跳到正文

内容形态

论文/研究 最新动态

新论文、技术报告与研究方法。

473 条精选近 30 天 461 条共收录 1,809 条

更新

论文/研究的精选

今天11月13日周五第 1–20 条
  1. Nature Communications62

    研究揭示疫情后免疫债与环境解耦重塑城市流感传播

    一项发表于 Nature Communications 的研究利用澳门 188 万条临床记录及区域和全球监测数据,分析疫情后流感传播的变化。结果显示,人群免疫力下降与旅行恢复共同重塑了流感传播模式,并削弱了流感与气候之间通常存在的关联。

    推荐理由:研究用澳门 188 万条临床记录结合区域与全球监测,量化疫情后免疫下降与旅行恢复如何改变流感传播及其与气候的关联。

  2. PLOS Computational Biology62

    非负矩阵分解将金黄色葡萄球菌泛基因组拆解为24个基因模块

    研究团队用非负矩阵分解把1,398株金黄色葡萄球菌的附属泛基因组拆解为24个可加和的基因模块(phylons),将谱系定义成分与可移动遗传元件区分开,重建准确率90%、精确率96%。

    推荐理由:用非负矩阵分解把金黄色葡萄球菌泛基因组拆成可加和的基因模块,并在独立基因组上验证谱系与宿主来源判别。

  3. Nature Communications62

    溶液工艺制备块体单层 MoS2 薄膜实现室温连续波类激光发射

    作者开发出可溶液加工的块体单层 MoS2 薄膜,在保留单层光学性质的同时,于仅几 nW 的连续光泵浦下实现室温类激光发射。该工作针对原子级薄发光材料难以规模化制备的问题,论文发表于 Nature Communications(doi:10.1038/s41467-026-79012-8)。

    推荐理由:面向原子级薄发光材料难以放大的问题,作者用溶液工艺制备块体单层 MoS2 薄膜,并在极低连续光泵浦功率下实现室温类激光发射。

  4. arXiv · cs.DB75

    PQR-Search 为动态向量数据库的近似最近邻检索提供逐查询召回保证

    作者提出 k-ANN 算子 PQR-Search,对每个查询保证 Pr[Recall(q) < τ] ≤ δ,且 τ<1 时 E[Recall(q)] ≥ τ,该概率只来自索引内的随机旋转,插入删除后无需重新调参。

    推荐理由:针对 ANN 索引只调平均召回的问题,给出逐查询召回保证并量化其相对 HNSW 的延迟与吞吐代价。

  5. arXiv · cs.CV60

    研究在碰撞检测任务上评测连接组约束的果蝇视觉模型 FlyNet 的鲁棒性与效率

    研究者在可微 3D 渲染管线中的碰撞检测任务上,将受突触连接组约束的连续时间循环网络 FlyNet 与 CNN、RAFT 及无连接组约束的 sCTRNN、CTRNN 对比。

    推荐理由:论文把果蝇连接组约束模型与 CNN、RAFT 放在同一碰撞检测任务上比较鲁棒性与算力,并给出对抗纹理与视错觉同源的机制解释。

  6. arXiv · cs.CV72

    DisasterVLG 发布 124 万张灾害图像多任务数据集,覆盖视觉定位与证据式推理

    研究团队构建 DisasterVLG 大规模多任务数据集,包含来自 142 个国家的 124 万张灾害图像和 3300 万条结构化标注,覆盖密集描述与定位、事件评估、关系场景描述和灾害视觉问答(VQA)。

    推荐理由:该数据集把灾害场景的视觉定位与证据式问答统一起来,并给出人工核验测试集,便于评估模型在真实不确定性下的推理能力。

  7. arXiv · cs.CV72

    InstantHMR:可在手机端实时运行的 3D 人体网格恢复模型

    LAAS-GEPETTO 团队提出开源单图人体网格回归器 InstantHMR,基于 Momentum Human Rig(MHR)参数模型、仅用 SAM 3D Body 数据集的公开标注训练,在三星 Galaxy S23 NPU 上每人 5.5 ms 恢复 6,890 顶点人体网格,NVIDIA RTX 4070 上为 0.98 ms。

    推荐理由:作者开源了可在手机 NPU 上实时运行的 3D 人体网格回归器,并统一复现 11 个基线方法,便于读者判断移动端部署的取舍。

  8. arXiv · cs.CV60

    Blueprint2CAD 基准发布:评测视觉模型能否匹配工程图与 CAD 渲染图

    研究团队提出 Blueprint2CAD 基准,用于判断正交线工程图与另一视角的着色渲染图是否对应同一零件,其数据层 BlueCAD-30K 基于 29,925 个 Zero-to-CAD 模型生成六视角图纸与渲染。

    推荐理由:该基准把视角变化与骨干网络的影响分开考察,并给出冻结编码器和零样本 VLM 的具体表现,便于读者判断工程图检索任务的真实难点。

  9. arXiv · cs.CV72

    MMEarth-Bench:面向全球地球观测的多模态测试时训练基准

    作者提出 MMEarth-Bench,包含五个环境任务、12 种模态和全球分布数据,并提供随机与地理两种测试划分。基准测试显示多模态预训练在少标注下更稳健,但地理泛化仍较差,数据充足时随机初始化的多模态模型也具竞争力。作者进一步提出模型无关的 TTT-MMR 方法,在测试时用全部可用模态做重建辅助任务,在两个划分上均提升各模型表现,数据集、代码与可视化工具见项目页。

