每日论文

GLM-4.1V-Thinking: 迈向通用多模态推理，借助可扩展强化学习

数学推理能否提升通用LLM能力？理解LLM推理的可迁移性

SciArena：一个用于科学文献任务中基础模型的开放评估平台

径向注意力：具有能量衰减的 O(nlog n) 稀疏注意力用于长视频生成

MoCa：模态感知持续预训练生成更优的双向多模态嵌入

DiffuCoder：理解与改进用于代码生成的掩码扩散模型

超越Token的思考：从类脑智能到通用人工智能的认知基础及其社会影响

HumanOmniV2：从理解到基于上下文的全模态推理

大型语言模型训练的数据效能

训练X射线视觉：基于多摄像头视频的无模态分割、无模态内容补全与视角不变物体表示

MusiXQA：提升多模态大型语言模型中的视觉音乐理解能力

FreeLong++: 通过多波段谱融合实现免训练长视频生成

IR3D-Bench: 基于智能体式逆渲染评估视觉-语言模型的场景理解能力

Peccavi：一种用于AI生成图像的抗视觉复述攻击且无失真的图像水印技术

置信散点：基于可学习Beta分布的3D高斯散点渲染置信度压缩

混合推理：教导大型语言模型运用自适应策略进行推理

FreNBRDF：一种频率校正的神经材料表示

Ella：具有终身记忆的具身社交智能体