PixPerfect: Seamless Latent Diffusion Local Editing with Discriminative Pixel-Space Refinement（在新窗口打开）
像素级精炼框架，缓解 LDM 局部编辑的色差、纹理与边界接缝等伪影。
- 可微判别式像素空间放大并抑制颜色与纹理不一致
- artifact 模拟流水线，训练期暴露真实局部编辑缺陷
- 直接像素空间精炼，适配多种潜表示与 inpainting/移除/插入任务
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
2025-12-04 周四共 4 篇：生成 1 · 代码生成 0 · 智能体 0 · 世界模型与具身 0 · 理解 1 · 音频 0 · 基础模型 2
- 生成
- 文生图 0图编辑 1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 0
- 理解
- VLM 1OCR 0
- 音频
- 音频 0
- 基础模型
- LLM 2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
AdaptVision: Efficient Vision-Language Models via Adaptive Visual Acquisition（在新窗口打开）
粗到细自适应增加 visual token，用 RL 在 VQA 上兼顾精度与算力。
- 低分辨率压缩 token 起步，按需调用 bbox 裁剪补全关键区域
- DTPO 解耦工具学习与答题正确性，并分离 advantage 估计
- 多 VQA 基准上以更少的 visual token 优于高效 VLM 基线
Cognitive Mirrors: Exploring the Diverse Functional Roles of Attention Heads in LLM Reasoning（在新窗口打开）
用 CogQA 与多类探测，系统刻画承担检索、逻辑推理等的 cognitive attention heads。
- CogQA：链式子问题对齐检索、逻辑推理等认知功能
- 揭示 cognitive heads 的稀疏性、功能分布与层级交互结构
- 移除降性能、增强可提推理准确率，支撑训练与微调设计
SkillFactory: Self-Distillation For Learning Cognitive Behaviors（在新窗口打开）
RL 前用模型自身样本构造银标准 SFT 轨迹， priming 验证、回溯等认知技能。
- 不依赖强模型蒸馏，重排自采样构造技能格式 SFT 数据
- SkillFactory 初始化帮助 RL 后泛化到更难任务变体
- RL 后模型确实使用认知技能，且 OOD 任务上更抗性能回退
没有符合条件的论文。