TabDSR: Decompose, Sanitize, and Reason for Complex Numerical Reasoning in Tabular Data（在新窗口打开）
用查询分解、表格净化与 PoT 可执行推理提升 LLM 在复杂表格数值问答上的表现。
- 提出 TabDSR：查询分解器、表格净化器与 PoT 推理器三模块框架
- 引入 CalTab151 数据集，面向复杂表格数值推理并缓解评测数据泄漏
- 在 TAT-QA、TableBench 等基准上报告一致优于现有方法的结果
前沿论文
14 大方向 · 三级优先筛选 · 每日更新
最近更新：2026-10-16 13:30
2025-11-05 周三共 4 篇：生成 0 · 代码生成 0 · 智能体 0 · 世界模型与具身 1 · 理解 2 · 音频 0 · 基础模型 1
- 生成
- 文生图 0图编辑 0视频生成 03D 生成 0
- 代码生成
- Visual2Code 03D2Code 0
- 智能体
- GUI Agent 0
- 世界模型与具身
- 世界模型 0具身智能 1
- 理解
- VLM 2OCR 0
- 音频
- 音频 0
- 基础模型
- LLM 1统一多模态 0
这一天为历史补采：作者单位只来自 OpenAlex，入选论文比每日更新少；要点由 AI 根据论文摘要生成，以原文为准。
共 4 篇
Dynamic Reflections: Probing Video Representations with Text Alignment（在新窗口打开）
系统研究视频-文本表示对齐，分析测试时模态数据规模与视频编码器下游能力的关系。
- 首次对现代视频与语言编码器做全面的视频-文本对齐探测研究
- 提出参数化测试时 scaling laws，刻画视觉与文本输入丰富度对对齐的影响
- 关联语义对齐与语义/非语义下游任务及时序推理，作为视频表示分析基准
Text to Robotic Assembly of Multi Component Objects using 3D Generative AI and Vision Language Models（在新窗口打开）
融合 3D 生成网格与 VLM 部件分解，实现自然语言驱动的多部件机器人装配流水线。
- 提出整合 3D 生成 AI 与 VLM 的流水线，支持从文本到多部件物理装配
- VLM 零样本依据几何与功能划分结构件与面板件，用户偏好优于规则与随机基线
- 支持对话式反馈修正部件分配，增强生成与机器人环节中的人机控制
VidEmo: Affective-Tree Reasoning for Emotion-Centric Video Foundation Models（在新窗口打开）
提出 VidEmo 视频情感基础模型与分阶段情感树强化学习，并构建 Emo-CFG 指令数据。
- 情感线索引导的分阶段框架，统一属性感知、表达分析与高层情感理解
- VidEmo 经课程情感学习与情感树强化学习两阶段微调，面向情感推理与指令跟随
- 建立 Emo-CFG 等数据基础设施，含可解释情感问答与细粒度标注
没有符合条件的论文。