CameraAnything:解耦内外参控制,单次生成搞定运镜重拍与跨画幅适配
针对这一空白,来自蚂蚁集团、香港中文大学、香港科技大学、清华大学和浙江大学的研究团队提出了 CameraAnything 。这是首个将相机外参、内参以及画幅比例统一起来的视频编辑框架。
针对这一空白,来自蚂蚁集团、香港中文大学、香港科技大学、清华大学和浙江大学的研究团队提出了 CameraAnything 。这是首个将相机外参、内参以及画幅比例统一起来的视频编辑框架。
针对这一根本矛盾,这项研究提出了 DexMani 。它的核心洞察在于:向机械手传授人类多指操作经验时, 机器人真正需要学习的不是人类手指在关节空间的几何轨迹,而是物体旋转过程中“可操作度如何随接触状态演化”的通用规律 。
CAPA:为了把这种默契程度量化,研究团队设定了任务结构:给定同一个用户过往已经解决的 个完整代码会话历史 ,当该用户在全新的保留会话(Held-out Session)中提出一个暗含模糊意图的初始需求 时,AI 需要完成自适应推理。
微软研究院最近提出的 Workbook Time Machine(工作簿时光机,简称 WTM) 及其基准测试 WTM-Bench ,彻底打破了这种测试真空。研究团队换了一种反向思路:不再费力去手写或单向生成表格,而是借鉴强化学习中的“逆向课程生成”(Reverse Curriculum Gen...
近期,来自英伟达(NVIDIA)的研究团队提出了名为 AITE (The AI Telco Engineer)的自动化框架。该框架基于大语言模型(LLM)驱动的进化搜索范式,摆脱了单纯依赖人类直觉或神经网络黑盒的传统开发模式。
针对这一根本局限,来自中国科学院计算技术研究所(ICT, CAS)与利兹大学的研究团队提出了 Decode-Time Grammars(解码期语法) ,并实现了端到端系统 gproj 。
来自北京航空航天大学的研究团队在论文中指出了这一核心痛点,并提出了全新的框架 UserIDA (User Intent-Directive Alignment,用户意图指令对齐)。该工作提出,可控的用户模拟应当将“下一轮要实现什么局部交互意图”与“这一意图具体如何用自然语言表达”彻底解耦。
Meta:这项研究提出了名为“约束饱和评测”(Constraint Saturation Evaluation,简称 CSE)的程序化基准,对包括 GPT、Claude、Gemini、Llama 等 8 大家族共 15 个主流前沿大模型进行了极其严格的压测。
他们构建了一个异步人机协作的 AI 科研系统,针对自 1953 年由现代代数几何奠基人亚历山大·格罗滕迪克(Alexander Grothendieck)提出以来悬置了 70 余年的经典问题——格罗滕迪克常数(Grothendieck constant ),展开了长达一个多月的高强度人机协同攻关。
在团队最新构建的化学多样性多肽基准 Riptides 上, Vilya-2 实现了 59.1% 的骨架 RMSD 要理解 Vilya-2 的颠覆性,必须先看清现有共折叠模型在多肽设计中的根本困境。现有的生物大分子预测模型大多从单链蛋白质折叠演化而来。
针对这一瓶颈,清华大学联合腾讯团队提出了一种全新的评估器与策略协同进化框架—— DynamicRubric 。该研究从概率分配的理论视角,严格证明了候选回复之间的“相对分差”正是驱动策略概率质量转移的本质信号;并据此设计了基于当前候选回复集合动态生成打分细则(Rubric)的双层协同演进机制。
HijackKV:由于传统的严格前缀匹配命中率过低,以 CacheBlend、LMCache 为代表的一批前沿系统优化提出了“位置无关的 KV Cache 复用”(Position-Independent KV Reuse):只要不同请求中包含相同的文本分块(Text Chunk)。
针对这一底层特性,安全研究团队提出了名为 LeakyLMs 的新型侧信道攻击体系。研究表明,攻击者完全无需访问模型权重、激活值或 Logits,仅凭在常规 API 客户端观测连续 Token 之间的到达时间差,就能逆向推导闭源大模型的内部部署优化与网络底层架构参数。
针对这一顽疾,来自香港科技大学、浙江大学、东南大学等机构的研究团队提出了全新的自演化框架 DREvo (Distilling Recalibrated Historical Experience)。该研究指出,历史经验不能被无条件地当作静态真理使用,必须在代码状态演变的过程中被动态“重新校准”。
这项研究对目前主流的复合 AI 系统设计提出了几项非常关键的工程警示: 1. 警惕“纯文本自反思”的算力浪费 :在没有外部反馈(如代码报错、测试用例、环境状态或知识库断言)的情况下,单凭 Prompt 要求模型反复“自我批评”并不能带来真实的逻辑纠错,在客观任务上它等价于重抽样,在多轮迭代中收...
实验结果给出了干净的阴性结果:检索并拼接其他任务的成功代码,对当前任务的通过率没有任何统计学层面的影响,性能波动被严格限制在 个百分点以内。这强有力地证实:上下文单纯变长并不会直接摧毁模型的推理能力,自我修复带来的断崖式下跌,完全是由“将自身失败代码作为条件输入”引发的锚定效应所致。
针对执行引导自纠错中的信任危机,来自北京航空航天大学的研究团队提出了 ExeCRE(Execution-Consistency guided code Reliability Estimation)框架。
来自四川大学的研究团队提出了 RA-CAD (ReAct Agent for CAD),从根本上重构了这一范式:研究者不再把执行后审查当成孤立的外部提示,而是将其拆解为智能体策略内部的显式决策动作,通过两阶段优化(CCB 与 FAO)让大模型在同一个交互轨迹中协同进化代码生成能力与自我审查能力。
由腾讯、上海交通大学与香港城市大学联合提出的 SeqLLM 框架直面这一核心矛盾。该研究并不依赖传统“先破坏、再修复”的持续预训练加蒸馏路径,而是通过紧凑的离散字段级词表、文本接地的轻量投影器以及 前缀引导能力注入(Prefix-Guided SFT) 机制。
来自英国牛津大学、美国普林斯顿大学、麻省理工学院、法国国家信息与自动化研究所(Inria)等多家顶级科研机构的研究团队,针对这一长期被忽视的盲区提出了全新基准: DiG-bench (Discovery in Games)。
实验结果清晰地绘制出了适用边界: 在以深度因果与复杂推导为特征的 BRIGHT 基准上,单靠强向量模型第一阶段只能拿到 22.3 的 nDCG@10;而一旦在后端引入 LLM 列表重排,最终得分直接跃升至 35.1。
面对这一瓶颈,来自 Meta FAIR、牛津大学以及伦敦大学学院(UCL)的研究团队提出了一个极具针对性的解法: AI 研究偏好模型 (AI Research Preference Models,简称 RPM )。他们没有继续卷代码生成能力,而是将核心突破口放在了“实验筛选决策”上。
他们提出了针对材料科学的 Auto Research 工作流,设定了极其苛刻的审计红线: 严格隔离搜索与最终评估,将搜索空间解耦为四大干预维度,并将最终选定的代码完全“冻结”,送入绝对不可见的保留测试集(Hold-out Test)中进行盲测 。
然而,来自 IBM、MIT 和 UC Berkeley 的联合研究团队在最新论文中提出了一个尖锐的问题:那些宣称性能卓越的复杂框架,究竟是在通用机制上真正带来了质的飞跃,还是仅仅在极少数偶然的“高光运行”(Lucky runs)中撞上了好运气?