CRAFT: Critic-Refined Adaptive Key-Frame Targeting for Multimodal Video Question Answering（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
2026-05-20 周三共 11 篇：生成 2 · 代码生成 0 · 智能体 0 · 世界模型与具身 0 · 理解 7 · 音频 0 · 基础模型 2
- 生成
- 文生图 1图编辑 0视频生成 13D 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 6OCR 1
- 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：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 11 篇
Token by Token, Compromised: Backdoor Vulnerabilities in Unified Autoregressive Models（在新窗口打开）
暂无 AI 要点，请阅读原文摘要。
Diagnosing Multi-step Reasoning Failures in Black-box LLMs via Stepwise Confidence Attribution（在新窗口打开）
暂无 AI 要点，请阅读原文摘要。
How Do Document Parsers Break? Auditing Structural Vulnerability in Document Intelligence（在新窗口打开）
暂无 AI 要点，请阅读原文摘要。
Rebalancing Reference Frame Dominance to Improve Motion in Image-to-Video Models（在新窗口打开）
暂无 AI 要点，请阅读原文摘要。
What Really Improves Mathematical Reasoning: Structured Reasoning Signals Beyond Pure Code（在新窗口打开）
暂无 AI 要点，请阅读原文摘要。
Mechanisms of Object Localization in Vision-Language Models（在新窗口打开）
暂无 AI 要点，请阅读原文摘要。
Are Tools Always Beneficial? Learning to Invoke Tools Adaptively for Dual-Mode Multimodal LLM Reasoning（在新窗口打开）
暂无 AI 要点，请阅读原文摘要。
Towards Fine-Grained Robustness: Attention-Guided Test-Time Prompt Tuning for Vision-Language Models（在新窗口打开）
暂无 AI 要点，请阅读原文摘要。
From Seeing to Thinking: Decoupling Perception and Reasoning Improves Post-Training of Vision-Language Models（在新窗口打开）
暂无 AI 要点，请阅读原文摘要。
JUDO: A Juxtaposed Domain-Oriented Multimodal Reasoner for Industrial Anomaly QA（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。