每日论文

超越转录：ASR中的机制可解释性

通过推理分解实现自奖励的视觉语言模型

CODA：通过解耦强化学习协调大脑和 cerebellum，用于双脑电脑使用代理

分析思维链动力学：主动引导还是不忠实的 事后合理化？

离散扩散 VLA：将离散扩散引入视觉-语言-动作策略中的动作解码

MIDAS：通过实时自回归视频生成实现多模态交互式数字人合成

扩散语言模型在解码前就知道答案

预测即将到来的词元顺序可以提高语言建模效果

AudioStory：使用大型语言模型生成长篇叙事音频

StepWiser：用于更明智推理的逐步生成式判官

深入内心：用于rPPG和健康生物标志物估计的多视角视频数据集

小心第三只眼！为 MLLM 驱动的智能手机代理评估隐私意识

MotionFlux：通过修正流匹配和偏好对齐实现高效的文本引导运动生成

SEAM：跨模态语义等价性基准测试，用于视觉-语言模型

DeepScholar-Bench：用于生成研究合成的实时基准和自动化评估

驯服混乱：异构和分布式 LLM 推理的协调自动缩放

低成本训练材料基础模型