CoverPrune: Coverage-Driven Token Pruning for 3D VLMs via Optimal Transport（在新窗口打开）
训练无关的 CoverPrune 用最优传输保留视觉证据覆盖，在 3D 空间推理上高效剪枝且性能稳健。
- 将 3D VLM 推理剪枝从多样性最大化转为覆盖代表性视觉证据
- FST 传输代价与 SGS 算法近似 OT，并提出 CoverPrune-Lite 加速
- 多组 3D 视觉空间推理基准上达到 SOTA token 效率
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
2026-08-14 周五共 2 篇：生成 0 · 代码生成 0 · 智能体 0 · 世界模型与具身 0 · 理解 1 · 音频 0 · 基础模型 1
- 生成
- 文生图 0图编辑 0视频生成 03D 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 1OCR 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
LLMs Are Not Good Strategists, Yet Memory-Enhanced Agency Boosts Reasoning（在新窗口打开）
提出 EpicStar：以跨回合记忆为策略，在 StarCraft II 上提升长程战略推理并显著省 token。
- 指出长程环境中 LLM 易出现战略漂移与子目标不一致
- EpicStar 用成功回合库与工作记忆，门控检索动作或重新推理
- 在 StarCraft II 上胜率更高且 token 消耗约少一个数量级
没有符合条件的论文。