arXiv · 第 7 页

查看来源为 arXiv 的资讯与动态，保留原文入口和发布时间。

全部资讯

全部内容

共 190 篇

arXiv 开发动态11-03
先制造错误，再检验 AI 修复图数据的能力
一项图数据研究提出更系统的修复评测方法：从符合规则的图开始，按形式化规则引入错误，再检查修复系统能否恢复约束。这样可以知道测试覆盖了哪些错误，而不只依赖临时收集的坏数据。
arXiv 开发动态11-03
AI 能预测材料性质，化学键仍然有用
一项材料研究讨论了深度学习是否会取代化学键概念。作者通过线性探针发现，Allegro 和 MACE 的内部表示仍能恢复化学键相关描述，说明模型可能以自己的方式学到了这类信息。
arXiv 开发动态11-03
TokenEconomizer 帮编程智能体减少重复消耗
TokenEconomizer 是编程智能体外部的成本控制器。它从连续任务中积累经验，选择注入哪些操作技巧、移除长期无用的工具，并在失败循环中介入，避免每个任务都重新试错。
arXiv 开源项目11-03
TradingAgents：把多角色讨论引入交易研究
TradingAgents 用多智能体模拟交易团队的分工，包括基本面、情绪、技术分析、风险管理及交易决策。看多和看空角色分别提出理由，再由其他角色综合信息。
arXiv 开发动态11-03
Harness² 让智能体逐步改进自己的执行框架
Harness² 将智能体改进分成两层：当前任务中提出、测试并组合执行框架的修改；跨任务再提取这些修改的经验，帮助处理之后遇到的新场景。
arXiv 开发动态11-03
Unlimited OCR 尝试用固定缓存处理长文档
Unlimited OCR 针对长文档识别中缓存不断增长的问题，引入参考滑动窗口注意力 R-SWA。解码时保留所需参考信息，让 KV 缓存保持恒定，而不是随输出文本持续扩张。
arXiv 开发动态11-03
HairDeck 从一张图生成可做动画的发型
HairDeck 面向游戏和虚拟角色的风格化头发，将发片视为一组无序的几何单元，通过集合扩散模型一起生成，而不是逐个预测很长的控制点序列。
arXiv 开发动态11-03
Edge0 从 SSD 调入专家，降低模型内存占用
Edge0 为消费级设备运行混合专家模型设计了预路由机制：提前预测下一层需要的专家权重，再从 SSD 加载，尽量让读盘与计算重叠。团队还训练了恢复适配器，缓解量化和路由替换带来的质量损失。
arXiv 开源项目11-03
AgentScope 把工具调用、评测和运行环境接起来
AgentScope 1.0 的论文介绍了面向开发者的智能体应用框架：统一模型和工具接口，以异步设计支持人与智能体、智能体之间的交互，并将 ReAct 工作方式作为基础。
arXiv 开发动态11-03
研究回顾：vLLM 如何减少推理缓存浪费
PagedAttention 借鉴操作系统的虚拟内存分页方式，管理推理请求不断增长的 KV 缓存，减少碎片和重复副本，并允许请求之间共享适当的数据。vLLM 建立在这类机制之上。
arXiv 开发动态11-03
MOSS-Image 瞄准长文字与复杂版式生成
MOSS-Image 技术报告提出一套面向图文密集场景的生成系统。团队从头训练 5B 扩散 Transformer，并用意图感知的提示增强模块，把用户要求展开成内容和版式细节。
arXiv 开源项目11-03
OpenHands：让 AI 在沙箱里写代码、用终端
OpenHands 的早期论文介绍了通用软件开发智能体平台，支持编写代码、使用命令行和浏览网页，并把执行过程放入沙箱环境。它也允许多个智能体协作和接入评测基准。
arXiv 开发动态11-03
IDM 改善少步生图中的文字和细节
Intrinsic Distribution Matching 在分布匹配蒸馏中加入显式的特征统计约束，用生成器自身的指数移动平均副本提供特征，避免额外引入独立的特征编码器。
arXiv 开源项目11-03
nanoMuse 探索跨手机和电脑的个人智能体
nanoMuse 技术报告提出跨设备共享对话的个人智能体，由用户自行运行中继服务，并选择底层模型。记忆以可阅读文件保存，动作经过专门的检查环节。
arXiv 开发动态11-03
MinerU2.5 先看版式，再识别文档细节
MinerU2.5 的研究采用两阶段文档解析：先在低分辨率图像中识别全局结构，再根据版式从原图裁出文字、公式和表格，进行局部精细识别。
arXiv 开发动态11-03
投资研究基准给 AI 加上信息时间边界
Investor’s Last Exam 用带版本和时间戳的金融数据库测试智能体，要求模型只能使用决策时已经存在的材料，避免在预测过去事件时偷看后来的结果。
arXiv 开发动态11-03
ReLift 通过修补轨迹改善视频 3D 跟踪
ReLift 先利用现有二维跟踪器和几何模型得到初始三维轨迹，再专门修复深度错误、对应关系错误和被遮挡部分的运动。
arXiv 开发动态11-03
研究回顾：Mem0 为智能体整理长期记忆
Mem0 从持续对话中提取、合并并检索重要信息，避免每次都把全部历史塞进上下文。论文还介绍了使用图结构表示记忆关系的变体。
arXiv 开发动态11-03
PaddleOCR VL 1.6 针对薄弱区域改进训练
PaddleOCR-VL-1.6 沿用紧凑文档解析模型的方向，先找出上一版中不稳定、覆盖不足或标注不可靠的区域，再针对这些问题增强数据。
arXiv 开发动态11-03
ARIS 用不同模型交叉审查自动科研结果
ARIS 是一个自动科研执行框架，默认建议由一个模型推进研究，另一个模型家族的审查者检查中间产物并要求修改。它特别关注看似成功、实际上证据不足的实验结论。
arXiv 开发动态11-03
SmolDocling 用小模型保留文档结构与位置
SmolDocling 采用约 256M 参数的视觉语言模型，把整页文档转换为 DocTags 标记，记录内容、结构和空间位置，覆盖表格、代码、公式与列表等元素。
arXiv 开发动态11-03
NCM 先生成概念层次，再细化文本
Next-Concept Modeling 把文本编码成多层离散表示，先确定较粗的概念，再逐层细化；同一层中的编码可以并行预测，减少逐字生成的串行开销。
arXiv 开发动态11-03
OmniFlatten 研究能打断、能接话的语音对话
OmniFlatten 探索全双工语音对话，让系统在接收声音的同时生成回应，更接近人类对话中的插话、简短回应和语音重叠。
arXiv 开发动态11-03
SUPRA Tex 按参考图补全 3D 材质
SUPRA-Tex 将单图材质生成分成可见材质估计、表面对齐和未见区域补全，先保留参考图中已有的证据，再生成其余部分。