AI EarlyView
Pro
AI EarlyView
← 最新论文日报
10月6日· 周二

arXiv 论文日报

智能体与生成新突破

今日论文聚焦智能体训练与安全、高效生成模型两大方向。GUI智能体通过世界模型合成数据实现规模化训练,视觉定位安全暴露新漏洞;同时,Token层级扩散与混合线性注意力推动图像视频生成降本增效,音视频同步生成迈向实用。

📄 10 篇精选</> 2 篇带代码🏆 2 篇 SOTA
📈 趋势速览智能体研究持续升温,今日多篇论文围绕智能体训练数据合成、检索增强与安全对齐展开;生成模型则向高效计算与多模态同步演进,Token层级扩散和混合线性注意力成为新热点。
1
Monocular markerless biomechanics for clinically interpretable gait assessment in spinal cord injury
💡 发布239人数据集,推动无标记步态分析临床落地。
视觉Shreyasvi Natraj、Mathieu Ruepp、Yanke Li 等
2
Imagine to Act: High-Fidelity Data Synthesis via Image Editing World Model for Scalable GUI Agent Training
💡 用图像编辑世界模型合成高保真GUI数据,突破训练瓶颈。
视觉Yongxin Ning、Runliang Niu、Qianli Xing 等
3
Certification of Real Images through Calibrated Content Authentication
💡 揭示深伪检测器在对抗扰动下准确率骤降,敲响安全警钟。
视觉Sarim Hashmi、Abdelrahman Elsayed、Mohammed Talha Alam 等
4
Token层级扩散
高效扩散模型
Level-of-Token Diffusion
💡 按需分配token分辨率,大幅提升生成效率。
视觉Kiyohiro Nakayama、Brian Chao、Jan Ackermann 等
5
Visual Grounding Safety in Vision-Language Models
💡 发现视觉定位输出更易绕过安全限制,亟需对齐新方法。
视觉Erfan Shayegani、Kundan Krishna、Yue Dong 等
6
Kandinsky 6.0 Video: Foundation Models for Synchronized Video and Audio Generation
💡 同步生成视频与44kHz音频,口型同步,迈向实用化。
视觉Team Kandinsky、Julia Agafonova、Bulat Akhmatov 等
7
可控道路标线生成
道路标线生成SOTA
Controllable Road Marking Generation
💡 从掩码和文本合成道路标线,助力自动驾驶仿真。
视觉Zhiyu、Cai、Yufan Zhang 等
8
Off-Policy Merging Beats On-Policy Self-Distillation for Continual Learning
💡 离策略合并比在策略自蒸馏更有效,避免推理崩溃。
推理Chen Henry Wu、Thomas Zhang、Aditi Raghunathan
9
Beyond Semantic Similarity: Performance and Costs of Agentic Retrieval for Complex Tasks
💡 LLM推理结合检索器,在复杂任务上超越稠密检索。
推理Reza Esfandiarpoor、Radek Osmulski、Yauhen Babakhin 等
10
HLA-WM: Hybrid Linear Attention for Long-Horizon Video World Models
💡 免训练混合线性注意力,解决长时视频世界模型遗忘。
视觉Zhuokun Chen、Feng Chen、Xi Lin 等

生成于 10:14 · 来源 arXiv · AI 编排

往期日报