· software
[Paper] NavAI：一种可泛化的 LLM 框架，用于虚拟现实环境中的导航任务
导航是虚拟现实（VR）中自动探索的基本任务之一。现有技术主要关注 360- 中的路径优化。
-
- · ai
[Paper] 多功能多模态代理用于多媒体内容生成
随着 AIGC（AI 生成内容）技术的进步，越来越多的生成模型正在革新视频编辑、音乐等领域。
- · software
[Paper] 第16届国际图计算模型研讨会论文集
本卷收录了第十六届国际 Graph Computation Models 研讨会（GCM 2025）的后期论文集。研讨会在德国科布伦茨举行，...
- · ai
[Paper] STReasoner：通过空间感知强化学习赋能LLMs在时间序列中的时空推理
Spatio-temporal reasoning in time series 涉及对 temporal dynamics、spatial dependencies 和 textual context 的显式综合。This capability is vit...
- · ai
[Paper] 自监督学习从噪声和不完整数据
许多科学和工程中的重要问题涉及在已知观测过程的情况下，从噪声和/或不完整的观测中推断信号……
- · ai
[Paper] PET-TURTLE：用于不平衡数据簇的深度无监督支持向量机
基础视觉、音频和语言模型通过其 latent representations 实现对 downstream tasks 的 zero-shot 性能。最近，unsupervised learning…
- · ai
[Paper] MAGMA：一种基于多图的代理记忆架构用于 AI 代理
Memory-Augmented Generation（MAG）通过外部记忆扩展大型语言模型，以支持长上下文推理，但现有方法在很大程度上依赖于 …
- · ai
[Paper] 浅层电路监督学习在量子处理器上
量子计算长期以来被寄予在数据分析方面实现变革性进步的期待，然而由于根本性的障碍，实用的量子机器学习仍然难以实现。
- · ai
[论文] LTX-2：高效联合音频-视觉基础模型
近期的 text-to-video diffusion 模型能够生成引人入胜的视频序列，但它们仍然是无声的——缺失语义、情感和氛围线索……
- · ai
[Paper] Multi-RADS 合成放射学报告数据集与 41 种 Open-Weight 与专有语言模型的正面对比基准测试
背景：报告与数据系统（RADS）规范放射学风险沟通，但从叙述性报告中自动分配RADS仍具挑战性，因为……
- · ai
[Paper] 声纳时刻：音频语言模型在音频地理定位中的基准测试
Geo-localization 旨在推断给定信号的地理来源。在计算机视觉中，Geo-localization 已成为一个苛刻的 benchmark，用于 composition……
- · ai
[Paper] 假朋友困境：信任与对话式 AI 的政治经济学
随着对话式 AI 系统日益融入日常生活，它们引发了关于用户自主性、信任以及商业利益的紧迫关注。