ProxiDex: Learning Dynamics-Guided Proximity Policy for Dexterous Manipulation（在新窗口打开）
以手-物邻近为交互状态，学习动作条件动力学，在视觉不可靠时稳定灵巧操作策略。
- 点云重建与几何距离构成硬件无关邻近接触表示
- 耦合前向-逆向模型预测动作条件下的邻近变化
- 分阶段重加权邻近 token 与动力学一致性监督稳定推理
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
2026-09-16 周三共 6 篇：生成 0 · 代码生成 0 · 智能体 0 · 世界模型与具身 2 · 理解 2 · 音频 1 · 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 2
- 理解
- VLM 2OCR 0
- 音频
- 音频 1
- 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 6 篇
TEMPO: Learning Temporal Context for Dynamic Robot Manipulation（在新窗口打开）
为预训练 VLA 加入视频运动摘要与本体历史，缓解运动歧义与状态混叠，动态任务成功率明显提升。
- 冻结视频基础模型提取运动摘要解决运动歧义
- 紧凑本体历史缓解状态混叠
- 发布 TEMPO-Bench 超 5 万帧用于运动感知机器人感知评测
ECHO: Early-layer Collaborative Hierarchical Orchestration with Bonus Logits in Speculative Decoding（在新窗口打开）
无 draft 模型的层次双环推测解码，早期层快速草稿、末层权威验证，约 2.4–2.9× 加速。
- 利用早层判别与末层分布的功能不对称分内外环
- 内环 bonus logits 低成本多步 draft 树探索
- 外环状态复用全模型验证并修正与补充候选路径
RegRet: Enhancing Region-Level Retrieval in Large Multimodal Models（在新窗口打开）
在 LMM 上增强区域级检索表示，零样本优于强基线，对比学习后 REGMB 等平均提升超 20%。
- Region-Aware Encoder 平衡区域特征与全局背景
- 多阶段训练含局部描述与区域对比学习
- 发布 REGMB 基准含 22.5 万对比对与四类检索任务
TecoPrompt: Temporal-Conservative Prompt Learning for Vision-Language Models（在新窗口打开）
用最优传输伪标签与时序稳定性窗口抗标签噪声，少样本提示学习在多种噪声设定下显著提准。
- 熵正则 OT 在 CLIP 语义空间生成全局一致伪标签
- K 轮轨迹稳定与 EMA 置信门控再写噪声标签
- 三组损失分别对齐干净、中等与噪声子集
SpiroPhonia: Non-Invasive Respiratory Health Assessment from Spontaneous Speech（在新窗口打开）
用自发语音特征评估 COPD，201 人数据集上约 78% 准确率，接近受控录音方法水平。
- 构建 201 说话人 COPD/健康对照语音数据集
- 统计分析与递归特征选择得到紧凑语音标记
- 证明日常语音含可区分呼吸健康的生物标记
没有符合条件的论文。