AI EarlyView
Pro
AI EarlyView
← 最新论文日报
7月15日· 周三

arXiv 论文日报

视频生成与智能体新突破

今日亮点：Cycle-World解决长视频生成误差累积；MM-ToolSandBox统一评估视觉工具调用智能体；LLM元认知综述揭示推理新方向。

📄 10 篇精选</> 4 篇带代码🏆 4 篇 SOTA
📈 趋势速览视频生成与智能体持续升温：Cycle-World通过反向预测循环一致性提升长视频质量；MM-ToolSandBox为视觉工具调用提供统一评估框架；LLM元认知研究推动模型自我反思能力。
1
Cycle-World: Mitigating Error Accumulation in Long-term Video World Models via Reverse-Prediction Cycle Consistency
视频生成SOTA
💡 解决长视频生成误差累积难题
生成扩散Zihan Su、Teng Hu、Jiangning Zhang 等
arXiv →PDF深入追问 AI →
2
Evidence-Backed Video Question Answering
视频问答SOTA</> 代码
💡 提升视频问答可解释性
大模型Shijie Wang、Honglu Zhou、Ziyang Wang 等
arXiv →PDF深入追问 AI →
3
MM-ToolSandBox: A Unified Framework for Evaluating Visual Tool-Calling Agents
智能体评估SOTA</> 代码
💡 统一评估视觉工具调用智能体
智能体Kaixin Ma、Di Feng、Alexander Metz 等
arXiv →PDF深入追问 AI →
4
预序列编码：用自生成训练数据突破模型压缩极限
模型压缩SOTA
Requential Coding: Pushing the Limits of Model Compression with Self-Generated Training Data
💡 自生成数据突破模型压缩极限
大模型Shikai Qiu、Marc Finzi、Yujia Zheng 等
arXiv →PDF深入追问 AI →
5
HASTE：灾后建筑损毁快速评估平台
灾害评估</> 代码
HASTE: A Platform for Rapid Post-Disaster Building Damage Assessment
💡 非AI专家快速评估灾后建筑损毁
多模态Caleb Robinson、Anthony Ortiz、Simone Fobi Nsutezo 等
arXiv →PDF深入追问 AI →
6
大语言模型中的元认知：基础、进展与机遇
元认知</> 代码
Metacognition in LLMs: Foundations, Progress, and Opportunities
💡 系统梳理LLM元认知进展
大模型Gabrielle Kaili-May Liu、Areeb Gani、Jacqueline Lu 等
arXiv →PDF深入追问 AI →
7
Read It Back: Pretrained MLLMs Are Zero-Shot Reward Models for Text-to-Image Generation
文生图评估
💡 零样本奖励函数评估文生图
多模态Runhui Huang、Qihui Zhang、Zhe Liu 等
arXiv →PDF深入追问 AI →
8
A Minimalist Retargeting-Guided Reinforcement Learning Recipe for Dexterous Manipulation
灵巧操作
💡 重定向演示学习灵巧操作
强化学习Yunhai Feng、Natalie Leung、Jiaxuan Wang 等
arXiv →PDF深入追问 AI →
9
不公裁判的内部：LLM作为裁判偏差的机制可解释性分析
偏差分析
Inside the Unfair Judge: A Mechanistic Interpretability Account of LLM-as-Judge Bias
💡 揭示LLM裁判偏差的隐藏几何结构
大模型Zixiang Xu、Sixian Li、Huaxing Liu 等
arXiv →PDF深入追问 AI →
10
Can LLMs Perform Deep Technical Comprehension of Computer Architecture Papers?
技术理解
💡 评估LLM对计算机架构论文的深度理解
智能体Nishant Aggarwal、Ayushi Dubal、Sreeraj Kannakarankodi 等
arXiv →PDF深入追问 AI →

生成于 06:58 · 来源 arXiv · AI 编排

往期日报