Watermarking LLM Agent Trajectories（在新窗口打开）
暂无 AI 要点，请阅读原文摘要。
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
2026-02-24 周二共 28 篇：生成 8 · 代码生成 1 · 智能体 0 · 世界模型与具身 3 · 理解 11 · 音频 3 · 基础模型 2
- 生成
- 文生图 5图编辑 1视频生成 23D 生成 0
- 代码生成
- Visual2Code 13D2Code 0
- 智能体
- GUI Agent 0
- 世界模型与具身
- 世界模型 1具身智能 2
- 理解
- VLM 11OCR 0
- 音频
- 音频 3
- 基础模型
- LLM 2统一多模态 0
这一天为历史补采：方向按规则判定，作者单位只来自 OpenAlex，入选论文比每日更新少；AI 要点尚未生成，请以原文摘要为准。
共 28 篇
Echoes of ownership: Adversarial-guided dual injection for copyright protection in MLLMs（在新窗口打开）
暂无 AI 要点，请阅读原文摘要。
Similarity-as-Evidence: Calibrating Overconfident VLMs for Interpretable and Label-Efficient Medical Active Learning（在新窗口打开）
暂无 AI 要点，请阅读原文摘要。
TPRU: Advancing Temporal and Procedural Understanding in Large Multimodal Models（在新窗口打开）
暂无 AI 要点，请阅读原文摘要。
MDM-ASR: Bridging Accuracy and Efficiency in ASR with Diffusion-Based Non-Autoregressive Decoding（在新窗口打开）
暂无 AI 要点，请阅读原文摘要。
Frame2Freq: Spectral Adapters for Fine-Grained Video Understanding（在新窗口打开）
暂无 AI 要点，请阅读原文摘要。
Towards Calibrating Prompt Tuning of Vision-Language Models（在新窗口打开）
暂无 AI 要点，请阅读原文摘要。
ChordEdit: One-Step Low-Energy Transport for Image Editing（在新窗口打开）
暂无 AI 要点，请阅读原文摘要。
Universal 3D Shape Matching via Coarse-to-Fine Language Guidance（在新窗口打开）
暂无 AI 要点，请阅读原文摘要。
Flash-VAED: Plug-and-Play VAE Decoders for Efficient Video Generation（在新窗口打开）
暂无 AI 要点，请阅读原文摘要。
JavisDiT++: Unified Modeling and Optimization for Joint Audio-Video Generation（在新窗口打开）
暂无 AI 要点，请阅读原文摘要。
CosyAccent: Duration-Controllable Accent Normalization Using Source-Synthesis Training Data（在新窗口打开）
暂无 AI 要点，请阅读原文摘要。
VLM-Guided Group Preference Alignment for Diffusion-based Human Mesh Recovery（在新窗口打开）
暂无 AI 要点，请阅读原文摘要。
No Need For Real Anomaly: MLLM Empowered Zero-Shot Video Anomaly Detection（在新窗口打开）
暂无 AI 要点，请阅读原文摘要。
MRI Contrast Enhancement Kinetics World Model（在新窗口打开）
暂无 AI 要点，请阅读原文摘要。
DECAF: Dynamic Envelope Context-Aware Fusion for Speech-Envelope Reconstruction from EEG（在新窗口打开）
暂无 AI 要点，请阅读原文摘要。
Relational Feature Caching for Accelerating Diffusion Transformers（在新窗口打开）
暂无 AI 要点，请阅读原文摘要。
ConceptPrism: Concept Disentanglement in Personalized Diffusion Models via Residual Token Optimization（在新窗口打开）
暂无 AI 要点，请阅读原文摘要。
Seeing Clearly, Reasoning Confidently: Plug-and-Play Remedies for Vision Language Model Blindness（在新窗口打开）
暂无 AI 要点，请阅读原文摘要。
Localized Concept Erasure in Text-to-Image Diffusion Models via High-Level Representation Misdirection（在新窗口打开）
暂无 AI 要点，请阅读原文摘要。
Universal Pose Pretraining for Generalizable Vision-Language-Action Policies（在新窗口打开）
暂无 AI 要点，请阅读原文摘要。
StructXLIP: Enhancing Vision-language Models with Multimodal Structural Cues（在新窗口打开）
暂无 AI 要点，请阅读原文摘要。
NovaPlan: Zero-Shot Long-Horizon Manipulation via Closed-Loop Video Language Planning（在新窗口打开）
暂无 AI 要点，请阅读原文摘要。
Controllable Exploration in Hybrid-Policy RLVR for Multi-Modal Reasoning（在新窗口打开）
暂无 AI 要点，请阅读原文摘要。
Global Prior Meets Local Consistency: Dual-Memory Augmented Vision-Language-Action Model for Efficient Robotic Manipulation（在新窗口打开）
暂无 AI 要点，请阅读原文摘要。
You Don't Need All That Attention: Surgical Memorization Mitigation in Text-to-Image Diffusion Models（在新窗口打开）
暂无 AI 要点，请阅读原文摘要。
VectorGym: A Multi-Task Benchmark for SVG Code Generation, Sketching and Editing（在新窗口打开）
暂无 AI 要点，请阅读原文摘要。
PosterReward: Unlocking Accurate Evaluation for High-Quality Graphic Design Generation（在新窗口打开）
暂无 AI 要点，请阅读原文摘要。
没有符合条件的论文。