从一个关键词开始
搜名称，也可以搜场景，比如“AI 写作”“视频剪辑”或“编程助手”。
AI热点 111
Guardian用VLM检测机器人操作失败AI热点论文提出Guardian视觉语言模型与GuardianFail-36k数据集，用于机器人操作失败检测，在多个真实基准上取得领先表现。
LA-RAG框架实现长音频结构化问答AI热点论文提出LA-RAG框架，将长音频转为带时间戳事件记录并结合检索增强生成回答问题，并构建两个新QA基准。
普林斯顿推出Scientist World科研实验场AI热点普林斯顿团队发布Scientist World，将1000篇论文转化为AI可运行、可评分的科研环境，并用研究轨迹训练Qwen3-8B。
首个触觉推理模型Touch-R1入选NeurIPSAI热点戴盟机器人团队联合多校提出首个触觉推理模型Touch-R1，论文入选NeurIPS 2026，并同步发布数据集与评测基准。
港大提出RaPO破解MLLM灾难性遗忘AI热点港大俞益洲团队提出强化微调算法RaPO，揭示GRPO轨迹级漂移缺陷，在多项视觉持续学习基准上显著降低遗忘率，论文被NeurIPS 2026录用并开源代码。
DictLLM字典核压缩LLaMA-7B达5.1倍AI热点DictLLM提出字典核后训练压缩方案，将LLaMA-7B压缩5.1倍且困惑度仅升2.9点，压缩率较SOTA低秩方法高3.6倍，入选NeurIPS 2026。
VAR-Q免调优KV缓存量化：内存降78.5%AI热点VAR-Q提出面向视觉自回归图像与视频生成的免调优KV缓存量化框架，在九个模型上将KV内存最多降低78.5%，并支持6倍更大推理批次。
SocialGym用22款游戏评测LLM社交智能AI热点SocialGym提供22个多智能体社交游戏，以可验证规则评测十个LLM的社交能力。
REAL框架提升语音奖励模型偏好准确率AI热点REAL框架通过证据关联分析建模生成语音逼真度，基于MiMo-Audio的REAL-Judge在两层评测上将成对偏好准确率提升16.01和11.41个百分点，并优于SpeechJudge与UniSRM。
La-JEPA提出紧凑机器人世界动作模型AI热点La-JEPA在V-JEPA 2.1特征空间从零训练策略Transformer，多项基准达到SOTA且参数更少，真机表现与pi0.5相当。
SpecCompact加速智能体上下文压缩提速5.63倍AI热点SpecCompact通过槽并行语义推测验证加速LLM智能体上下文压缩，最高提速5.63倍。
SecureGARD实现智能体0%注入攻击成功率AI热点SecureGARD提出动态本体引导治理框架，在三个基准上实现0%间接提示注入攻击成功率并提升任务效用。
vLLM Hook v1开源：编程模型内部状态AI热点vLLM Hook v1开源插件发布，可编程vLLM模型内部状态，支持探测与干预且开销小。
MEMENTO长上下文智能体准确率升至67.8%AI热点MEMENTO基于Qwen3-8B训练上下文压缩管理，在书籍问答基准上将准确率从36.9%提升至67.8%，成本远低于GPT-5.5与GLM-5.3方案。
SAFE框架入选EMNLP 2026主会AI热点证据锚定多跳推理验证框架SAFE被EMNLP 2026主会接收，平均提升8.8个百分点
SEE基准评测28个多模态模型科学推理AI热点SEE基准评测28个多模态大模型在化学、生物、材料科学实验问题上的表现，最佳模型准确率仅54.9%，工具使用后提升至56.1%。
NarrativeBench基准评测14个LLM叙事导航能力AI热点arXiv提交新基准NarrativeBench，评测14个LLM在23种语言下的多元叙事导航能力，发现现有模型普遍不足。
ImplicitBBQ基准揭示LLM隐性偏见AI热点新基准ImplicitBBQ通过特征线索评测11个大模型的隐性偏见，发现开放权重模型隐性偏见超显性6倍，种姓维度最严重，并开源代码与数据集。
开源决策模型Drex发布四款参数档AI热点Drex发布四款开源决策模型，Max在Decision Index上取得67.52分刷新决策模型最佳成绩，单次请求延迟183毫秒。
印度IPR法律抽取式问答基准发布AI热点arXiv发布IndicIPR-QA基准，含4462个问答对覆盖印度七大知识产权法案