每日论文

MMSearch-R1：激励LMM进行搜索

Mind2Web 2：使用代理即评审评估代理式搜索

FaSTA^*：快慢工具路径代理，结合子程序挖掘实现高效多轮图像编辑

WorldVLA：迈向自回归动作世界模型

MADrive：记忆增强的驾驶场景建模

在LLM预训练中从哪里找到Grokking？无需测试即可监控记忆到泛化的过程

学习跳过Transformer的中间层

SAM4D：在相机和激光雷达流中分割一切

全身条件的第一人称视频预测

PhysRig: 可微分物理蒙皮与骨骼绑定框架，用于真实感关节对象建模

Arch-Router：对齐LLM路由与人类偏好

FairyGen: 基于单个儿童手绘角色的叙事动画视频

一个用于罕见病诊断的具有可追溯推理的智能体系统

生成式积木世界：在图片中移动物体

DiLoCoX：面向去中心化集群的低通信大规模训练框架

MuseControlLite：使用轻量级条件器的多功能音乐生成

DuaShepherd: 整合逐步正确性与潜在奖励以进行数学推理

HeurAgenix：利用大型语言模型解决复杂组合优化挑战