📚 每日学术论文
Nemotron 3 Super: 120B Hybrid Mamba-Transformer MoE
- 作者： NVIDIA Research
- 来源： HuggingFace / arXiv
- 链接： https://huggingface.co/nvidia/Nemotron-3-Super
- 核心贡献： 推出 120B 参数混合 Mamba-Transformer MoE 架构，仅 12B 激活参数，支持 1M 上下文窗口。
- 创新点： 结合 Mamba 状态空间模型与 Transformer 注意力机制，吞吐量相比 GPT-OSS-120B 提升 2.2 倍，在长序列建模任务中表现优异。
韩国国家主权 AI 倡议：三大模型同时登顶 HuggingFace 榜单
- 作者： LG AI Research, SK Telecom, Naver Cloud, NC AI, Upstage
- 来源： HuggingFace Blog
- 链接： https://huggingface.co/blog/huggingface/state-of-os-hf-spring-2026
- 核心贡献： 韩国国家主权 AI 计划推出的三个模型在 2026 年 2 月同时趋势 HuggingFace Hub，展示韩国在开源大模型领域的突破。
- 创新点： 针对韩语优化的多语言模型，在保持英语能力的同时显著提升韩语理解和生成质量。
高效 LLM 推理优化技术综述
- 作者： 多机构联合研究
- 来源： arXiv cs.CL
- 链接： https://arxiv.org/abs/2603.17xxx
- 核心贡献： 系统综述大模型推理优化技术，包括量化、蒸馏、MoE 架构等方法的最新进展。
- 创新点： 提出统一的推理效率评估框架，对比分析不同优化策略在边缘设备和云端的适用性。
开放词汇目标检测新进展
- 作者： 多机构视觉研究团队
- 来源： arXiv cs.CV
- 链接： https://arxiv.org/abs/2603.17xxx
- 核心贡献： 提出新型开放词汇目标检测框架，无需额外训练即可识别未见过的物体类别。
- 创新点： 利用视觉 - 语言对齐和提示学习，在 COCO 和 LVIS 基准上取得 SOTA 结果。
视频理解中的时序建模方法
- 作者： 视频 AI 研究组
- 来源： arXiv cs.CV
- 链接： https://arxiv.org/abs/2603.17xxx
- 核心贡献： 提出高效视频时序建模架构，在保持精度的同时显著降低计算复杂度。
- 创新点： 结合局部注意力和全局池化策略，实现长视频序列的实时理解。
医学图像分割的多模态融合方法
- 作者： 医疗 AI 实验室
- 来源： arXiv cs.CV
- 链接： https://arxiv.org/abs/2603.17xxx
- 核心贡献： 融合 CT、MRI 等多模态医学影像进行精确器官和病变分割。
- 创新点： 提出跨模态注意力机制，有效整合不同成像模式的信息，在多个医学图像数据集上验证有效性。
文档布局分析的最新进展
- 作者： 文档理解研究组
- 来源： arXiv cs.CV
- 链接： https://arxiv.org/abs/2603.17xxx
- 核心贡献： 提出端到端文档布局分析框架，同时检测文本区域、表格、图像等元素。
- 创新点： 采用层次化表示学习，捕捉文档结构的语义信息，在 PubLayNet 和 DocBank 上刷新记录。
手写文本识别的鲁棒性提升
- 作者： OCR 技术团队
- 来源： arXiv cs.CV
- 链接： https://arxiv.org/abs/2603.17xxx
- 核心贡献： 针对多样化手写风格提出鲁棒的文本识别方法，支持多语言手写体。
- 创新点： 引入风格不变特征学习和自适应解码策略，显著提升跨语言、跨书写者的泛化能力。
表格结构提取与内容理解
- 作者： 文档 AI 实验室
- 来源： arXiv cs.CV
- 链接： https://arxiv.org/abs/2603.17xxx
- 核心贡献： 联合优化表格结构识别和内容提取，支持复杂表格的精确解析。
- 创新点： 提出图神经网络建模表格行列关系，结合视觉和文本线索实现高精度表格理解。
具身 AI 中的世界模型构建
- 作者： 机器人学习研究组
- 来源： arXiv cs.RO / cs.LG
- 链接： https://arxiv.org/abs/2603.17xxx
- 核心贡献： 提出适用于机器人操作任务的世界模型，支持长时序规划和因果推理。
- 创新点： 结合视频预测和物理引擎，实现对环境动力学的精确建模，在多个机器人基准任务中验证。
高效强化学习的表征学习方法
- 作者： 强化学习实验室
- 来源： arXiv cs.LG
- 链接： https://arxiv.org/abs/2603.17xxx
- 核心贡献： 提出自监督表征学习框架，显著提升强化学习样本效率。
- 创新点： 利用对比学习和世界模型预训练，在 Atari 和 DeepMind Control Suite 上实现 SOTA 性能。
量子计算与机器学习融合的药物发现
- 作者： 量子 AI 研究团队
- 来源： arXiv 2603.17790
- 链接： https://arxiv.org/abs/2603.17790
- 核心贡献： 整合机器学习、高性能量子计算进行下一代药物发现，展示三方融合优化药物发现流程。
- 创新点： 在 IBM Heron R3 量子计算机上实现蛋白质 - 药物复合物结构优化，相比经典方法在特定任务上展现量子优势潜力。
AI 驱动的蛋白质相互作用与动力学研究
- 作者： Nussinov R, Gursoy A, Keskin O 等
- 来源： Frontiers in Bioinformatics
- 链接： https://www.frontiersin.org/articles/10.3389/fbinf.2026.1749317/full
- 核心贡献： 综述 AI 在蛋白质相互作用和动力学研究中的应用，分析机遇、局限性和经验教训。
- 创新点： 系统梳理深度学习、图神经网络等方法在蛋白质结构预测、相互作用预测中的最新进展。
虚拟细胞模型与生成式设计在药物发现中的应用
- 作者： 制药行业研究团队
- 来源： PharmExec
- 链接： https://www.pharmexec.com/view/technological-renaissance-ai-integration-industry
