AI EarlyView
Pro
AI EarlyView
7月8日· 周三 · 最新一期

arXiv 论文日报

每天从 arXiv 自动精选最有价值的 AI 论文，AI 写就「为什么值得看」+ 结构化深读，点开即看。

← 回到论文速览（全部子领域）

智能体与多模态齐飞

今日焦点：智能体在非理想环境评估与自动化建模取得突破，多模态模型在自动驾驶安全与音频理解上展现新能力。扩散模型与3D视觉也有重要进展。

📄 10 篇精选</> 2 篇带代码🏆 10 篇 SOTA
📈 趋势速览智能体（agents）持续升温，从基准测试（AgentGym2）到自动化建模（OptiAgent）再到验证框架（LLM-as-a-Verifier），覆盖评估、应用与安全。多模态与音频（VLM-CASE、Audex）结合LLM，推动自动驾驶与语音理解。扩散模型（WildSplat）与3D视觉（Deform360）在无位姿场景与触觉感知上创新。
1
AgentGym2：非理想化真实环境中大语言模型代理的基准测试
智能体评估SOTA
AgentGym2: Benchmarking Large Language Model Agents in De-Idealized Real-World Environments
💡 首个在非理想化真实环境评估LLM代理的基准，填补空白。
大模型Zhiheng Xi、Dingwen Yang、Jiaqi Liu 等
arXiv →PDF深入追问 AI →
2
VLM-CASE: Vision-Language Model Enabled Context-Adaptive Safety Envelopes for Anticipatory Safe Autonomous Driving
自动驾驶安全SOTA</> 代码
💡 让自动驾驶在恶劣天气下像人类一样预判安全边界。
多模态Tianjia Yang、Ke Li、Ruwen Qin 等
arXiv →PDF深入追问 AI →
3
RABBiT: Rapidly adaptive BOLD foundation model via brain-tuning for accurate zero-shot and few-shot prediction of speech-elicited responses in the brain
脑机接口SOTA</> 代码
💡 脑调谐实现零样本语音脑反应预测，脑机接口新范式。
NLPOmer Moussa、Mariya Toneva
arXiv →PDF深入追问 AI →
4
LLM-as-a-Verifier: A General-Purpose Verification Framework
智能体验证SOTA
💡 无需训练的通用验证框架，提升智能体任务可靠性。
大模型Jacky Kwok、Shulu Li、Pranav Atreya 等
arXiv →PDF深入追问 AI →
5
Deform360: A Massive Multi-view Visuotactile Dataset for Deformable World Models
触觉感知SOTA
💡 大规模多视角触觉数据集，推动可变形物体世界模型。
机器人Hongyu Li、Wanjia Fu、Xiaoyan Cong 等
arXiv →PDF深入追问 AI →
6
WildSplat: Feedforward Gaussian Splatting from Unposed In-the-Wild Images
3D高斯泼溅SOTA
💡 首个前馈无位姿野外3D高斯泼溅，新视角合成新突破。
视觉Xiyu Zhang、Jingyu Zhuang、Hongjia Zhai 等
arXiv →PDF深入追问 AI →
7
OptiAgent: End-to-End Optimization Modeling via Multi-Agent Iterative Refinement
自动化建模SOTA
💡 多智能体自动将自然语言转化为数学公式与代码。
智能体Adriana Laurindo Monteiro、Nayse Fagundes、Gabriel Mattos Langeloh 等
arXiv →PDF深入追问 AI →
8
CanniUplift: A Holistic Framework for Mitigating Seller and Incentive Cannibalization in E-commerce Uplift Modeling
电商激励SOTA
💡 解决电商激励分配中的蚕食效应，提升营销效率。
AI综合Zuwang He、Shihao Shu、Yuli Qu 等
arXiv →PDF深入追问 AI →
9
统一音频智能：不牺牲文本智能的Audex模型
音频理解SOTA
Unified Audio Intelligence Without Regressing on Text Intelligence
💡 统一音频文本模型，不牺牲文本能力。
大模型Zhifeng Kong、Sang-gil Lee、Jaehyeon Kim 等
arXiv →PDF深入追问 AI →
10
FSDC-DETR: A Frequency-Spatial Domain Collaborative DETR for Small Object Detection
小目标检测SOTA
💡 频率-空间域协同解决小目标检测高频信息丢失。
视觉Aiwen Liu、Chengguang Zhu、Gang Wang 等
arXiv →PDF深入追问 AI →

生成于 1 小时前 · 来源 arXiv · AI 编排

往期日报