我们介绍了 Forensim，这是一种基于注意力的状态空间框架，用于图像伪造检测，可同时定位被篡改（目标）区域和源区域……

Out-of-distribution (OOD) 检测对于机器学习系统的安全部署至关重要。现有的后置检测器通常依赖于模型置信度……

本工作提出了 WorldCompass，这是一种新颖的强化学习（RL）后训练框架，针对长期、交互式基于视频的世界模型，能够……

在自动驾驶中，分布外（OOD）鲁棒性常常被简化为一个单一数字，掩盖了导致策略失效的因素。我们沿着五…

从栅格化的平面图像中重建结构化的矢量图形表示通常是计算任务的一个重要前提条件，涉及……

虽然世界模型已经成为具身智能的基石，通过使代理能够基于动作条件的预测来推理环境动力学……

markdown !VSSFlow 演示图片 https://9to5mac.com/wp-content/uploads/sites/6/2026/02/vssflow-fi.jpg?quality=82&strip=all&w=1600 VSSFlow – 一个统一的音频生成…

Chain-of-Thought 推理被广泛用于提升多模态大语言模型 (MLLMs) 的可解释性，然而生成的推理的忠实性……

概述 FlappyHand 是一款免手操作的互动游戏，灵感来源于经典的 Flappy Bird。角色通过手势控制，手势由您的 webcam 捕捉……

多模态大型语言模型（MLLMs）已经快速发展，但它们在医学中的应用仍受限于领域覆盖、模态对齐等方面的差距，...

深度神经网络的分类性能在很大程度上依赖于获取大规模、准确标注的数据集。然而，在医学影像领域，获取……

视觉大语言模型（VLLMs）的视觉能力一直落后于其语言能力。尤其是，许多基准测试…