来源：公众号“什么是人工智能”原文链接：https://mp.weixin.qq.com/s/b1hLVqT9LJI2tRznuQ1L1Q根据 CVPR 2026 官方公布的数字：16,092 篇有效投稿，4,090 篇录用论文，录用率 25.42%。数据的背后，计算机视觉正在经历一次深刻的转变：从识别与生成，转向理解物理规律、支持多步推理、适应开放世界。本篇以 3D 视觉、多模态...

原文作者：公众号“滴滴技术” 原文链接：https://mp.weixin.qq.com/s/cBQnS-ThQgLLc12flLW8ug 近日，机器学习与人工智能领域国际顶会 ICML 2026 录用结果正式揭晓，滴滴共有五篇高质量学术成果被大会收录。本次中稿论文分别来自滴滴L Lab团队、滴滴网约车交易市场技术团队，与中山大学、香港科技大学（广州）、北京大学、上海财经大学等高校联合研发完成。未来，滴滴将继续深耕业务场景，让前沿探索与产业需求相互激发，与学界携手推动更多技术成果落地。 国际机器学习大会（International Conference on Machine Learning，简称 ICML）是机器学习领域最具影响力的顶级学术会议之一，同时也是中国计算机学会（CCF）推荐的 A 类国际学术会议。第 43 届 ICML 会议将于 2026 年 7 月 6 日-11 日在韩国首尔举行。本届 ICML 会议共收到 23918 份提交论文，其中 6352 篇论文被录用，526 篇被选为 Spotlight Paper。 中稿论文如下 （*排名不分先后）： ...

7 月 3 日，国际人工智能及计算机视觉顶级会议 ECCV 2018 论文接收列表公布，今年的 ECCV 大会将在德国慕尼黑举行。据雷锋网了解，上海交通大学 SJTU-UCLA 机器感知与推理联合研究中心有 4 篇论文入选，研究方向涉及自动驾驶、视频理解、视觉跟踪以及新型神经网络。本文对这几篇论文做了简介，更多详细内容可通过论文网盘链接下载查看。 ECCV 2018 论文接收列表：...

 一、研究背景3D 高斯泼溅（3DGS）凭借其高质量实时渲染能力，已成为新视角合成领域的主流方法。然而随着各类变体涌现，学术界面临一个困境：这些工作往往混杂了实现层面的工程优化与算法层面的创新，导致难以公平评估哪些改进真正有价值，学术比较缺乏统一基准。与此同时，3DGS 的训练耗时（通常30分钟以上）成为快速迭代实验的瓶颈，显存占用（12GB+）也限制了其在低资源环境下的应用。社区急需一个集成了所有有效训练加速技巧、标准化的高性能基线——既不改变核心算法，又能大幅提升效率。Faster-GS 应运而生，定位为不牺牲质量、不改写核心算法、仅通过工程与数值优化来提速的新标杆，为后续 3DGS 变体研究提供了可靠的效率对比基准。二、核心方法  Faster-GS 的优化策略围绕减少内存访问和提高计算效率两条主线展开，分为三个层次：第一层：基础实现稳定性改进修复了原始3DGS反向传播中的数值稳定性问题（精细处理退化四元数、使用从前往后的 Alpha Blending...

混驱成为新热门，触觉是标配，落地靠低自由度。    作者丨向   欣     编辑丨高景辉                                                                                                        今年 WRC，灵巧手依然是机器人展区最密集的产品之一。...

7月17日,2026世界人工智能大会(WAIC)在上海启幕,本届大会以“智能伙伴 共创未来”为主题,是全球人工智能领域规格最高、规模最大的国际性盛会之一。杭州联汇科技股份有限公司(简称:Om AI联汇)携全球首个面向物理世界的端侧流式多模态模型系列VLX及三大核心产品线重磅亮相(展位号:H1-D133),这是Om AI联汇连续第四年参展WAIC,也是VLX发布后的首次线下公开亮相。展台现场人流如织,成为本届大会物理AI领域的核心看点。Om AI 联汇是全球物理 AI 先锋企业,核心技术覆盖视觉感知、空间记忆与决策执行三大链路,引领端侧多模态技术发展;其自研 OmModel 获工信部信通院 001 号认证,开源框架 VLM-R1 上线 48 小时登顶 GitHub 全球趋势榜,斩获...

