组会前夜必看：如何用1小时把论文「吃干抹净」？
对大多数研究生来说，组会无疑是科研路上的“修罗场”。比如，导师深夜发来一篇英文论文，语气轻松：“这个不错，明天你讲讲。”又比如，你整个假期都在摸鱼，直到最后一天晚上才想起明天要汇报，凌晨点灯熬油突击补
阅读全文ICML 2025 | 图提示到底“灵”在哪？港中文团队用数学告诉你答案！
©PaperWeekly 原创· 作者 | 王群中单位 | 香港中文大学本科生研究方向 | 数据挖掘导读近年来，随着图神经网络（Graph Neural Networks, GNN）在推荐系统、生物信
阅读全文「R1时刻」降临！港中文MMLab定义文生图新范式，彻底告别“无脑画图”
论文地址：https://arxiv.org/pdf/2505.00703代码地址：https://github.com/CaraJ7/T2I-R1最近的大语言模型（LLMs）如 OpenAI o1
阅读全文上海内推 | 上海算法创新研究院-上海交大联合招收空间智能/具身智能算法实习生
合适的工作难找？最新的招聘信息也不知道？AI 求职为大家精选人工智能领域最新鲜的招聘信息，助你先人一步投递，快人一步入职！上海算法创新研究院上海算法创新研究院&上海交大人工智能学院，诚邀各类精英人才加
阅读全文NeurIPS/ICML疯狂收割：时间序列新范式杀疯了！
时间序列分析是数据科学的一个重要分支，目前时间序列分析已经广泛应用于各行各业，从金融市场的预测、工业生产的优化，到医疗健康的监测和智能运维的支持。NeurIPS 2024会议不仅发布了时序的新数据集和
阅读全文ICLR 2025 | 告别Token丢弃：更适合CoT和多轮对话的长文本推理加速方法
近年来，大语言模型（LLMs）展现了在文档问答、长对话、复杂指令遵循等场景下的强大能力。然而，随着上下文长度的增长，一个关键的瓶颈日益凸显——KV Cache（键值缓存）带来的巨大 GPU 显存开销。
阅读全文GUI智能体“大脑”升级！浙大&港理工等提出InfiGUI-R1，用强化学习实现深度推理
当前，多模态大模型驱动的图形用户界面（GUI）智能体在自动化手机、电脑操作方面展现出巨大潜力。然而，一些现有智能体更类似于“反应式行动者”（Reactive Actors），主要依赖隐式推理，面对需要
阅读全文博士申请 | 北京大学智能学院钟亦武老师招收多模态推理/具身智能方向博士
合适的工作难找？最新的招聘信息也不知道？AI 求职为大家精选人工智能领域最新鲜的招聘信息，助你先人一步投递，快人一步入职！北京大学北京大学于2002年创办了我国第一个智能科学系，2003年在国内率先设
阅读全文92ms极速Token响应！VITA团队开源实时语音大模型，推理效率暴增5倍
在人机交互日益普及的背景下，语音以其自然、便捷的优势正成为主流交互方式。虽然已有多款语音模型支持流式音频输出，有效降低了体感延迟，但在生成首个音频片段时仍存在较高的等待时间，成为制约实时部署的关键瓶颈
阅读全文CVPR 2025 | “点级+提示级”双采样黑科技！MICAS重新定义3D点云上下文学习
论文标题：MICAS: Multi-grained In-Context Adaptive Sampling for 3D Point Cloud Processing论文链接：https://arx
阅读全文从命题逻辑到高阶推理：北大、清华等联合发布大模型逻辑推理能力最新综述
当前大模型研究正逐步从依赖扩展定律（Scaling Law）的预训练，转向聚焦推理能力的后训练。鉴于符号逻辑推理的有效性与普遍性，提升大模型的逻辑推理能力成为解决幻觉问题的关键途径。为推进大语言模型的
阅读全文北京内推 | 微软AI DKI团队招聘大语言模型方向研究实习生
合适的工作难找？最新的招聘信息也不知道？AI 求职为大家精选人工智能领域最新鲜的招聘信息，助你先人一步投递，快人一步入职！微软微软Data Knowledge Intelligence团队，前身为微软
阅读全文模型崩溃自救指南：5行代码实现TTA鲁棒性飞跃，天大×腾讯开源COME方案
研究背景机器学习模型在诸多领域已经取得了显著的成功，例如图像识别、自然语言处理和自动驾驶等。然而，许多机器学习算法依赖于一个限制性极强的假设，即训练数据和测试数据的分布是相似的。这一假设在现实场景中往
阅读全文RL训练总崩溃？R1-Reward稳定解锁奖励模型Long-Cot推理能力
多模态奖励模型（MRMs）在提升多模态大语言模型（MLLMs）的表现中起着至关重要的作用，在训练阶段可以提供稳定的 reward，评估阶段可以选择更好的 sample 结果，甚至单独作为 evalua
阅读全文CVPR 2025 | 单图生成3D人体：港科广团队提出分层高斯建模框架MultiGO
从一张照片重建出逼真的带纹理的人体 3D 模型一直是计算机视觉领域的难题。港科广团队提出的 MultiGO 创新方案，通过分层建模思路破解了这一挑战——将人体分解为不同精度层级，从基础体型到衣物褶皱逐