    推荐理由:材料给出五个新任务、12 种模态和地理切分,并指出地理泛化仍是短板,读者可据此判断多模态地球观测模型的真实能力边界。

  10. arXiv · cs.CV70

    PixVid 将潜空间视频扩散模型提升到像素空间逐帧生成

    PixVid 把预训练的潜空间视频扩散模型迁移到像素空间,用卷积头替换 VAE 解码器,直接逐帧生成像素视频。作者发现预测干净视频而非速度、配合更大的噪声偏移是保证质量的关键;从 Wan2.1-14B 微调后,在约 1.3M 训练片段内与潜空间基线相当,并以相同每帧 token 数生成 2 倍分辨率,深度条件视频编辑在快速运动下保持对齐,且能逐帧响应动作。

    推荐理由:作者把预训练潜空间视频扩散模型迁移到像素空间逐帧生成,并给出与潜空间基线可比的条件和训练规模。

  11. arXiv · cs.RO72

    SWAM:通过跨模态对齐扩展世界动作模型

    作者构建约 47,000 小时通用视频、第一视角视频、UMI 演示与机器人演示数据,系统研究语言-视频监督、语言-视频-动作监督及二者联合对世界动作模型性能的影响,并考察语言标注质量与动作监督的作用。

    推荐理由:作者系统梳理了动作学习对语言-视频对齐的影响,并给出可复现的数据与训练配方,对做世界动作模型的研究者具有参考价值。

  12. arXiv · cs.CV78

    Ropedia Xperience 2 发布:1,589 个 3D 扫描与 4,230 段自我中心行为记录

    研究团队发布 Ropedia Xperience 2,包含 1,589 个已公开的米制尺度 3D 扫描,以及覆盖 74 项任务、共 131 小时的 4,230 段自我中心录制。

    推荐理由:该数据集同时提供环境扫描与人类行为演示,并给出转成机器人学习数据的流程,可供关注具身智能数据规模化的人参考。

  13. arXiv · cs.SE78

    研究用大语言模型自然改写测试 CodeQL 污点追踪的鲁棒性

    研究测试了 CodeQL JavaScript 污点追踪对保持漏洞的自然改写的鲁棒性:在 CodeQL 从真实 npm 漏洞中检出的 172 条数据流上,每条流做三次改写,其中 26.2% 的告警被消除,每条被消除告警的成本约 0.51 美元。

    推荐理由:研究用大语言模型做保持漏洞的自然改写来检验 CodeQL 污点追踪,并给出七类具体缺口,可供 SAST 开发者定位修复目标。

  14. arXiv · cs.CV70

    Kosmo-GFM:面向生产场景的几何基础模型与位姿优化系统

    研究团队提出场景重建系统 Kosmo-GFM,整合几何基础模型 GFM、位姿优化引擎 PoseEngine 与 KosmoWorld 的重建监督。在 SpatialBench 的 Sparse 和 Medium 子集上,GFM 取得最低绝对相对深度误差和 5 度阈值下最高相对位姿 AUC,并在五个数据集上取得最低动态点与场景流平均端点误差。

    推荐理由:原文给出几何基础模型与位姿优化引擎的完整系统设计,并在 SpatialBench 等基准上给出与 GLUEMAP 的精度和运行时间对比。

  15. arXiv · cs.SE66

    Oracle-to-PostgreSQL 迁移智能体是否真在学习?一项带审计的评测

    研究团队对 Oracle-to-PostgreSQL 迁移智能体的经验记忆做了审计式评测:在 1,833 对文档来源参考上,持久记忆把参考一致性(RC)比无记忆基线提高 0.015 [0.004。

    推荐理由:通过审计式评测拆解记忆增益中的参考泄漏与复制效应,并给出六条区分跨任务学习与指标假象的评测规则。

  16. arXiv · cs.RO62

    VICTR:用进度感知的上下文检索提升 VLA 模型的上下文学习能力

    VICTR 提出用 In-Context Value Function Estimator(IC-VFE)根据参考演示视频、语言指令和当前观测估计任务进度,再按进度检索对应阶段的演示片段,供经上下文动作生成后训练的 π_{0.5} 策略使用。

    推荐理由:论文用参考演示视频估计任务进度来检索上下文,在未见过的真实操作任务上把成功率从 6.2% 提到 23.8%,并给出代码与数据入口。

  17. arXiv · cs.RO75

    美团机器人团队提出桌面操作 VLA 基础模型 MR0,RoboTwin 2.0 成功率 93.6%

    美团机器人团队提出面向固定底座桌面操作的视觉-语言-动作基础模型 MR0,在 RoboTwin 2.0 上达到 93.6% 成功率,并在 RoboDojo VLA 赛道排名第五。

    推荐理由:美团机器人团队公开了 MR0 的三阶段训练配方、Rollback 数据构造方式和真实机器人对比结果,可供具身智能研究者评估复现。

  18. arXiv · cs.CV75

    Sprint3D 优化 Pixal3D 流水线,单资产生成时间从 133 秒降至 4.05 秒

    Sprint3D 从公开的 Pixal3D 图像到 3D 流水线出发做端到端加速,在单张 H200 GPU、相同导出设置下把每个资产的中位耗时从 133 秒降到 4.05 秒(33 倍)。

    推荐理由:作者对公开 Pixal3D 流水线做性能剖析,指出瓶颈在 CPU 后处理,并给出可迁移的 GPU 化与蒸馏方案。