每日论文

GLM-4.5：智能体、推理和编码（ARC）基础模型

Voost：一种用于双向虚拟试穿和试脱的统一可扩展扩散变换器

Memp: 对代理程序性记忆的探索

InfiGUI-G1：通过自适应探索策略优化推进 GUI 接地

修剪不意外：通过首个令牌惊奇度进行高效代码推理

Transformer 训练中大规模激活的隐藏动态

无标签视觉语言模型适应：一项全面调查

GENIE：高斯编码用于神经辐射场交互式编辑

MeshLLM：赋能大型语言模型逐步理解和生成 3D 网格

OS Agents：通用计算设备MLLM代理综述

MELLA：弥合低资源语言 MLLM 的语言能力与文化基础之间的鸿沟

VLM4D：迈向视觉语言模型中的时空感知

UI-AGILE：通过高效强化学习和精确推理时接地推进 GUI 代理

LightSwitch：多视角重打光与材质引导扩散