Equilibrium Forcing: Adaptive Video Generation Without Noise Conditioning（在新窗口打开）
提出 EqF，去掉噪声水平条件并解耦去噪学习与采样，在自回归视频基准上提升质量与时序一致性。
- 提出 Equilibrium Forcing，用于无噪声水平条件的视频去噪生成
- 模块化训练与推理设计，支持依样本反馈的闭环自适应采样
- 在挑战性自回归视频生成基准上优于标准噪声条件去噪方法
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
2026-08-12 周三共 2 篇：生成 1 · 代码生成 0 · 智能体 0 · 世界模型与具身 0 · 理解 0 · 音频 0 · 基础模型 1
- 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 0
- 世界模型与具身
- 世界模型 0具身智能 0
- 理解
- VLM 0OCR 0
- 音频
- 音频 0
- 基础模型
- LLM 1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 2 篇
REAP: Relation-Aware Elicitation and Parsing for Closed-Book Knowledge Base Construction from LLMs（在新窗口打开）
为 AKBC 2026 闭卷任务设计 REAP，从 Mistral-Small-24B 抽取关系事实为 JSON，测试集 macro-F1 0.62。
- 结构化思维链、关系专属查询与空集门控联合引导闭卷知识抽取
- 在不微调前提下将参数化知识直接解析为合法 JSON 数组
- 在 AKBC Shared Task 2026 测试集上取得 macro-F1 0.62
没有符合条件的论文。