tech

AI 每日资讯 — 2026-08-04 🔥 HuggingFace 每日论文 1. Scaling Properties of Text Conditioning in Visual Generation Zilong Chen, Chaorui Deng, Kunchang Li 本文系统研究了文本条件在视觉生成中的缩放规律，发现扩散模型的收敛损失与提示词中结构化语言含量呈强相关性，而非简单依赖于词元数量。为此，作者提出两种互补度量：基于生成概率的白盒指标（GPG）与基于属性识别的黑盒指标（ED）。实验表明，损失随GPG近似线性下降，而随ED呈幂律衰减。基于此，作者通过引入语义与几何标注构建结构化提示，并结合监督微调、冷启动及验证器门控的在线策略蒸馏训练提示器，显著提升模型的“可扩散性”与“可提示性”。所提方法在各类组合性、推理性及世界知识基准上全面超越主流开源模型，并在多数评测中媲美甚至优于最强闭源模型。 PDF · arXiv · 代码 · 项目 | ❤️ 23 2. ExtractBench: A Benchmark for Schema-Guided Enterprise Document Extraction Boyang Zhang, Adrian Lyjak, Eli Stewart 本文提出ExtractBench——首个面向企业级文档模式引导抽取（schema-guided extraction）的综合基准，旨在全面评估代理系统在值准确性、记录完整性、源证据可追溯性（grounding）及推理成本四个维度的表现。该基准涵盖370份真实企业文档（4,869页）、8大业务领域与67种文档类型，并构建了可扩展的模式与真值标注流水线，融合独立系统共识、合成数据校验与人工审核。实验表明：商用多模态大模型在短文档上表现良好，但长文档中易截断记录列表；编码类代理精度高但成本高昂；而LlamaExtract Agentic Plus在三项核心指标（值F1、词级/页级grounding F1）上均居首位，以显著更低的成本实现媲美编码代理的精度。数据集与评测代码已开源。 PDF · arXiv | ❤️ 13 3. Toward Robust and 3D-Aware RGB-NIR Imaging in the Dark Muyao Niu, Mingze Ma, Yifan Zhan...

AI 每日资讯 — 2026-08-03 🔥 HuggingFace 每日论文 1. AskChem: Claim-Centered Infrastructure for Chemistry Literature Synthesis Bing Yan, Gregory Wolfe, Stefano Martiniani AskChem针对化学文献综述中跨论文信息碎片化、人工整合效率低的问题，提出以“主张（claim）”为核心的检索与合成基础设施。其核心是将论文解析为带来源DOI和原文引用的原子化、类型化主张，并构建三层互补结构：稳定的分面分类体系支持层级检索、证据图谱建模主张间逻辑关系、动态活体分类法依据科学原理组织文献。系统已索引14.7万篇论文生成的240万条主张，提供Web界面及面向AI代理的REST/SDK/MCP接口。在AskChem-Bench评测中，接入AskChem的GPT-5.5阅读器实现100%DOI可解析率（基线为88.3%），并取得五系统中最高引用密度。 PDF · arXiv · 代码 · 项目 | ❤️ 292 2. PhiZero: A World Model Built Around Physical Language Shuyao Shang, Yuqi Wang, Ruopeng Gao 本文提出PhiZero，一种以“物理语言”为核心的物理世界模型。“物理语言”是一种紧凑、离散的世界状态转移表征，旨在显式建模物理演化规律。不同于现有方法直接在像素空间预测未来视频，PhiZero采用“先推理、后渲染”范式：首先通过自监督学习从野外视频中习得物理语言，并据此推理未来状态序列；再将其解码为视频。实验表明，PhiZero在生成与理解类基准上均能建模物理一致的动态演化，并展现出真实感强、可交互的世界建模能力，支持细粒度动作条件模拟与零样本运动迁移。 PDF · arXiv · 代码 · 项目 | ❤️ 158 3. Beacon: Knowing When and How to Perform Agentic Visual Reasoning Qixun Wang, Yang Shi, Letian Cheng...

