每日论文

认知核-Pro：深度研究智能体与智能体基础模型训练框架

超越固定：扩散大语言模型的可变长度去噪

PixNerd：像素神经场扩散

3D-R1：增强 3D 视觉语言模型中的推理能力以实现统一场景理解

可训练动态掩码稀疏注意力

SWE-Exp：经验驱动的软件问题解决方案

SWE-Debate：用于解决软件问题的多智能体竞争性辩论

从多位评判者中学习高效的多轮对话评估器

MCIF：基于科学演讲的多模态跨语言指令遵循基准

多模态指代分割：综述

探究低资源语言对话中的幻觉现象

SpA2V: 利用空间听觉线索进行音频驱动的空间感知视频生成

IGL-Nav：用于图像目标导航的增量式 3D 高斯定位

基于音视频记录的多智能体游戏生成与评估