SAGE: Mitigating Long-Horizon Reasoning Biases via Topological Guidance（在新窗口打开）
SCA 分析探索与复合偏置，SAGE 用代数稀疏化与双曲结构引导，在 12 基准与 7 模型族上优于强基线。
- Symbolic Closure Analysis 刻画稀疏奖励下长程分支结构的两种偏置
- SAGE 结合代数稀疏化与双曲嵌入提供结构可采纳性引导
- Andrews-Curtis 等开放长程任务上最高约 8 倍改进
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
2026-09-25 周五共 8 篇：生成 2 · 代码生成 0 · 智能体 0 · 世界模型与具身 1 · 理解 2 · 音频 2 · 基础模型 1
- 生成
- 文生图 0图编辑 0视频生成 03D 生成 2
- 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 1
- 理解
- VLM 2OCR 0
- 音频
- 音频 2
- 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 8 篇
Small yet Assistive: Spatially-Aware Post-Training for Low Vision（在新窗口打开）
Smol-VL-BLV 以蒸馏与 GRPO 强化 BLV 导航所需方向、距离与危险描述，中端手机可离线部署约 450MB。
- 500M 级解码器 + 蒸馏与 BLV 复合奖励 GRPO 及防遗忘轻量微调
- Spatial/Social 等指标相对基线显著提升，并兼顾 OCR 与 TextVQA
- 混合精度量化实现端侧离线推理并开源模型与数据
OmniFabric: Coherent UV Space Texture Synthesis for 3D Garment Reconstruction（在新窗口打开）
单图估计网格后于裁片 UV 域用 VLM 初始化并经扩散 Transformer 精炼，得到可重光照的连贯纹理。
- 在 2D sewing pattern UV 空间直接合成全局一致纹理图
- VLM 粗初始化 + 3D 位置条件扩散 Transformer 去烘焙光与畸变
- 相对 SOTA 生成可用于物理仿真与重光照的 photorealistic 服装资产
OREO: Fidelity Alignment in 3D Generation via On-the-fly Rendering-Editing Optimization（在新窗口打开）
用 2D 扩散先验动态生成编辑后渲染图作伪标签，Reinforced Editing 循环提升 3D 资产视觉真实感。
- 即时渲染-编辑优化环，以 2D 精炼视图监督 3D 生成器自举改进
- Reinforced Editing 在保几何与视角下提升渲染视图保真度
- 实验表明可显著改善预训练 3D 生成基线的视觉真实感
Temporal Taxation Compounds Under Post-Training Compression of Whisper Models（在新窗口打开）
研究 Whisper 剪枝/量化/蒸馏后 ASR 公平性：剪枝与 INT4 量化加剧弱势口音纠错负担，蒸馏多数场景缩小族群差距。
- 将 temporal taxation 量化为部署期公平性指标
- Whisper-large-v3 50% Wanda 剪枝使 Fair-Speech 上最差与最优族群 WER 差距翻倍以上
- 指出全精度单次公平审计无法反映压缩后的实际使用负担
The Alignment Illusion in Multimodal Large Language Models（在新窗口打开）
视觉 token 置噪仍降精度但 CKA 等标量对齐难区分；提出 PA gap 更好反映内容与任务表现。
- 在 13 个 MLLM 上展示标量视觉-文本对齐与内容交互脱节的 alignment illusion
- 归因于 LM 通路 MLP 引起的权重诱导一维对齐
- principal-angle gap 在分级视觉损坏下更一致跟踪任务精度
BiMamba2 Masked Discrete-Unit Prediction for Multilingual Speech Representation for Unsupervised Speech in the Wild Challenge（在新窗口打开）
UPS Challenge 提交：HuBERT 式 BiMamba2 无标签训练，官方评测说话人聚类 ARI 0.735 优于多组基线。
- 47.88M 参数 BiMamba2 在 67 语 250 小时无监督数据上联合掩码伪标签与语种监督
- 官方评测说话人聚类 Adjusted Rand Index 超过四个基线
- 分析本地与官方指标尺度不一致对 Dynabench 探针预测的局限
Temporal Gradient Inversion for Private Trajectory Reconstruction in Embodied Reinforcement Learning（在新窗口打开）
TRACE 从逐步策略梯度自回归重建观测-动作轨迹，held-out 场景约 18.8 dB PSNR 且动作恢复近完美。
- 形式化跨时刻 embodied 梯度条件互信息以利用时序结构
- 小熵正则下证明策略头梯度可闭式精确恢复动作
- 多架构与模态上优于学习式与优化式基线，提示需序列级隐私防御
没有符合条件的论文。