有点子了，就去执行……
TaoD2C-Bench：测MLLM UI代码生成，不止看视觉
2861个来自17家商业平台的真实UI生产设计，97652条专家标注，这是刚在arXiv公开的TaoD2C-Bench基准数据集的全部家底——它专门测多模态大模型（MLLM）的UI代码生成能力，...
MultiFly：首个低空无人机多模态感知标注基准
115张手工标注的RGB图像，换来了17000多份多模态数据的帧级语义标注——这是刚公开的MultiFly数据集交出的核心成绩。多模态标注的老问题之前做低空无人机感知的，谁没为标注愁过？RGB、...
Open-MMUnlearning：统一多模态大模型遗忘的方法与评估
最近arXiv上挂出的Open-MMUnlearning框架，把多模态大模型（MLLM）遗忘领域的混乱，给梳理出了清晰的脉络——这个开源项目覆盖5个基准、8个模型家族、12种遗忘方法。为什么ML...
针对恶意微调的新防御：SLDR的效果与思路
Llama3.1做SST2任务时，用新防御方法SLDR把平均有害输出分从11.54压到了0.08，合法任务的准确率一点没掉——这是它刚在arXiv放出的实测结果。恶意微调的隐形漏洞现在很多人用微...
大模型生成开源电化学多物理模型，误差不到0.7%
同样的CO₂还原制CO的电化学反应模型，大模型写的开源代码，和COMSOL专业软件的结果差不到0.7%的峰值部分电流密度。测试场景与可复现性这次的测试选得很具体：一维电化学CO₂还原成CO的过程...
情感分析的共识缺口：人、工具、大模型各说各话
拿100条推文找6个人评情感，结果发现就算是人，对情绪的判断也只处于“一般一致”水平——这是arXiv上一篇cs.CL分类的研究刚捅破的窗户纸。研究专门测了人和工具对社交媒体文本的情感判断一致性...
大模型容错性随规模增强 低故障硬件或成节能突破口
4万GPU小时的训练跑下来，AI研究者撞破了一个反常识的结论：大模型的容错性，不是随规模变大而下降，反而会增强。反常识的训练结果这次训练用的是模拟故障的数字硬件，不是真实的故障芯片。研究者盯着大...
SemanticFold：压缩居然拆分了大模型的三大核心能力
在Qwen3-1.7B模型上，用1.7倍压缩率应用SemanticFold后，压缩分支的负对数似然（NLL）比原生分支低了0.135——这是arXiv那篇序列压缩论文里最反常识的结果，一般压缩模...
机器人抓稳的秘密：触觉数据提了10.5个百分点成功率
用多手指机器人抓东西，加了高分辨率触觉数据后，抓稳成功率比只用视觉的提了10.5个百分点——这是arXiv上一篇cs.RO分类的最新研究，没玩虚的，全是实测堆出来的结果。实验怎么来的？1万次抓取...
基于WFR-JKO的神经采样新方法 避开对数凹性限制
arXiv刚上线一篇属于math.NA、cs.LG、math.PR、stat.ML四分类的论文，直接戳破了神经采样领域的一个旧限制——之前要从复杂多模态分布里采样，大多得默认目标分布是对数凹的，...