MRD: Multi-resolution Retrieval-Detection Fusion for High-Resolution Image Understanding（在新窗口打开）
免训练 MRD 融合多尺度语义与开放词汇检测，减轻 HR 图像 RAG 中的物体碎片化。
- 跨尺度语义融合缓解单分辨率偏差与检索碎片化
- 统一框架内用 OVD 提供全局定位先验
- 多 MLLM 与高分辨率基准上单物体与多物体理解达 SOTA
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
2025-12-03 周三共 7 篇：生成 1 · 代码生成 0 · 智能体 0 · 世界模型与具身 2 · 理解 3 · 音频 0 · 基础模型 1
- 生成
- 文生图 1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 2
- 理解
- VLM 3OCR 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 7 篇
From Imitation to Discrimination: Toward A Generalized Curriculum Advantage Mechanism Enhancing Cross-Domain Reasoning Tasks（在新窗口打开）
CAPO 按优势信号分阶段引入正负样本，强化 LLM 数学推理并泛化至 GUI 推理。
- 课程式优势策略优化，先正样本模仿再引入负信号判别
- 兼容 GRPO、PPO、RLOO、Reinforce++ 等多种优化方法
- 数学推理稳定提升并泛化至多模态 GUI 推理场景
FineGRAIN: Evaluating Failure Modes of Text-to-Image Models with Vision Language Model Judges（在新窗口打开）
提出 T2I 与 VLM 联合评测框架，用 VLM 识别 27 类生成失败并构建数据集。
- 结构化方法联合评测 T2I 模型与作为裁判的 VLM
- 五款 T2I 模型生成图及多 VLM 标注的失败模式数据集
- 揭示属性保真与物体表示上的系统性错误
SMP: Reusable Score-Matching Motion Priors for Physics-Based Character Control（在新窗口打开）
用预训练 motion diffusion 与 SDS 构建可冻结复用的运动先验，作 reward 训练下游策略，在类人物理仿真控制上接近 SOTA 对抗模仿学习。
- 提出 SMP，用 motion diffusion 与 score distillation 得到任务无关、可复用的运动先验
- 先验可独立预训练并冻结，作为通用 reward 训练新控制策略
- 通用先验可拆成多种风格先验，并组合出原数据集中没有的新风格
Diagnose, Correct, and Learn from Manipulation Failures via Visual Symbols（在新窗口打开）
ViFailback 框架与真实轨迹数据集，VLM 诊断操作失败并指导 VLA 恢复。
- ViFailback 提供文本与视觉符号形式的失败诊断与纠正指导
- 发布含 5 万余 VQA 对与真实操作轨迹的大规模数据集与基准
- ViFailback-8B 与 VLA 联用验证真实机器人失败恢复能力
InEx: Hallucination Mitigation via Introspection and Cross-Modal Multi-Agent Collaboration（在新窗口打开）
免训练 InEx 用熵不确定性内省与编辑、自反思智能体协作，迭代校验 MLLM 输出。
- 基于熵的不确定性估计引导决策智能体内省推理
- 跨模态多智能体对外部验证与响应迭代 refine
- 通用与幻觉基准上相对现有方法提升 4%–27%
Making Dialogue Grounding Data Rich: A Three-Tier Data Synthesis Framework for Generalized Referring Expression Comprehension（在新窗口打开）
三层数据合成平衡真实性与可控性，缓解对话 GREC 数据稀缺与域偏移。
- 针对对话式广义指代表达理解的三层数据合成方法
- 可扩展的监督信号以应对训练与评测域分布差异
- 合成数据微调后在标准指标上相对既有方法显著提升
没有符合条件的论文。