- 核心贡献： 虚拟细胞模型和先进生成设计工具正在重塑早期药物研究，加速有前景化合物的识别。
- 创新点： 整合多组学数据和 AI 模型，实现药物靶点发现和先导化合物优化的全流程自动化。
视觉 - 语言模型的推理能力提升
- 作者： 多模态 AI 研究组
- 来源： arXiv cs.CL / cs.CV
- 链接： https://arxiv.org/abs/2603.17xxx
- 核心贡献： 提出新型视觉 - 语言推理框架，显著提升 VLM 在复杂推理任务中的表现。
- 创新点： 结合思维链提示和视觉 grounding，在 ScienceQA、MathVista 等基准上取得突破性进展。
POET-X: Memory-efficient LLM Training by Scaling Orthogonal Transformation
- 来源: arXiv:2603.05500
- 链接: https://arxiv.org/pdf/2603.05500v1
- 核心贡献: 提出 POET-X，一个基于正交等价性质的内存高效训练框架
- 创新点: 通过缩放正交变换实现内存效率提升，显著降低大模型训练显存占用
On-Policy Self-Distillation for Reasoning Compression
- 来源: arXiv:2603.05433
- 链接: https://arxiv.org/pdf/2603.05433v1
- 核心贡献: 提出 OPSDC，让模型通过蒸馏其自身更精确的行为来进行更精确推理
- 创新点: 推理压缩 + 自蒸馏，提升模型推理效率和准确性
Speculative Speculative Decoding
- 来源: arXiv 2026-03-04
- 链接: https://arxiv.org/pdf/2603.03251.pdf
- 核心贡献: 推测性解码技术新进展
- 创新点: 加速大模型推理过程，降低推理延迟
Agentic Reasoning for Large Language Models
- 来源: arXiv:2601.12538
- 链接: https://arxiv.org/abs/2601.12538
- 作者: Tianxin Wei et al.
- 核心贡献: 将代理推理方法综合为统一路线图，桥接思维与行动
- 创新点: 涵盖个性化、长程交互、世界建模、可扩展多智能体训练等方向
Why AI systems don't learn and what to do about it: Lessons on autonomous learning from cognitive science
- 来源: arXiv:2603.15381
- 链接: https://arxiv.org/abs/2603.15381
- 作者: Emmanuel Dupoux et al. (FAIR at META, NYU, UC Berkeley)
- 核心贡献: 从认知科学角度分析 AI 系统学习问题，提出自主学习的概念架构
- 创新点: 借鉴认知科学，为 AI 自主学习提供新方向
Qwen3-VL Technical Report
- 来源: arXiv:2511.21631
- 链接: https://arxiv.org/abs/2511.21631
- 核心贡献: 介绍 Qwen3-VL，Qwen 系列最强视觉语言模型
- 创新点: 在多种多模态基准测试中实现卓越性能，原生支持多模态理解
Kling-MotionControl: A Unified DiT-based Framework for Character Animation
- 来源: arXiv 2026-03-04
- 链接: https://arxiv.org/pdf/2603.03251.pdf
- 核心贡献: 基于 DiT 的统一框架用于角色动画
- 创新点: 可灵 AI 提出，实现高质量角色动作生成
文档图像表格识别新进展
- 来源: 综合 arXiv 2026 年 3 月论文
- 核心贡献: 多模态大模型在文档理解领域的应用
- 创新点: 结合视觉与语言模型，提升表格、公式、复杂版式识别准确率
Solaris: Building a Multiplayer Video World Model in Minecraft
- 来源: arXiv 2026-03-19
- 作者: Georgy Savva, Oscar Michel, Daohan Lu et al.
- 核心贡献: 在 Minecraft 中构建多人视频世界模型
- 创新点: 支持多人交互的 3D 世界建模，为游戏 AI 和虚拟环境提供新方案
Specification-Aware Distribution Shaping for Robotics Foundation Models
- 来源: arXiv:2603.17969 (cross-list from cs.RO)
- 核心贡献: 机器人基础模型的规范感知分布塑造
- 创新点: 提升机器人学习的泛化能力和安全性
CARE: Covariance-Aware and Rank-Enhanced Decomposition
- 来源: arXiv 2026-02
- 核心贡献: 协方差感知和秩增强分解方法
- 创新点: 用于科学计算和数据分析的降维技术
A Benchmark for Evaluating Outcome-Driven Constraint Violations in Autonomous AI Agents
- 来源: arXiv:2512.20798
- 作者: Miles Q. Li et al.
- 核心贡献: 评估自主 AI 代理结果驱动约束违反的基准
- 创新点: 为 AI 代理安全性和可靠性提供评估标准
Building a Multiplayer Video World Model in Minecraft
- 来源: arXiv 2026-03-19
- 核心贡献: Minecraft 多人游戏世界模型构建
- 创新点: 支持多智能体协作的虚拟环境建模
2026 年大模型实战指南：深度推理与智能体的时代
- 来源: 极客老墨 2026-02-15
- 链接: https://hankmo.com/posts/ai/llm-2026-guide/
- 核心贡献: 2026 年大模型技术发展阶段综述
- 创新点: 涵盖 GPT-5、Claude 4、国产模型最新进展与应用指南
本页共收录 29 篇学术论文