每日论文

基于反射生成模型的测试时缩放

开放视觉推理器：迁移语言认知行为以实现视觉推理

NeuralOS：迈向通过神经生成模型模拟操作系统

视觉基础模型：用于自回归图像生成的有效视觉分词器

CLiFT：面向计算高效自适应神经渲染的压缩光场令牌

Gemini 2.5：凭借先进推理、多模态、长上下文和下一代智能体能力推动前沿

KV 缓存引导：在小型语言模型中诱导推理能力

Lumos-1：从统一模型视角看自回归视频生成

一个Token欺骗LLM评判者

神经驱动图像编辑

从一到多：用于3D生成的上下文部分潜在变量

Audio Flamingo 3：通过完全开放的大型音频语言模型提升音频智能

BlockFFN: 面向端侧加速友好的块粒度激活稀疏专家混合模型

基础模型发现了什么？利用归纳偏置探索世界模型

鲁棒多模态大语言模型抵抗模态冲突

Doodle Your Keypoints：基于草图的少样本关键点检测

DOTResize：通过基于离散最优传输的神经元合并来缩减大语言模型宽度