来源：MIPLatPKU 原文链接：https://mp.weixin.qq.com/s/uC9T-Rf_AZJlWdOw9OvxbQ导语本文介绍北京大学MIPL彭宇新教授团队录用于ECCV 2026的2篇论文，研究细粒度多图感知和人与物体交互检测。 第19届欧洲计算机视觉会议，英文全称 The 19th European Conference on Computer Vision (ECCV...

1、 「快看，无人驾驶！」 在北京举办的世界机器人大会上，一位小朋友指着正播放无人驾驶汽车视频的大屏幕，对着他的父母喊道。 在会展中心入口处，径直就能看到「世界机器人大会无人车展示」字样的展示牌。这一区域摆放着十余辆来自各高校、汽车厂商和创业公司改装的、形态各异的无人车。这些在车顶上顶着激光雷达、GPS...

4月18日，第十四届北京国际电影节正式开幕。由中国电影资料馆、抖音和火山引擎联合4K修复版的港片《A 计划》与《卖身契》入选“致敬·修复”单元，并于4月18日、19日进行放映。 4K版《A计划》《卖身契》电影海报 《A计划》《卖身契》分别上映于1983、1978年，距今已四十多年。2023年8月，中国电影资料馆、抖音和火山引擎共同发起了“经典香港电影修复计划”，宣布将4K修复100部香港电影。此次放映的这两部影片就来自上述项目，影片的原始拍摄底片在香港完成4K规格扫描，整个修复流程包括中国电影资料馆的物理和数字修复，火山引擎的AI技术修复，以及双方合作的艺术修复等环节。 火山引擎是字节跳动旗下的云服务平台，曾分别携手西瓜视频和抖音，完成100部国产经典动画和Beyond经典演唱会的4K修复。 在“经典香港电影修复计划”中，火山引擎首次将AIGC技术应用于老片修复场景，借助视觉大模型强大的生成能力和丰富的先验知识，实现修复效果在清晰度、色彩、流畅度和瑕疵消除等方面的全方位提升。 “一方面，大模型生成能力强，借助Stable...

从扩散控制到语义泛化，视觉 AI 进入范式重构期。作者丨郑佳美编辑丨岑 峰过去几年，视觉生成与视觉理解领域的技术推进，整体上始终沿着一条相对明确的路径展开：当一套建模范式被验证有效之后，后续的大量工作往往都会围绕这套既有框架持续做模型扩容、训练增强、采样优化与局部模块修补，以此换取更高的性能上限。无论是扩散生成、视频 world model，还是动作建模与视觉匹配，主流研究在很长时间里都更多表现为对既有系统的持续加固，而不是对底层假设本身的重新审视。但从今年 CVPR 集中出现的一批代表性工作来看，这种相对稳定的技术推进逻辑正在发生值得警惕的变化。越来越多研究已经不再满足于在现有模型框架内部继续做增量式性能修补，而是开始系统性地把问题重新拉回到那些长期被工程实践视为“默认正确”的基础设定上。扩散模型中的引导机制是否真的合理，视频生成是否必须建立在 diffusion...

Adam-mini 在降低 50% 内存开销的同时保持了与 Adam 优化器相当甚至更优的性能。 作者丨SRIBD 论文《Adam-mini: Use Fewer Learning Rates to Gain More》是关于优化器设计与内存效率提升领域的创新研究成果，由张雨舜、陈淙靓、李子牛、丁添、吴晨玮、Diederik P. Kingma、叶荫宇、罗智泉和孙若愚等人共同完成。 在这项工作中，研究团队通过分析 Transformer 模型的 Hessian 结构，提出了一种轻量化优化器 Adam-mini 。Adam-mini 大幅减少了 Adam 优化器中学习率的数量，在降低 50% 内存开销的同时保持了与 Adam 优化器相当甚至更优的性能。 相关研究成果已发表于 ICLR 2025，并在Medium、YouTube及Twitter等平台获多次关注解读。 1、背景 当前，大语言模型的广泛应用使得训练大型模型的内存开销成为研究者和企业面临的一大挑战。这主要归因于大语言模型广泛采用的 Adam 优化器（Adaptive Moment...

