tech

AI 每日资讯 — 2026-05-28 🔥 HuggingFace 每日论文 1. LocateAnything: Fast and High-Quality Vision-Language Grounding with Parallel Box Decoding Shihao Wang, Shilong Liu, Yuanguo Kuang 本文提出LocateAnything，一种基于并行框解码（PBD）的统一视觉-语言定位与检测框架，旨在解决现有视觉语言模型将边界框序列化为独立1D坐标令牌所导致的几何结构失配与推理效率瓶颈问题。LocateAnything将边界框、关键点等几何元素作为原子单元进行单步并行解码，显著提升解码吞吐量与定位精度。为此，作者构建了大规模数据引擎LocateAnything-Data，包含超1.38亿高质量样本，极大增强数据多样性。实验表明，该方法在多个基准上同步实现更高解码速度与高IoU定位性能，推动了视觉定位任务的速度-精度前沿。 PDF · arXiv · 项目 | ❤️ 90 2. SpatialBench: Is Your Spatial Foundation Model an All-Round Player? Haosong Peng, Hao Li, Jiaqi Chen 本文针对空间基础模型（Spatial Foundation Models）泛化能力评估不足的问题，提出首个跨范式、多领域、确定性采样的综合基准SpatialBench。该基准涵盖5大空间领域、19个数据集、546个场景，支持在4种输入密度下对41个模型、6类建模范式和5大任务套件进行系统评测。实验表明，现有模型尚不具备真正的“全能型”泛化能力；研究发现全上下文注意力机制可最大化精度，而受限内存策略则更利于长序列扩展；在具身智能与自我中心任务等挑战性场景中，模型性能显著下降，揭示了关键改进方向。 PDF · arXiv · 代码 · 项目 | ❤️ 53 3. Guiding LLM Post-training Data Engineering with Model Internals from Sparse Autoencoders Yi Jing, Zao Dai, Jinwu Hu...

AI 每日资讯 — 2026-05-26 🔥 HuggingFace 每日论文 1. SkillOpt: Executive Strategy for Self-Evolving Agent Skills Yifan Yang, Ziyang Gong, Weiquan Huang 本文提出SkillOpt，一种面向智能体技能的可控文本空间优化框架，旨在解决当前Agent技能依赖人工设计、单次生成或无约束自修正所导致的不可靠性与不可复现性问题。SkillOpt将技能视为冻结Agent的外部状态，通过专用优化器模型对技能文档执行有界增/删/改编辑，并仅在验证分数严格提升时接受更新；引入文本学习率预算、拒绝编辑缓存及慢速元更新机制保障训练稳定性，且零开销部署。在6个基准、7种大模型与3种执行框架（直接对话、Codex、Claude Code）共52项评测中，SkillOpt全面优于人类编写、单次LLM生成及Trace2Skill、TextGrad、GEPA、EvoSkill等基线方法；在GPT-5.5上分别提升准确率23.5、24.8与19.1个百分点。跨模型尺度与执行框架的迁移实验进一步验证其泛化能力。 PDF · arXiv · 代码 · 项目 | ❤️ 147 2. From Raw Experience to Skill Consumption: A Systematic Study of Model-Generated Agent Skills Zisu Huang, Jingwen Xu, Yifan Yang 本文系统探究了语言智能体中模型生成技能的全生命周期——从原始经验生成、技能提取到技能消费。针对当前缺乏对技能实效性、适用条件及成败机制的全面实证研究这一空白，作者构建了一个效用驱动的评估框架，在五个多样化任务领域中对多种提取器与目标智能体进行交叉评测。结果表明：模型生成技能虽平均有益，但存在显著负向迁移；技能效用不依赖模型规模或基线性能，且提取能力与消费能力高度解耦。进一步分析揭示了经验构成、技能结构性质及跨智能体迁移机制等关键影响因素，并据此提出可指导技能提取的元技能范式。 PDF · arXiv · 项目 | ❤️ 22 3. PiD: Fast and High-Resolution Latent Decoding with Pixel Diffusion Yifan Lu, Qi Wu, Jay Zhangjie Wu...

