但在所评估的攻击下未发现可靠的患者级信息泄露；研究同时表明，该审计方法对强记忆情形敏感。