← 最新论文日报
8月6日· 周四
arXiv 论文日报
智能体进化与视频编辑新突破
今日论文聚焦两大热点：智能体从静态图像走向视频深度研究，并通过相似性推断实现理性合作；同时，视频编辑迎来实时开放式新框架，扩散模型偏好对齐亦有新机制。多模态大模型的并行扩展与音乐生成的质量洞察同样值得关注。
📄 10 篇精选</> 7 篇带代码🏆 3 篇 SOTA
📈 趋势速览智能体（agents）与强化学习（reinforcement）持续升温，多模态智能体向视频流扩展，自我改进与理性合作成为新方向。视频生成与编辑（visual, generation）追求实时与开放，扩散模型优化聚焦偏好对齐。大模型评测与基准（llm, llms）关注递归自我改进与工具推理。
1
💡 解决扩散模型多步去噪的信用分配难题，提升对齐效率。
强化学习
2
Video-DeepResearch: Towards the Next-Generation Multimodal Deepresearch Agent
💡 将深度研究智能体扩展至视频流，识别关键瓶颈。
智能体
3
当注意力失明：ALiBi位置编码中的数值失效
位置编码SOTA
When Attention Goes Blind: Numerical Failure in ALiBi Positional Encodings
💡 揭示ALiBi位置编码的数值失效，影响长上下文模型可靠性。
NLP
4
JoyAI-Video-Edit: Real-Time Open-Ended Video Editing with Autoregressive Diffusion
💡 16B参数实现实时开放式视频编辑，无需预设时长。
生成扩散
5
PRISM: Powerful Time Series to Image (TS2I) Representations for Multivariate Anomaly Detection
异常检测</> 代码
💡 时间序列转图像新方法，异常检测性能优于基线。
视觉
6
Agogic: Performance-Timed Music Tokens for LLM-Native Text-to-Symbolic-Music Generation
💡 发现音乐分词方式比模型规模更关键，提出新音乐令牌。
语音音频
7
A game theory for foundation models shows new paths to rational cooperation through similarity inference
💡 基础模型通过相似性推断实现理性合作，开辟AI博弈新路径。
智能体
8
ParVL: Parallel Scaling and Expandable Compute Allocation for Multimodal LLMs
💡 并行计算复用ViT和LLM参数，优化多模态大模型算力分配。
大模型
9
TurnSight: Turn-Level Hindsight Self-Distillation for Tool-Integrated Reasoning
💡 回合级事后自我蒸馏，提升工具推理的细粒度奖励分配。
大模型
10
PAST-Bench: Benchmarking the Foundations of Recursive Self-Improvement in Personal Agents
💡 新基准测试代理递归自我改进能力，推动智能体进化研究。
智能体
生成于 07:00 · 来源 arXiv · AI 编排