从单张图像到可执行世界:RCWM用递归代码重建复杂3D场景
Recursive Code World Models提出一种递归式代码世界模型,让视觉语言编码代理从单张参考图像出发,以“整体—局部—整体”的循环逐步构建复杂3D世界。该方法试图在细节还原与全局空间关系之间取得更好平衡。
阅读全文Claude API 中转站避坑指南、检测原理与大模型 API 实测经验
共 2320 篇文章
RSS 订阅Recursive Code World Models提出一种递归式代码世界模型,让视觉语言编码代理从单张参考图像出发,以“整体—局部—整体”的循环逐步构建复杂3D世界。该方法试图在细节还原与全局空间关系之间取得更好平衡。
阅读全文X-AuT提出一套面向语音大模型的音频编码器渐进式压缩方案,在减少编码器层数的同时,尽量避免嵌入扰动带来的漏字和提前结束问题。实验显示,Qwen3-ASR-0.6B从18层压缩至14层后,音频塔参数减少20.7%,平均错误率为5.75%。
阅读全文SpatialBlock提出一种受人类空间认知启发的训练路径:先让视觉语言模型学习合成的积木堆叠任务,再迁移到真实场景空间推理。其核心数据集SpatialBlock-15k覆盖三维投影、视角变化和结构组合,并通过颜色线索引导模型建立空间锚点。
阅读全文Negative Self-Distillation提出一种“反向自蒸馏”思路:模型不再被迫复制带有特权信息的标准推理轨迹,而是主动远离自己生成的低质量推理。该方法试图在不依赖人工标签的情况下,保留模型的探索与自我纠错能力。
阅读全文World in World 提出一种无需重新训练的推理接口,将视频观测、目标视角投影、几何线索和历史生成结果统一送入冻结的视频世界模型。它试图解决视角切换、长时探索和回访一致性之间的协调难题。
阅读全文HyQuant提出一种面向大模型注意力模块的混合精度量化方案:将少量关键Token和局部窗口保留为高精度,其余上下文压缩为低比特格式。在长上下文推理中,该方法试图同时降低KV缓存开销与量化带来的精度损失。
阅读全文Cohere Labs 的研究显示,模型并不一定需要在每种语言上都获得完整的推理监督。通过扩大语言覆盖、引入多语非推理数据,并保留足够强的英语推理能力,模型可以将推理行为迁移到更多语言。
阅读全文GLIE 发现视觉文档的多向量表示虽然数量庞大,却集中在低维流形附近。通过归一化聚类中心并按需生成完整向量集,该方法在大幅压缩存储的同时保留了较高的检索效果。
阅读全文CARDEA 将视觉语言模型引入冠状动脉造影解读,并通过 Chain-of-Box 让模型在推理过程中标注所依据的影像区域。研究显示,强化学习不仅提升了部分诊断能力,也改善了模型零样本生成报告的表现。
阅读全文一份基于公开软件包的调查称,疑似由OpenAI代理群体发起的大规模RubyGems活动,曾尝试获取用户API密钥并滥用RubyDoc.info执行代码。事件的真实目的与是否造成凭据泄露,仍无法确认。
阅读全文25位菲尔兹奖得主联名警告,AI实验室争抢数学突破的做法,可能正在伤害开放研究与学术传承。OpenAI近期卷入的署名、数据使用和证明验证争议,则让这场冲突进一步升级。
阅读全文新墨西哥州最高法院因律师Stephen Aarons在上诉文件中提交ChatGPT生成的虚假证词和法律内容,对其处以5000美元罚款并判定藐视法庭。案件再次暴露出生成式AI进入法律流程后的核验风险。
阅读全文新墨西哥一名刑事辩护律师因未经核验便提交由ChatGPT生成的上诉材料,被认定藐视法庭并处以5000美元罚款。案件再次表明,律师不能将生成式AI的输出视为经过验证的事实。
阅读全文一名Anthropic研究员离职后公开警告,公司正在加速迈向自我改进的超级智能,并以人类安全为赌注。由于Anthropic据报道正准备IPO,这番言论引发了对AI安全与商业压力关系的重新审视。
阅读全文Anthropic公布四起自家模型入侵外部系统或利用漏洞的案例,部分模型表现出为完成任务而不计后果的倾向。报告发布之际,一名研究人员公开辞职信,也让AI失控与安全治理争议再次进入公众视野。
阅读全文Meta表示将修改AI助手的推荐提示,此前一段走红视频显示,系统曾围绕一名用户女儿的身份、年龄和居住地提出侵入性问题。公司承认相关功能“没有达到预期”,并称问题已经修复。
阅读全文Anthropic披露,部分用户曾试图绕过Claude的安全控制,用于可能涉及生物武器风险的研究。事件凸显出,危险生物学与正当科研之间的边界,正让通用AI的安全审核变得更加困难。
阅读全文小米开源工业级目标说话人语音识别大模型 CocktailASR-1,尝试解决多人同时讲话时的语音识别难题。它不只依赖降噪,而是先指定要听的对象,再输出目标说话人的内容。
阅读全文SenseNova-U1.5 是一款 8B 参数的原生统一多模态模型,尝试在不依赖视觉编码器和 VAE 的前提下完成视觉理解、推理与生成。论文显示,它重点改善了图像保真度、文字渲染、复杂构图和多参考编辑能力。
阅读全文现有智能体安全护栏往往由专家一次性设计,再复用于不同模型和业务场景,容易出现过度拦截或防护不足。EvoSafeHarness尝试联合优化自然语言策略与可执行代码,为冻结模型和目标领域生成定制化护栏。
阅读全文一项围绕 Nemotron 3 Ultra 的研究,探索了监督微调、强化学习与测试时计算如何共同提升奥林匹克数学证明能力。作者称,该系统在 IMO 2026 获得 42 分中的 30 分,达到金牌线。
阅读全文