AI 每日资讯 — 2026-05-25 🔥 HuggingFace 每日论文 1. Sensor2Sensor: Cross-Embodiment Sensor Conversion for Autonomous Driving Jiahao Wang, Bo Sun, Yijing Bai 本文针对自动驾驶系统（ADS）训练与验证中高质量、多样化传感器数据稀缺的问题，提出Sensor2Sensor框架，实现从野外单目行车记录仪视频到高保真多模态车载传感器日志（含多视角图像与LiDAR点云）的跨形态生成转换。为解决真实配对数据缺失难题，作者创新性地利用4D高斯溅射（4DGS）对真实AV日志进行4D重建与虚拟视角渲染，合成配对训练样本；进而设计基于扩散模型的生成架构完成逆向转换。实验表明，生成数据在几何一致性、语义保真度与物理合理性方面显著优于基线方法，并成功将互联网及实采dashcam视频转化为可用于ADS闭环测试与模型微调的多模态仿真数据，有效拓展了外部数据源的利用边界。 PDF · arXiv | ❤️ 24 2. Gated DeltaNet-2: Decoupling Erase and Write in Linear Attention Ali Hatamizadeh, Yejin Choi, Jan Kautz 本文提出Gated DeltaNet-2，旨在解决线性注意力中记忆编辑的耦合问题：传统方法（如KDA和Gated DeltaNet）使用单一标量门控同时控制“擦除”旧键内容与“写入”新值内容，易导致语义混淆。该模型引入通道级独立门控机制——擦除门 $b_t$ 与写入门 $w_t$，解耦二者操作，并统一整合自适应遗忘与通道级衰减。理论层面推导出快速权重更新视角、支持通道衰减的分块WY算法及门控感知的反向传播，兼顾训练并行性与推理效率。在1.3B参数规模、100B FineWeb-Edu数据上训练后，Gated DeltaNet-2在语言建模、常识推理与长程依赖任务中全面超越Mamba-2、Gated DeltaNet、KDA及Mamba-3变体。 🏛️ Yejin Choi, Jan Kautz | PDF · arXiv · 代码 | ❤️ 21 3. Diversed Model Discovery via Structured Table Discovery Zhengyuan Dong, Renée J....

AI 每日资讯 — 2026-05-24 🔥 HuggingFace 每日论文 1. Sensor2Sensor: Cross-Embodiment Sensor Conversion for Autonomous Driving Jiahao Wang, Bo Sun, Yijing Bai 本文提出Sensor2Sensor，一种面向自动驾驶系统的跨形态传感器转换方法，旨在解决真实路测数据规模有限、传感器配置单一与长尾场景覆盖不足，而海量无结构行车记录仪视频又难以直接用于多模态感知模型训练与验证的矛盾。该方法通过4D高斯溅射（4DGS）对真实自动驾驶日志进行重建与虚拟视角渲染，生成配对的“伪行车视频—真多模态传感器”数据；进而基于扩散模型实现从单目行车视频到多视角图像与LiDAR点云的高保真生成。实验表明，生成数据在几何一致性、语义保真度与下游任务可用性方面均达实用水平，显著拓展了外部视觉数据在自动驾驶研发中的应用边界。 PDF · arXiv | ❤️ 22 2. Gated DeltaNet-2: Decoupling Erase and Write in Linear Attention Ali Hatamizadeh, Yejin Choi, Jan Kautz 本文提出Gated DeltaNet-2，旨在解决线性注意力中压缩记忆编辑过程的耦合问题。现有方法（如KDA和Gated DeltaNet）采用标量门控统一控制“擦除”与“写入”，易导致记忆干扰。Gated DeltaNet-2通过引入通道级独立擦除门 $b_t$ 和写入门 $w_t$ 实现二者解耦，并统一了自适应遗忘与通道衰减机制。作者进一步推导出支持通道衰减的块状WY快速权重更新算法及门控感知反向传播，兼顾训练并行性与推理效率。在1.3B参数规模、100B FineWeb-Edu数据上训练后，该模型在语言建模、常识推理与长程依赖任务中全面超越Mamba-2、Gated DeltaNet、KDA及Mamba-3变体。 🏛️ Yejin Choi, Jan Kautz | PDF · arXiv · 代码 | ❤️ 20 3. Diversed Model Discovery via Structured Table Discovery Zhengyuan Dong, Renée J....