AI 每日资讯 — 2026-08-02 🔥 HuggingFace 每日论文 1. AskChem: Claim-Centered Infrastructure for Chemistry Literature Synthesis Bing Yan, Gregory Wolfe, Stefano Martiniani AskChem 提出一种以“主张（claim）”为中心的化学文献合成基础设施，旨在解决现有检索系统仅返回文档列表、难以跨论文整合细粒度科学发现的问题。其核心是将每篇论文解析为带类型标签、DOI溯源及原文引证的原子化主张，并构建三层互补结构：稳定分面分类体系、主张间证据关系图谱、以及基于科学原理的动态活体分类法。系统已索引14.7万篇论文生成的240万条主张，支持Web、REST、SDK与MCP多模态接入。在AskChem-Bench评测中，结合GPT-5.5的阅读器实现100% DOI可解析率（基线为88.3%），并取得五种系统中最高的引用密度。 PDF · arXiv · 代码 · 项目 | ❤️ 289 2. PhiZero: A World Model Built Around Physical Language Shuyao Shang, Yuqi Wang, Ruopeng Gao 本文提出PhiZero，一种以物理语言为核心的物理世界模型。物理语言是一种紧凑的离散表示，用于刻画世界状态转移。不同于现有模型直接在像素空间预测未来视频、隐式建模物理动力学，PhiZero通过自监督方式从野外视频中学习物理语言，并采用“先推理后渲染”范式：首先以物理语言序列显式推断未来世界演化，再将其渲染为视频。在生成与理解基准上的大量实验表明，PhiZero能有效建模物理一致的世界演化，并展现出真实感强、可交互的世界建模能力，支持细粒度动作条件模拟与零样本运动迁移。 PDF · arXiv · 代码 · 项目 | ❤️ 155 3. Beacon: Knowing When and How to Perform Agentic Visual Reasoning Qixun Wang, Yang Shi, Letian Cheng...

AI 每日资讯 — 2026-08-01 🔥 HuggingFace 每日论文 1. AskChem: Claim-Centered Infrastructure for Chemistry Literature Synthesis Bing Yan, Gregory Wolfe, Stefano Martiniani 本文提出AskChem——一种面向化学文献合成的声明中心型基础设施，旨在解决现有检索系统仅返回文档列表、难以跨论文整合细粒度科学主张的问题。AskChem将论文解析为带来源（DOI）、原文引用或证据定位器的原子化、类型化声明，并构建三层互补结构：稳定分面分类体系支持层级检索与浏览、证据图谱建模声明间逻辑关系、动态活体分类法将论文锚定于科学原理。系统已索引14.7万篇论文生成的240万条声明，提供Web界面及面向AI代理的REST、SDK与MCP接口。在AskChem-Bench评测中，结合GPT-5.5阅读器后DOI可解析率达100%，显著优于无检索基线（88.3%），且引用密度居五种系统之首。 PDF · arXiv · 代码 · 项目 | ❤️ 199 2. PhiZero: A World Model Built Around Physical Language Shuyao Shang, Yuqi Wang, Ruopeng Gao 本文提出PhiZero，一种以物理语言为核心的物理世界模型。物理语言是一种紧凑的离散表示，用于刻画世界状态转移。不同于现有模型直接在像素空间预测未来视频、隐式编码物理动力学，PhiZero通过自监督方式从野外视频中学习物理语言，并显式建模物理演化过程，采用“先推理后渲染”范式：首先生成物理语言序列描述未来状态演化，再将其渲染为视频。实验表明，PhiZero在生成与理解任务上均能建模物理一致的世界演化，在真实感交互建模、细粒度动作条件仿真及零样本运动迁移等任务中展现出显著潜力。 PDF · arXiv · 代码 · 项目 | ❤️ 148 3. Frontis-MA1: Training an AI4AI Model towards Recursive Self-Improvement in Machine Learning Engineering Junlin Yang, Che Jiang, Yu Fu...