Apple最新研究:视频推理不再"画未来",延迟降5倍+
这篇来自Apple的新研究直接把“视觉思维”做进了训练:模型在训练时预测未来帧的潜在表示,推理时不再生成中间图像,端到端延迟比显式视觉CoT降低5倍以上,同时在6个评测设置上稳定超越纯文本后训练。对视频理解、实时预测和统一多模态模型感兴趣的同学值得细读。
LONGGE AI RESEARCH DAILY
每天筛选值得关注的 AI 论文,用工程视角拆解方法、实验和真正的落地价值。
目前已发表 1573 篇文章
这篇来自Apple的新研究直接把“视觉思维”做进了训练:模型在训练时预测未来帧的潜在表示,推理时不再生成中间图像,端到端延迟比显式视觉CoT降低5倍以上,同时在6个评测设置上稳定超越纯文本后训练。对视频理解、实时预测和统一多模态模型感兴趣的同学值得细读。
当离散路径选择和连续轨迹优化纠缠在一起,传统方法常在无限解空间里迷路。这篇最新论文把Steiner旅行商问题搬进凸集图,用统一分支定界把访问顺序、传感模式和连续轨迹一次打包,180个基准实例30秒内全部找到可行解,还自带ε-最优性证书。搞机器人自主规划的同学值得读一读!
LHCb再次出手,这次盯上的是底重子稀有衰变Λᵇ⁰→Λ(1520)μ⁺μ⁻的首个角分析。9 fb⁻¹的对撞数据、五个q²区间、两个核心角观测量,结论是——标准模型又守住了。想看硬核高能实验怎么"没有发现就是胜利"?这篇值得一读。
先问大家一个问题:如果你是一个放射科医生,看到一张腹部CT片子,有人问你“肝脏在脾脏的左边还是右边?”,你会怎么回答?
电动汽车的"充电焦虑"终于等来了AI解法。Lucid与通用汽车的工程师用强化学习、LSTM和模糊逻辑组合拳,在LG Chem下一代BMS上实测:SOC估算精度提升18.8%,电池寿命延长28.5%,充电成本下降21.6%。既有产业数据又有落地细节,值得所有关注新能源车电池管理的人一读。
关节物体重建一直是机器人操作里的硬骨头,以前的方法要么依赖关节类型先验,要么遇到螺旋关节就翻车。REArtGS++ 直接拿两张不同状态的多视角 RGB 照片,就把零件级网格、关节参数一起端出来,螺旋关节误差比之前最好的方法降了一个量级,单卡 4090 只要 20 分钟,值得一读。
把10维系统压到100维还没压出个完整组分,这听着像段子,但它是VAMPnets这类谱方法的真实翻车现场。这篇来自Technion与NVIDIA的最新论文,用一个“数代数而非数张成空间”的目标函数,直接让100维做不到的事用10个坐标就做到了。搞动力学建模、分子模拟、自监督表征的读者,都值得花十分钟看它怎么“掀桌子”。
要说数学里最"出圈"的特殊函数,椭圆模函数绝对排得上号。它最经典的模样,是从单位圆盘到某个"模三角形"的共形映射——这个三角形由三条圆弧围成,顶点分别在0、1和无穷远处。等等,顶点在无穷远处?
太阳风湍流一直以“重尾、慢弛豫、多重分形”三副面孔示人,但很少有人能跨越三个太阳周期同时追踪这三兄弟。本文用Wind飞船整整三十年的质子密度数据,给出了一套干净利落的非广延统计验证,还顺藤摸瓜扒出了约10.1年的太阳周期调制信号,值得空间物理与复杂系统爱好者一读。
数学解题能力强,不代表真的“懂数字”。这篇NAACL论文把数值能力当成自然语言推理任务来测,一口气跑了49个模型,结果发现数学专用大模型只在算术上占优,数字比较和归一化反而拉胯,值得每一位关注LLM推理能力的读者看看。
做电化学模拟的同学注意了:选机器学习原子间势,别再只盯能量-力误差,那可能是一笔“糊涂账”。 EPhEct基准 用图像电荷、LO-TO声子劈裂、界面水偶极、费米能级钉扎四个物理现象给模型做透视,还配好DFT标准答案,是时候给长程静电来一次“专项体检”了。
模态检测不只有密度估计一条路。这篇论文从排序间距中同时提取"平坦段"和"峰值"两类特征,用三类检验系统评估它们在双模态变体与文献样本上的表现,给出清晰的检测边界:期望间距上升0.003即可识别分离。代码以R包方式开放,统计人值得一读。
LONGGE AI COMMUNITY
加入「龙哥读论文」知识星球,持续获取 AI 论文、资讯、开源项目、招聘与研究思路。
加入龙哥读论文微信群:添加微信 kangjinlonghelper,备注“研究方向 + 地点 + 学校/公司 + 昵称”。
微信扫码加入知识星球