2026年1月28日，智源多模态大模型成果”Multimodal learning with next-token prediction for large multimodal models（通过预测下一个词元进行多模态学习的多模态大模型）”上线国际顶级学术期刊Nature，预计2月12日纸质版正式刊发，这是我国科研机构主导的大模型成果首次在Nature正刊发表。 2018年以来，GPT采用 “预测下一个词元（Next-token prediction，NTP）”的自回归路线，实现了语言大模型重大突破，开启了生成式人工智能浪潮。 而多模态模型主要依赖对比学习、扩散模型等专门路线，自回归路线是否可以作为通用路线统一多模态？一直是未解之谜。智源这项成果表明，只采用自回归路线，就可以统一多模态学习，训练出优秀的原生多模态大模型，对于确立自回归成为生成式人工智能统一路线具有重大意义。 https://www.nature.com/articles/s41586-025-10041-x Nature编辑点评这项研究：Emu3 仅基于预测下一个词元（Next-token...

来源：佛山大学电子信息工程学院 文章链接：https://mp.weixin.qq.com/s/8__oAj4NsznfnwweeKKOag 近日，电子信息工程学院视觉感知与智能信息处理团队牛菓博士作为第一作者，佛山大学为第一署名单位的学术论文《Efficient Training with Foresight: Multi-Token Auxiliary Supervision for...

来源：公众号“机器之心” 原文链接：https://mp.weixin.qq.com/s/rht6QRWh3JtuGnG7tYsoGQ 视觉脑机接口的终极目标，是建立大脑神经皮层与外部视觉感知的双向交互通道，从“单向理解”走向“双向交互”，既能从大脑神经活动中重建出视觉信息（读脑），也能把视觉信息自然写入神经皮层（写脑），同时保证“读脑”与“写脑”过程的可交互性与双向一致性。 来自上海人工智能实验室、香港大学、香港中文大学等机构的研究团队，提出首个基于统一神经流模型的视觉-神经双向建模框架NeuroFlow，相关成果入选CVPR 2026。它首次将视觉编码（写脑）与解码（读脑）整合到同一可逆流结构中，打通视觉感知与神经活动之间的双向通路，为理解人类视觉认知机制、构建下一代通用视觉假体与双向脑机接口提供了全新范式。 论文标题： NeuroFlow: Toward Unified Visual Encoding and Decoding from Neural Activity 论文地址： https://arxiv.org/abs/2604.09817 ...

智能体性能优势并非来自更多尝试，而来自对失败路径的精确处理。作者丨郑佳美编辑丨岑 峰过去几年，大语言模型的能力提升主要依赖参数和数据规模的扩张。但当模型逐步被用于研究助理、网页搜索和复杂决策支持等真实任务时，这条路径开始显露边界。这类场景往往要求模型在开放环境中进行多轮搜索与推理，使搜索增强推理成为主流范式，同时也暴露出一个核心问题：模型在长链搜索推理中的失败，往往不是因为推理能力不足，而是无法有效处理错误在推理过程中的出现与传播。在现实任务中，搜索结果不可避免地包含噪声，一旦早期某次检索或信息采信出现偏差，后续推理就可能在错误语义空间中不断自洽，最终生成看似合理却偏离问题的答案。然而，现有训练方法通常只依据最终答案是否正确进行优化，使“偶然成功”的轨迹与“搜索路径可靠”的轨迹获得相同反馈，长期来看反而削弱了模型对中途错误和搜索质量的约束。这也是多轮搜索、多跳推理任务中性能崩溃呈现系统性特征的重要原因。在这一背景下，MBZUAI 、港中文和腾讯混元组成的联合团队提出了《Search-R2: Enhancing Search-Integrated Reasoning via...