← 最新论文日报
8月7日· 周五
arXiv 论文日报
多模态生成与智能体新突破
今日论文聚焦多模态生成与智能体两大主线：多人世界模型MAS提升视频生成一致性，EmoWorld实现可控情感视频；同时，DASH优化推理模型蒸馏，TS-RAG将RAG引入时间序列预测，展现AI在生成与推理领域的持续拓展。
📄 10 篇精选</> 4 篇带代码🏆 3 篇 SOTA
📈 趋势速览本周热词显示生成、智能体、强化学习持续升温。今日论文中，视频生成（MAS、EmoWorld）与图像翻译（PRISM）占据半壁江山，智能体相关（视觉工具审计）及推理优化（DASH）亦受关注，多模态与生成技术的交叉融合成为热点。
1
MAS：基于权威共享状态的多人世界模型
视频生成SOTA
MASS: Multiplayer World Models with Authoritative Shared State
💡 解耦动态与渲染，多人视频生成可扩展性新思路。
视觉
2
Reversible Unlearnable Examples: Towards the Copyright Protection in Deep Learning Era
💡 可逆不可学习样本，版权保护新范式。
视觉
3
DASH: Divergence-Adaptive Supervision Horizons for On-Policy Self-Distillation of Reasoning Models
💡 自适应蒸馏范围，提升推理模型训练效率。
大模型
4
Depth-Guided Video Object Counting in Crowded Scenes
💡 深度引导计数，解决拥挤场景视频难题。
视觉
5
TS-RAG：面向时间序列预测的检索增强生成
时间序列SOTA
TS-RAG: Retrieval Augmented Generation for Time Series Forecasting
💡 RAG跨界时间序列，预测精度新提升。
大模型
6
The Illusion of Visual Tool-Use: A Causal Audit of Thinking with Images
💡 因果审计揭示视觉工具使用幻觉，警示多模态局限。
大模型
7
OTLesMix: Wasserstein Barycenter and Optimal Transport Map for Synthetic Lesion Generation with Diverse Shapes and Locations
💡 Wasserstein重心合成病灶，医学图像增强新法。
视觉
8
MetaboLLM: a metabolomics-specialized large language model for biochemical knowledge integration and predictive metabolite graph construction
💡 代谢组学专用大模型，生化知识整合新工具。
大模型
9
PRISM: Distribution-Gated Flow Matching for Controllable Unpaired Image Translation
💡 分布门控流匹配，可控图像翻译更精细。
生成扩散
10
EmoWorld: A Decoupled Affective Field for Controllable Emotional Video Generation
💡 解耦情感场，视频情感控制新突破。
生成扩散
生成于 09:42 · 来源 arXiv · AI 编排