华盛顿大学×亚马逊实测7种图像Tokenizer：重建更好，未必更适合多模态
一张图压缩后看起来更像原图，不代表这些视觉符号更容易被多模态模型理解，也不代表生成效果一定更强。 华盛顿大学与亚马逊团队把图像 Tokenizer 当作一种“视觉语言”，用文字、图像、文生图和图生文四类损失重新检查它。
最新文章
共 1811 篇
哈工大（深圳）机器人操作：UniMPA让记忆变计划，长任务成功率83.3%
机器人不是“看见东西就动”，而是要先判断下一步世界应该变成什么样，再找到能把这个变化真正做出来的动作。 UniMPA把未来预测、历史经验和动作生成接到同一条链上，在真实双臂机器人长任务中取得72.0%最终成功率、83.3%累计成功率。
斯坦福 Percy Liang 团队大模型训练：数据重复4轮即退化，32轮后反输稠密模型
8000万活跃参数下，稀疏专家模型重复4轮就开始退化；重复32轮后，原本的优势反而输给稠密模型。 算力可以靠“只激活少数专家”省下来，但总参数需要的数据，一点也省不了。
港科大等视频生成：双噪声掩码让三类基线人评胜率达79%–83%
论文基本信息 方法名称： Mask Forcing（掩码强制训练） 原文标题： Mask Forcing: Improving Autoregressive Video Diffusion Distillation via Dual Noise Masking Rollout 首次公开： 2026年9月9日（北京时间） 署名单位： 香港科技大学（广州）、香港
南京大学与中国电信人工智能研究院视频生成：随机缓存让动态度25.1升至42.4
论文基本信息 方法名称： 不确定性分布匹配蒸馏 原文标题： Uncertainty DMD: Restoring Diversity in Few-Step Autoregressive Video Distillation 首次公开： 2026年9月10日 署名单位： 南京大学、中国电信人工智能研究院、复旦大学 原论文： https://arxiv.org
复旦大学与上海创智学院长上下文解码：2-bit扫描带来11.6倍内核加速
方法名称： Faster Flash Decoding 原文标题： Faster Than Flash: Exploiting Attention Sparsity for Efficient Long-Context Decoding 署名单位： 复旦大学与上海创智学院 首次公开时间： 2026 年 9 月 1 日 原论文链接： https://arxiv
加州大学伯克利分校AI医疗：约1000万遗传变异筛选，显著基因由383增至402
论文基本信息 方法名称： 物种树增强基因组预训练网络（GPN-Star） 原文标题： Predicting genome-wide functional constraints with GPN-Star 署名单位： 加州大学伯克利分校、杰克逊实验室、德国癌症研究中心 正式发表： 2026年9月9日，Nature 原论文： https://www.natur
清华大学与生数科技视频生成：Vidu S2实现720p 25–42 FPS实时生成与流式编辑
论文基本信息 方法名称： 第二代实时交互视频系统（Vidu S2） 原文标题： Vidu S2: Real-Time Interactive, Editable, and Spatial Video Generation 署名单位： 清华大学、生数科技 首次公开： 2026年9月10日（arXiv v1） 原论文： https://arxiv.org/abs
西湖大学视频世界模型：无需训练重拍任意视角，综合评分85.192
论文基本信息 方法名称： 世界中世界方法（WiW） 原文标题： World in World: Explore the World with World Models 署名单位： 西湖大学智能实验室 首次公开： 2026年9月10日（arXiv v1） 原论文： https://arxiv.org/abs/2609.11548 项目页： https://ch
弗罗茨瓦夫理工大学3D视觉：按空洞分流，跨视角一致性升至0.9980
论文基本信息 方法名称： 遮挡感知细化与补全方法（ORCA） 原文标题： ORCA: Occlusion‑Aware Refinement and Completion for Novel View Synthesis 署名单位： 弗罗茨瓦夫理工大学、雅盖隆大学、波兰人工智能研究机构 首次公开： 2026年9月16日（北京时间，arXiv v1） 原论文：
北航多模态大模型加速：视觉计算按问题动态跳过，预填充快2.09倍
论文基本信息 方法名称： 自适应视觉跳过方法（AdaVSkip） 原文标题： AdaVSkip: Adaptive Visual Token Skipping Across Layers For Efficient MLLMs Inference 署名单位： 北京航空航天大学 首次公开： 2026年9月14日（北京时间，arXiv v1） 原论文： http
波恩大学机器人世界模型：每帧10个对象槽，控制成功率73%
论文基本信息 方法名称： 对象中心扩散变换器（SlotDiT） 原文标题： SlotDiT: Object-Centric Representations for Diffusion Transformers 署名单位： 波恩大学自主智能系统研究所、Lamarr机器学习与人工智能研究所 首次公开： 2026年9月15日（北京时间，arXiv v1） 原论文：
