当前大多数3D合成数据仅追求美学质量，导致其在物理环境中无法实现自立或自我支撑。DSO（Data Synthesis Optimization）项目通过微调生成模型，显著提升了3D对象的物理合理性。该技术采用物理仿真反馈机制，对生成结...

加州大学圣克鲁兹分校视觉、语言与行为实验室（VLAA）在GitHub开源了MedReason项目，这是一个专为提升大语言模型（LLM）医疗推理能力构建的大规模数据集。该数据集通过结构化临床案例、医学知识图谱和多模态数据，旨...

Geometry Crafter 是一种前沿的几何估计模型，它创新性地利用视频扩散作为先验信息，实现了时间维度上的一致性几何估计。该技术能够以约1.5帧/秒的速度完成完整点云估计，同时具备精确的相机姿态估计能力。这一突破...

近期发表在arXiv上的研究论文提出了一种名为CellVTA的创新方法，该方法通过引入基于CNN的适配器模块，将高分辨率空间特征注入到基于视觉Transformer的模型中，显著提升了细胞实例分割的精度。这一技术突破在多个基准...

UniOcc是一个专为自动驾驶场景设计的统一框架，专注于交通流预测和运动轨迹预报。该框架的创新性在于支持多数据集联合训练，并能进行真实环境与合成场景的跨域评估，为自动驾驶系统的决策规划提供更可靠的预测能力。...

腾讯ARC实验室最新发布的SEED-Bench-R1基准测试，为多模态大语言模型（MLLM）在复杂视频任务中的表现提供了系统评估框架。该研究重点关注强化学习（RL）和监督微调（SFT）等后训练方法，揭示了RL在视觉感知任务和数...

强化学习（RL）领域长期存在一个关键问题：是否需要一个足够强大的基础模型来支持涌现式推理能力的形成？最新研究Open-Reasoner-Zero通过系统性实验验证了基础模型对RL推理的重要作用。该研究在多种规模化的RL训练场...

Open Hands团队最新发布的32B参数代码模型（Open Hands LM-32B）在强化学习（RL）训练框架下，基于Qwen架构实现了突破性进展。该模型在代理编码任务（agentic coding tasks）中的表现已超越许多参数规模更大的竞品，...