总览
多模态研究前沿追踪：每日 arXiv 论文、顶级机构技术报告、核心榜单与深度解读。看见 · 理解 · 创造。
最新一期论文422026-10-16 · P1 7 · P2 0已收录论文2828224 期每日论文Technical Report0首批报告待收录Benchmark7个榜单 · 470 条成绩业界洞见0首批专题迁移中深度教堂0课程迁移中
前沿论文每日自动采集 arXiv 最新论文，按顶会、知名作者、顶级机构三级优先筛选，覆盖 14 大研究方向，配每周趋势深度解读。进入论文追踪Technical Report精选顶级机构的论文级技术报告与深度洞察——非产品宣传，只看真正有研究价值与影响力的长文。进入技术报告Benchmark追踪 GUI Agent、多模态生成与理解、LLM 等方向的核心评测基准，汇总 ScreenSpot-Pro、OSWorld 等权威榜单最新模型表现，每日同步社区 leaderboard。进入排行榜数据洞察面向多模态模型与 benchmark 的深度数据分析——从可靠性、口径拆分到统计显著性，用严谨的实证方法审视"数字背后到底说明了什么"。进入数据洞察业界洞见汇集业界顶尖研究者与思想者的深度访谈、认知梳理与观点解读——从技术判断到 AGI 路线，看见塑造这个领域的人如何思考。进入业界洞见深度教堂一座系统化的深度强化学习知识殿堂——以 UC Berkeley CS285 为主线，24 讲讲义 + 12 份带证据链的实验报告，从模仿学习到大模型 RLHF / RLVR / VLM / VLA 前沿。进入深度教堂
| 优先级 | 标题 | 方向 | 机构 | arXiv |
|---|---|---|---|---|
| P1 顶会 | DropKV：解耦残差输出扰动以实现近最优 KV Cache 驱逐 | LLM | NVIDIA | 2610.22130 |
| P1 顶会 | MSP：无需配对跨模态数据训练多模态 LLM 的模态自对弈 | VLM | — | 2610.20965 |
| P1 顶会 | 想还是不想：指代音视频分割的决策前推理预算 | VLM | — | 2610.21613 |
| P1 顶会 | 通过大语言模型的强化学习进度奖励模型 | 具身智能 | — | 2610.22056 |
| P1 顶会 | 合并哪些 Token？基于扩散动力学的高效图像生成 | 文生图 | — | 2610.22370 |
| P1 顶会 | EVA-Cap：通过以事件为中心的对齐优化音视频视频描述 | VLM | — | 2610.22186 |
| P1 顶会 | 面向高效无乘法器 LLM 推理的 Fractional Power-of-Two 量化 | LLM | — | 2610.21257 |
| P3 顶级机构 | Intern Lumina U2：面向全视觉理解与图像生成的多码本扩散大语言模型 | 统一多模态 | 清华大学 | 2610.20818 |
| P3 顶级机构 | 面向基于 Flow 的 Vision-Language-Action 模型的多教师 On-Policy 蒸馏 | 具身智能 | 清华大学 | 2610.21522 |
| P3 顶级机构 | 机器人策略应预测什么？重新审视视觉-语言-动作学习中的监督目标 | 具身智能 | 清华大学、北京大学 | 2610.21915 |
| P3 顶级机构 | ReasonUni：推理增强重建推进统一多模态模型 | 统一多模态 | 清华大学、北京大学 | 2610.20781 |
| P3 顶级机构 | VisualTrust：屏幕主张 framing 下的视频推理 | VLM | 腾讯混元 | 2610.21159 |
榜单领先者
全部榜单| 榜单 | 第一名 | 分数 | 来源 |
|---|---|---|---|
| AndroidWorld47 | agent-qa by Vostride AI（gpt-6-sol） | 100.0 | 模型方自报 |
| OSWorld204 | Intelligence-Indeed Agent | 90.2 | 官方榜单 |
| OSWorld 2.039 | Darwinx w/ Claude Opus 4.8 | 44.4 | 模型方自报 |
| OSWorld-G5 | Jedi-7B | 54.1 | 论文报告 |
| ScreenSpot v228 | UI-Venus-72B | 95.3 | 官方榜单 |
| ScreenSpot-Pro99 | GroundCascade (Indeed-UI-32B + KV-Ground-8B) | 85.1 | 官方榜单 |
| WebArena48 | Narada AI Code | 86.1 | 论文报告 |