阅读全文博士申请 | 复旦大学智能人机交互实验室招收2026级硕博生（夏令营/推免）
合适的工作难找？最新的招聘信息也不知道？AI 求职为大家精选人工智能领域最新鲜的招聘信息，助你先人一步投递，快人一步入职！复旦大学探索以人为中心的智能——加入复旦大学计算机科学技术学院 - 智能人机交
阅读全文「不思考」反而更强？上海AI Lab重新定义视觉强化学习微调最优路径
引言近年来，基于规则的强化学习（RFT）在多模态大语言模型（MLLMs）中的应用取得了显著进展，并且在一些模型上取得了优于监督微调（SFT）的成果。RFT 利用可验证的奖励进行训练，鼓励模型在回答之前
阅读全文WWW 2025 | 数据洪流→数据精炼：北理工等提出高效文本行人检索新范式
任务背景以及 Motivation随着深度视觉-语言预训练的飞速发展，文本驱动的行人检索（Text-based Person Search）已成为公共安全与智能监控领域的热门方向。然而，现有方法为了解
阅读全文中文网页检索挑战上线！GPT-4o准确率仅6.2%，这份新基准打脸所有大模型
©作者 | 周培林单位 | 香港科技大学（广州）随着大语言模型（LLMs）日渐“拟人化”，能写报告、能画图、还能“冲浪查资料”，不少人以为它们已能应对各种任务。但这次，一项由港科大（广州）、北大、浙大
阅读全文北京内推 | 字节跳动Data-电商团队招聘多模态大模型算法实习生
合适的工作难找？最新的招聘信息也不知道？AI 求职为大家精选人工智能领域最新鲜的招聘信息，助你先人一步投递，快人一步入职！字节跳动Data-电商团队，负责电商创新项目的算法和大数据工作。依托于字节跳动
阅读全文因为盲审没过，被延毕了……
临近毕业季，不管是硕士生还是博士生，毕业前最大的一关就是盲审。通过了，就基本可以宣告毕业在即；没过，则要面对可能“延毕”的深渊。实话, 论文盲审没过，一度陷入了自我怀疑中，觉得自己干啥都不行，能力不行
阅读全文ICLR 2025 | 从碎片到完整：面向语义完整且等价的多模态视觉分词新范式SeTok
当前，多模态大语言模型（MLLMs）在视觉-语言理解任务中取得了令人瞩目的进展，其中视觉分词（vision tokenization）作为视觉与语言语义对齐的关键环节，发挥着至关重要的作用。然而，现有
阅读全文推测性思维链SCoT：小模型“模仿”大模型，最高提速2.9倍，准确率几乎不降
现在的大模型（比如论文提到的 Deepseek-R1）虽然能解决复杂数学题，但有两个致命缺点：体型庞大：动辄几百亿参数，像“超级计算机”一样耗资源；思考过程长：解一道题要生成几千甚至上万字的思维链（C
阅读全文北京内推 | 阿里夸克智能创新技术部招聘多模态算法研究实习生
合适的工作难找？最新的招聘信息也不知道？AI 求职为大家精选人工智能领域最新鲜的招聘信息，助你先人一步投递，快人一步入职！阿里巴巴团队负责夸克教育多模态大模型的建设工作，有机会接触到前沿的多模态大模型
阅读全文爆肝万字！从JanusPro到UniTok，多模态大模型理解与生成的统一之路
随着 GPT-4o 生成能力的爆火，很多人都在研究怎么让模型既能看懂图片、视频（理解任务），又能根据文字生成图片、视频（生成任务）。自回归模型（就是那种一个接一个预测下一个“词”的模型）在这两方面都取
阅读全文大模型“快答”能力堪忧？中科院推出S1-Bench，直击大推理模型快思考短板
大推理模型（LRM）在非常复杂或困难的任务中表现非凡，这依赖于其强大的系统 2 思维模式（深思熟虑的慢思考）。但在日常的使用中，大量用户提问的问题更多是系统 1 问题（这些问题可以直觉快速回答），他们
阅读全文3B逆袭7B巨头！Video-XL-Pro登顶长视频理解SOTA，单卡万帧准确率超98%
长视频理解是多模态大模型的核心能力之一，也是迈向通用人工智能（AGI）的关键一步。然而，现有的多模态大模型难以大规模训练超长视频，并且在处理长视频时，仍然面临性能差和效率低的双重挑战。对此，上海交通大
阅读全文博士申请 | 西湖大学吴泰霖老师招收AI for Science方向博士/博后/实习生
合适的工作难找？最新的招聘信息也不知道？AI 求职为大家精选人工智能领域最新鲜的招聘信息，助你先人一步投递，快人一步入职！西湖大学西湖大学人工智能与科学仿真发现实验室长期开展AI + Science学
阅读全文R1-Zero的无监督版本来了！SFT不再是必须，EMPO重新定义大模型推理微调
当前，大语言模型（LLMs）已在数学推理、代码等任务中展现出强大的能力。然而，现有提升推理性能的主流范式，往往依赖监督微调（SFT）与强化学习（RL）的结合，依赖于人工标注的推理路径、标准答案或额外的
阅读全文ICLR 2025 | 差分注意力机制爆火！DIFF Transformer击穿长文本建模天花板
近年来，Transformer 架构在自然语言处理领域取得了巨大成功，从机器翻译到文本生成，其强大的建模能力为语言理解与生成带来了前所未有的突破。然而，随着模型规模的不断扩大和应用场景的日益复杂，传统
阅读全文