ProactiveBench: Benchmarking Proactiveness in Multimodal Large Language Models（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
2026-03-23 周一共 12 篇：生成 1 · 代码生成 0 · 智能体 1 · 世界模型与具身 1 · 理解 5 · 音频 2 · 基础模型 2
- 生成
- 文生图 0图编辑 0视频生成 13D 生成 0
- 代码生成
- Visual2Code 03D2Code 0
- 智能体
- GUI Agent 1
- 世界模型与具身
- 世界模型 0具身智能 1
- 理解
- VLM 5OCR 0
- 音频
- 音频 2
- 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 12 篇
Beyond the Desk: Barriers and Future Opportunities for AI to Assist Scientists in Embodied Physical Tasks（在新窗口打开）
暂无 AI 要点，请阅读原文摘要。
Semantic Audio-Visual Navigation in Continuous Environments（在新窗口打开）
暂无 AI 要点，请阅读原文摘要。
Vision-Language Attribute Disentanglement and Reinforcement for Lifelong Person Re-Identification（在新窗口打开）
暂无 AI 要点，请阅读原文摘要。
Plug-and-Steer: Decoupling Separation and Selection in Audio-Visual Target Speaker Extraction（在新窗口打开）
暂无 AI 要点，请阅读原文摘要。
PerformRecast: Expression and Head Pose Disentanglement for Portrait Video Editing（在新窗口打开）
暂无 AI 要点，请阅读原文摘要。
Detached Skip-Links and $R$-Probe: Decoupling Feature Aggregation from Gradient Propagation for MLLM OCR（在新窗口打开）
暂无 AI 要点，请阅读原文摘要。
Reasoning Gets Harder for LLMs Inside A Dialogue（在新窗口打开）
暂无 AI 要点，请阅读原文摘要。
VideoSeek: Long-Horizon Video Agent with Tool-Guided Seeking（在新窗口打开）
暂无 AI 要点，请阅读原文摘要。
WebNavigator: Global Web Navigation via Interaction Graph Retrieval（在新窗口打开）
暂无 AI 要点，请阅读原文摘要。
EVE: A Domain-Specific LLM Framework for Earth Intelligence（在新窗口打开）
暂无 AI 要点，请阅读原文摘要。
PersonaVLM: Long-Term Personalized Multimodal LLMs（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。