DistDF：从点对点误差转向联合分布对齐，重构时间序列预测的损失函数。作者丨郑佳美编辑丨岑 峰在时间序列预测研究中，一个耐人寻味的现象长期存在：一方面，模型结构不断演进，从循环网络到 Transformer，再到频域与混合结构；另一方面，几乎所有方法在训练阶段依赖同一类损失函数，即以均方误差（MSE）为代表的点对点误差。这使得时间序列预测在方法论层面呈现出一种隐性的停滞，即研究重心持续向模型表达能力倾斜，而对损失函数所隐含的统计假设缺乏系统反思。点对点误差的核心假设在于，标签序列中的各时间步可被视为给定历史条件下相互独立的预测对象。然而，这一假设与时间序列数据的生成机制之间始终存在偏差。真实世界中的时间序列由随机过程演化而来，不同时间点之间存在显著的相关关系。将多步预测问题拆解为一组独立的回归任务，不可避免地为损失函数引入了结构性偏差，使模型难以学习标签序列的整体形态、相关结构以及条件依赖关系。针对这一问题，北京大学林宙辰团队深入剖析了此类结构性偏差的成因。在此基础上，团队提出了 DistDF：一种通过联合分布对齐训练预测模型的损失函数。DistDF...

Spatial-TTT 给 2B 模型装上“流式空间记忆” ，在空间基准上超越 GPT-5。    作者丨张   璐     编辑丨幸丽娟                                                                                                      ...

来源：公众号“我爱计算机视觉” 原文链接：https://mp.weixin.qq.com/s/boFZV3ANqEX5c-TJQ7KNCw 在 VR / MR / XR 等沉浸式媒体飞速发展的今天，动态 3D 场景重建已成为连接真实世界与数字体验的关键技术。然而，面对长序列、大运动的复杂动态场景，现有方法始终难以兼顾「时间稳定性」与「可扩展性」。 近日，北京大学、鹏城实验室联合团队提出了 ClipGStream——一种全新的 Clip-Stream 混合动态重建框架，首次在统一框架中同时解决了长序列建模与大尺度运动重建难题，在多组公开基准上实现 SOTA。 该工作已被CVPR 2026接收。代码仓库已开源。 现有的动态重建方法只能在短序列低速运动场景上建模，但是在现实中存在大量长序列和高速运动的场景，比如一场篮球比赛，球员可能在场上连续飞奔长达数分钟，现有的动态重建方法在面对这样的极困难场景时，会出现长序列结构漂变，动态建模失败，闪烁等问题。因此只有同时驯服了时间和运动这两大难题，4D 技术才能从精美的实验室 Demo，真正走向千行百业的落地应用。 动态...

CLIP后门样本检测领域取得重要突破——5分钟内清洗百万数据，发现自然后门样本并揭示OpenCLIP预训练模型中的后门风险。随着多模态模型的快速发展，其安全问题日益受到关注，尤其是潜在的后门投毒风险。近日，墨尔本大学、复旦大学与新加坡管理大学的研究团队在CLIP后门样本检测领域取得重要突破，提出了一种面向工业场景的大规模数据集轻量化后门检测方法（4卡A100可在5分钟内清洗一百万条图文数据）。该方法不仅能高效识别潜在的后门投毒样本，还在现有数据集中首次发现了自然存在的后门样本。同时，研究团队发现热门开源项目OpenCLIP发布的预训练模型中已被植入后门，为多模态大模型的安全性研究提供了重要依据。相关论文已被国际顶级会议ICLR 2025接收。论文地址：https://arxiv.org/pdf/2502.01385GitHub链接：https://github.com/HanxunH/Detect-CLIP-Backdoor-Samples项目网站：https://hanxunh.github.io/Detec1、研究背景对比语言-图像预训练（Contrastive...

2016世界机器人大会今日在北京亦创国际会展中心正式举行，大会由论坛、展会以及比赛三个部分组成，吸引到全球11个国家和地区的300多位机器人专家展示工业机器人、特种机器人以及服务机器人方面的创新成果。在主论坛里，以色列机器人协会主席Zvi Shiller 发表了《通往第二次机器人革命的崎岖道路》的主题演讲。Shiller 曾经提出2002年为机器人第二次浪潮的开端并且在2015年迎来爆发式地增长，而在这次演讲中他提出的观点是机器人行业还面临技术发展缓慢以及资金缺乏等问题。演讲之前，雷锋网对Shiller 进行了采访，讨论了关于第二次机器人浪潮后的发展。雷锋网：您在之前的演讲中提出2002年是第二次机器人浪潮的开端，在2015年之后将迎来快速的发展，那么到目前您认为机器人有哪些突破性的进展，为什么会有这些进展？Zvi...

新加坡松下研究院 +10 AI影响因子 ...

稳定性，正在成为大模型落地的关键命题。    作者丨郑佳美     编辑丨马晓宁                                                                                                                当 AI...

论文原文链接arXiv预印本页面：https://arxiv.org/abs/2602.02142v2arXiv全文PDF：https://arxiv.org/pdf/2602.02142v2DBLP页面：https://dblp.uni-trier.de/pid/00/9938.html（内含更详细的引用信息）Semantic Scholar页面：https://www.semanticscholar.org/paper/FD-VLA:-Force-Distilled-Vision-Language-Action-for-Zhao-Wang/84496e9c36fa5b863f5702abb1dbc5560ee7db5b 原文作者：公众号“计算机顶会大全”原文链接：https://mp.weixin.qq.com/s/SbiHonAq0qYEP-sC-sB-bA  ICRA 2026| FD-VLA: Force-Distilled Vision-Language-Action Model for Contact-Rich...

来源：CAAI认知系统与信息处理专委会 原文链接：https://mp.weixin.qq.com/s/10k0XqB4CSXO41uSrK-raw 导语：当视觉和语言模型已经能让机器人“看见”并“理解”世界，我们距离真正的通用机器人还有多远？在2026年的RSS（Robotics: Science and...

CVPR 作为计算机视觉领域与模式识别领域的世界级学术顶会，如今已不单单是学术界研究者展示最新科研成果的舞台，也成为了工业界探索学术应用的一大平台。其中，穿插在会议中的 CVPR 挑战赛，更是成为了科技巨头及新秀们比拼科技实力的竞技场。在异彩纷呈的挑战赛中脱颖而出的获胜团队，彰显出了他们雄厚的科研实力，而其背后扎实的科研基础、丰富的科研经验、敏捷的科研思维，以及挑战赛中的作战经验，对于“后浪”研究者们都有着非常巨大的借鉴意义。经验分享会自然是沟通起两者的绝佳桥梁！7 月 4 日，便有这么一场分享会等着大家，那就是“冠军之路，胜者之悟” CVPR 2020 竞赛经验分享会！本场分享会由CCF-CV专委会、CSIG-BDV 专委会主办，滴滴出行、CCF-滴滴大数据联合实验室承办，届时不仅会邀请 CVPR2020...