雷锋网 AI 科技评论按：今年，IJCAI（国际人工智能联合会议，International Joint Conferences on Artificial Intelligence）将于 8 月 10 日至 16 日在中国澳门隆重召开。作为人工智能领域最顶级的国际学术会议之一，IJCAI 的举办自然备受瞩目。 不过今年的 IJCAI 又显得那么的与众不同：对于全世界的人工智能研究者而言，今年是...

来源：图灵学术计算机SCI论文辅导 原文链接：https://mp.weixin.qq.com/s/SQ3koL6ihG71cNwBJM2QWA01 会议介绍Turing Academy会议全称：The 18th European Conference on Computer Vision ECCV 2026 会议类型：人工智能 CCF分级：CCF-A 录取率：27.9%(2395/8585...

来源：CVer 原文链接：https://mp.weixin.qq.com/s/g4UuPC_SqdUwYFQOoaQoEA 论文题目：From One-to-One to Many-to-Many: Dynamic Cross-Layer Injection for Deep Vision-Language Fusion 会议：ECCV 2026...

作者丨郑佳美 编辑丨马晓宁 图像生成行业正在从“生成能力竞争”进入“可控能力竞争”。 过去，模型的核心价值主要体现在能否生成高质量、高清晰度、风格丰富的单张图像；而随着文生图、图生图和指令式编辑能力逐渐成熟，新的瓶颈开始显现：模型能否理解多张图片之间的关系，能否在不同视角和场景中保持同一对象的一致性，能否把多个参考来源自然融合到同一画面中，能否在数据缺失或退化时恢复可信细节，以及能否让用户精确控制每一次编辑的幅度。 这种变化也反映在 CVPR 2026 的相关研究中。越来越多工作开始从单张图像生成，转向多图关系建模、跨图像一致性保持、复杂场景组合、连续可控编辑和高质量视觉数据恢复。这说明图像生成和编辑的重点已经不只是“能不能生成”，而是模型能否在复杂约束下稳定理解对象、结构、关系和用户意图。 更深层来看，视觉生成模型正在从单次输出工具走向复杂视觉系统。它需要同时处理身份保持、结构对齐、语义融合、细节恢复和人机交互等问题。 ...

作者丨马晓宁 编辑丨岑   峰 这里有一幢大楼，叫做深度学习。 过去几年，人们不停地给它加盖、扩建，越盖越高，越盖越复杂。这幢大楼叫 Transformer。盖楼时用了一大批标准件，浮点精度是它的钢筋，层归一化和残差连接是它的混凝土，因果掩码是它的承重隔断。旁边还有两栋附楼：一栋是扩散模型；另一栋归一化流。在漫长的施工期里，人们不断加装更粗的钢筋、更复杂的控制系统，以为这样做就能让这几栋楼更稳固高大美观。但是这样真的是对的吗？ 可现在，这些施工的收益越来越小，而有人在附楼里试出了更好的新零件，量化、去噪、可逆约束都有了更轻便的替代品。于是，一批施工队同时进场，对准这些标准件开刀。他们不是来修修补补的，而是问一个更根本的问题：这根柱子、这面墙、这套管道，到底是真承重，还是只因为一直在那儿所以没人动？ ...

作者丨郭海惟 编辑丨陈彩娴 会自我学习自我生长的大模型。 智能离线内容可见上篇 2. 场景、场景，还是场景 “踩技术的坑”，只是RockAI过去一年两大“年度工作总结”中的一个。而比技术的坑更大的，则是“场景的坑”。 场景很难，邹佳思对AI科技评论说，演示和落地之间存在鸿沟，量产化落地难上加难。 假如说，Yan1.2部署在树莓派可以算得上一个写在公司手册里的里程碑事件。那么Yan1.3发布后，公司拿到了出海头部硬件公司的订单，则又算得上是业务里程的一大步。 邹佳思至今都记得，当合作伙伴把搭载着Yan1.3能力的PC拿给海外经销商的时候，合作伙伴的震动与兴奋。甚至一些实力雄厚的“巨头”友商代表，都专门到展台前面询问离线端侧功能是怎么实现的。 断网其实是一件比很多人想象得更重要的事情。 “离线端侧大模型在海外的需求是非常旺盛的”，邹佳思对AI科技评论表示，只是其中很多需求还没有获得最佳的解决方案。 首先，对于出海的硬件企业来说，海外关于信息安全的政策环境是很多样的。端侧可以规避大量信息传输、上云带来的政策风险与合规成本。...

很多人第一次觉得图像生成模型已经足够强，往往是在它能快速画出一张看上去不错的图的时候。但真正开始频繁使用之后，又会慢慢发现另一面。 比如做一张活动主视觉，前几次生成里主体、色调、氛围都对了，可一放大细节就会发现手部、材质、边缘关系经不起看。再比如给一篇文章配封面，模型明明理解了主题，却总在最后呈现时把重点元素放错位置，或者让画面风格和语义之间出现轻微但难以忽视的偏差。 这正是当前生成式 AI...

斯坦福团队提出：机器人不需要见过所有的失败，它只需要学会如何“脑补”另一种可能。    作者丨岑峰                                                                                                        在 AGI 的数字版图里，大语言模型仅靠“读遍互联网文本”就拼凑出了通往智能的通途。这种由...

来源：北京中关村学院 链接：https://mp.weixin.qq.com/s/W9oQ6Qhzyq_uzzHSAbMrSw 削苹果对人类而言是一个再普通不过的动作：一只手握住苹果并不断旋转，另一只手控制削皮器贴住表面，同时根据阻力调整切入深度。视觉负责判断苹果的位置和剩余果皮，手指触觉用于防止苹果滑落，手臂力觉则帮助控制削皮器与果皮之间的接触。 ...

来源：时空探索之旅 文章链接：https://mp.weixin.qq.com/s/6cVtPPU_ZGpjusW7xww26Q ACM MM 2026将在2026年11月10日至14日于巴西里约热内卢（Rio de Janeiro, Brazil）举行。本文总结了ACM MM 2026上关于时间序列的相关论文。...