tech

AI 每日资讯 — 2026-08-22 🔥 HuggingFace 每日论文 1. 4DAnyone: Create Anyone in 4D from a Casual Monocular Video Yudong Jin, Tao Xie, Qihang Zhang 本文提出4DAnyone，一种从任意单目视频重建高保真4D人体的端到端框架。针对现有视频扩散模型在生成数十路目标视角时难以维持多视角一致性的关键瓶颈，作者将其归因为“有界注意力上下文”问题，并创新性地设计参考上下文压缩（RCP）与目标上下文路由（TCR）机制：RCP以O(1)复杂度将多参考视图编码为混合分辨率固定长度上下文，TCR通过噪声步长自适应的分组轮转策略实现跨组信息共享与细节稳定。基于自建MVGameHuman数据集及多源真实数据联合训练，实验表明4DAnyone在DNA-Rendering与DyMVHumans基准上显著优于现有方法，实现了高质量、几何一致的4D高斯溅射重建。 PDF · arXiv · 代码 · 项目 | ❤️ 47 2. WithEveryone: Unified Planning and Identity Grounding for Group Image Generation Hengyuan Xu, Qixun Wang, Yiji Cheng 本文针对多人场景下身份保持图像生成不可靠的问题，提出统一框架WithEveryone，支持最多十人身份的群体图像生成。该方法将各身份作为地址化token注入，并预测结构化的身份-布局规划，再将其渲染为视觉条件；核心创新包括基于标注人脸区域监督身份匹配的Layout-Grounded ID Loss，以及ID Representation Forcing机制，在合成前显式预测每个身份表征。在身份互斥基准测试中，WithEveryone将目标-上下文身份相似度从GPT-Image-2的0.462提升至0.499，复制粘贴伪影显著降低（0.169→0.055），身份覆盖率达97.3%，重复率仅2.8%，验证了显式身份-布局联合建模对大规模群体生成的有效性。 PDF · arXiv · 代码 · 项目 | ❤️ 34 3. MemTrapBench: Benchmarking Cognitive Traps in LLM Memory Use Mengru Wang, Haozhe Luo, Zhenqian Xu...

AI 每日资讯 — 2026-08-21 🔥 HuggingFace 每日论文 1. SPADE: Self-Play in Adaptive Synthetic Executable Environments Bo Liu, Simon Yu, Yiding Jiang SPADE提出了一种面向语言智能体的自演进强化学习框架，通过单一大语言模型（LLM）在自我博弈中同时扮演环境设计者与推理代理双重角色：前者生成可执行、长视野、带状态转移与验证逻辑的合成训练环境（类OpenAI Gym接口），后者在其中学习多步推理与工具调用。环境设计者基于大规模预训练语料进行知识 grounding，并维护累积环境记忆，其目标是动态生成位于代理能力边界的可行任务；推理代理的 regret 信号由有/无特权提示下的奖励差估计，驱动环境持续适配。在8个数学、科学、代码与通用推理基准上，30B参数规模的SPADE相较最强固定环境基线平均提升+5.3分，并显著增强工具使用能力。 PDF · arXiv · 代码 · 项目 | ❤️ 38 2. Training Chemical Plausibility-Aware Large Language Models for Single-Step Retrosynthesis Bogdan Zagribelnyy, Ivan Ilin, Nikita Bondarev 本文针对单步逆合成预测中固有的“一对多”特性难以被传统单答案评估范式有效刻画的问题，提出Top-K提示训练与推理新范式，以提升模型对多样化、化学合理反应路径的建模能力。基于约4560万条经验证反应数据（CREED-CCV-2+USPTO-XL），构建化学约束一致语言模型C3LM，并融合ChemCensor化学合理性判别器与新颖性奖励进行强化微调。在OOD URSA-expert-2026基准上达到SOTA性能；反应唯一性分析表明，LLM与传统模型覆盖互补的反应空间，支持构建集成式逆合成系统。该工作确立了化学合理性感知、Top-K驱动的训练范式作为下一代LLM合成规划的重要方向。 PDF · arXiv | ❤️ 29 3. Institutional Books - Enriched Text: A customizable multilingual open-source pipeline for denoising, deduplicating, and annotating OCR text at scale David Lowry-Duda, Matteo Cargnelutti, Catherine Brobston...

AI 每日资讯 — 2026-08-20 🔥 HuggingFace 每日论文 1. EDITBRIDGE: Towards Faithful and Efficient Ultra-High-Resolution Image Editing Jiayi Song, Shijie Huang, Fangtai Wu 本文针对超高清图像编辑中扩散模型受限于二次注意力复杂度与显存瓶颈、难以直接处理1K以上分辨率的问题，提出EditBridge框架。该方法摒弃传统从噪声重建范式，将编辑建模为低分辨率编辑结果到原始高分辨率图像的结构化数据翻译过程，并显式以原始HR图像为条件以保持细节真实性。为高效引入HR先验，设计了先验引导的分块稀疏注意力机制，利用首阶段语义对应关系约束跨图像交互于空间对齐区域。实验表明，EditBridge在4K分辨率下实现高保真编辑，2K分辨率下提速3.6–8.4倍，4K编辑仅需61秒，显著优于现有两阶段方法。 PDF · arXiv · 代码 · 项目 | ❤️ 20 2. From Corpora to Co-Evolving Capabilities: Capability-Centric Data Design for Generalist Image Generation Xingjian Wang, Zhao Wang, Taihang Hu 本文提出一种以生成能力为中心的数据设计范式，旨在解决大规模图像生成中多任务数据孤岛与能力依赖关系建模缺失的问题。作者构建了耦合能力特异性监督构建与能力对齐课程调度的数据基础设施，包含三大协同数据引擎，分别支持文本-图像对齐、图像间变换与图像-知识关联，并通过caption专家实现跨任务、跨粒度的监督对齐。该框架采用多阶段能力演进课程，联合优化任务组合、视觉概念分布、数据质量与图像分辨率，并以能力感知评估闭环指导检索、专家构造与缺陷感知重采样。实验基于440M文本-图像、120M编辑对及27M图像-实体样本训练3B/6B参数扩散模型，在CPI-Bench及多样化T2I与编辑任务上显著优于基线。 PDF · arXiv | ❤️ 9 3. StartupBench: Benchmarking General-Purpose Agents on Market-Validated End-to-End Workflows Liya Zhu, Xin Ma, Tao Liu...