前沿论文

  • 榜单数据10-16 17:00
  • 论文数据10-16 13:30
  • 周报10-16 11:26
2026-07-17 周五共 4 篇:生成 2 · 代码生成 0 · 智能体 0 · 世界模型与具身 2 · 理解 0 · 音频 0 · 基础模型 0
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 2
理解
VLM 0OCR 0
音频
音频 0
基础模型
LLM 0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

具身智能P1 顶会CoRL 2026

Never Too Late for Force: Accelerating VLA Post-Training with Reactive Force Injection(在新窗口打开)

LIFT 在预训练 VLA 旁并联力觉动作专家,注入 6D 末端力并结合在线 DAgger,提升接触遮挡场景下的操作性能。

  • 提出 LIFT:因果力记忆与零初始化 cross attention 注入力反馈,初始化时保持原策略输出
  • 在线 DAgger 混合离线任务对齐数据与人类纠正 rollout,缓解接触反馈的策略相关分布偏移
  • 折毛巾、插书、汉诺塔等任务上学习更快、峰值与最终性能优于纯视觉 DAgger
具身智能P1 顶会EMNLP 2026

MEMORA: Embodied Action Memory from Egocentric Videos for Reasoning and Planning(在新窗口打开)

MEMORA 用多存储世界记忆与形成-巩固-检索流程整合 egocentric 经验,在规划 benchmark 上优于其他记忆接口。

  • 形式化 Embodied Action Memory (EAM) 及 formation-consolidation-retrieval 生命周期
  • 多存储架构(Environment/Entity/Activity/Inferred Knowledge)与 MEMORA-Bench(45 小时 egocentric 视频)
  • Robot-Grounded Plan 最高提升 16.6%,OOD 规划增益最大;纯人类 egocentric 视频记忆可接地机器人高层规划
视频生成P1 顶会ECCV 2026

From Draft to Draft-Free: One-Step Video Object Removal via Privileged Distillation and Fast Planting(在新窗口打开)

D2DF 用 PPCD 将多步 draft 精修蒸馏为单步移除模型,SGFP 生成伪 draft,单视频约 1 秒且指标 SOTA。

  • Prior-Privileged Consistency Distillation:教师多步精修粗移除结果,学生单步条件于 draft 完成移除
  • Self-Guided Fast Planting 与 Temporal Masked Transformer 在 latent 生成场景一致伪 draft,实现无 draft 单步模型
  • draft 条件与无 draft 版本在多指标上优于传统与多步生成方法
文生图P1 顶会ECCV 2026

Introspective Attention Modulation for Safe Text-to-Image Generation(在新窗口打开)

推理时 introspective 分析并重平衡注意力,引导生成远离不安全概念,对抗 benchmark 上安全分高且对齐与画质不降。

  • 通过推理时调节注意力动态实现安全生成,相对 concept erasing 等更具 intrinsic robustness
  • 在图像合成全程分析 attention 激活,兼顾语义对齐
  • 标准与对抗安全 benchmark 上安全表现突出,对齐与感知质量保持或提升