来源：智驾具身数据挖掘 文章链接：https://mp\.weixin\.qq\.com/s/vbXQbaR3TCt3EBh\_4Mgzkw 导航说向前，前方却有障碍；乘客要求保持车速，路口却需要停车。对能听懂自然语言的自动驾驶模型而言，真正困难的地方，是把一句话放回当下的交通环境中，决定何时执行、何时等待、何时改变行动。 核心结论：SafeDriveVLA把“这条指令现在该怎么执行”变成显式预测，再用世界模型预演严格执行指令的未来。在CARLA闭环评测中，语言导航跟随率从最佳SimLingo变体的55.6%提高到83.0%，冲突指令下的碰撞事件从60次降至38次。代价同样明确：速度误差上升，世界模型的想象也不构成安全保证。 全文概览：先判断指令与场景是否冲突，再结合假设执行的未来，选择执行、谨慎跟随或安全回退。下方列出论文的关键证据与主要局限 在模块化自动驾驶系统中，导航目标通常经过行为规划器，再与红绿灯、道路几何、周围车辆等信息结合，生成可执行决策。乘客想去哪里，与车辆此刻能怎么走，中间有明确的处理环节。 ...

作为国际顶级的机器学习会议，今年的ICML吸引了数千篇论文投稿，其中Spotlight论文更是百里挑一，代表着当前AI研究的最前沿方向。 雷峰网 & AI科技评论在现场为您带来第一手报道，精选六篇Spotlight论文，涵盖空间智能、脑网络分析、图学习、推理优化、LLM记忆与高效生成等多个领域，一窥AI最前沿的突破与趋势。 如果你也想让你的研究成果出现在这里，请与我们联系： 视觉语言模型（VLM）在常识推理任务上表现出色，但在视觉空间推理方面存在明显短板。现有解决方案大多引入额外的3D先验知识或外部空间编码器，不仅增加了模型复杂度，还在空间微调后损害了VLM原有的通用能力。如何在增强空间智能的同时不“捡了芝麻丢了西瓜”，成为该领域亟待解决的核心矛盾。 SpatioLM提出了一种参数高效的解决方案，设计了一个即插即用、非侵入式的空间视觉模块，激发VLM中固有但未被充分利用的空间知识，而非引入外部编码器。此外，该方法创新性地利用伪深度和相机信息作为监督信号，引导模型学习物理上连贯的空间表示，使模型能够真正"理解"三维物理世界。 ...

数学推理正在成为通往下一代科学智能体的重要入口。随着大语言模型、形式化证明与多模态推理的快速进展，AI系统已经在IMO级证明、自然语言数学推理与科学问题求解上展现出令人瞩目的能力。 在这样的背景下，本届Workshop 将于 2026 年 7 月 10 日在韩国首尔 Coex Convention & Exhibition Center 举办。我们以 “Toward Self-Evolving Scientific Agents” 为主题，面向学界与产业界研究者，聚焦 AI 如何从“会做题、会证明”进一步走向“会验证、会跨模态、会跨学科、会自我改进”，并最终服务真实的科学发现。 AI for Math Workshop 已连续在 ICML 2024 与 ICML 2025 成功举办，并持续推动数学推理、形式化证明与科学问题求解方向的交流。往届 workshop 中产生了诸如PutnamBench 与 Limit of RLVR...

作者丨吴思梦 编辑丨岑   峰 ICML 2026 将于7月6日至11日在韩国首尔 COEX 召开，本届投稿量达23918篇，录用6352篇，录用率26.6%。AI研究热情并没有因为scaling law的质疑而消退，反而因为多模态、视频生成、Agent等新风口的出现而更加狂热 中国企业也全面出击：快手11篇论文入选（含1篇Spotlight），阿里千问C端团队4篇入选（ECHO框架获Spotlight，入选率仅2.2%），中科院自动化所以50篇论文展现国家级科研体量，北京大学数据所9篇、PKU-DAIR实验室3篇聚焦效率优化，腾讯混元以HunyuanWorld-Mirror布局3D世界重建。 从大模型推理加速到视频生成，从具身智能到脑机接口，中国机构的技术纵深和方向覆盖正以前所未有的密度出现在国际顶会上。 与此同时，本届ICML现场也是中国企业活动密度最高的一届。从快手包下汉江邮轮到上海AI实验室的双场人才交流会，从蚂蚁×SGLang的首尔学术之夜到聚宽以钻石赞助商身份亮相，中国企业的参与度进一步加深。。 会议深度分析 PPT可戳 ...

原文作者：公众号“天机机器人” 原文链接：https://mp.weixin.qq.com/s/_Zzq1LXQXuYsYAkIJ-XcMg 作为IEEE机器人与自动化学会的旗舰会议，ICRA（国际机器人与自动化大会）已被公认为全球机器人领域规模最大、影响力最强的学术会议之一，是前沿技术突破与产业落地的核心风向标。 2026年，ICRA将时隔多年再次回到音乐之都维也纳。天机智能正式宣布成为ICRA 2026铂金合作伙伴（Platinum Partner），并将携新一代Gento系列人形机器人平台及完整的具身智能开发工具链亮相167号展位，向全球研究者与产业界展示下一代人机协作的无限可能。 三款力控机器人平台同台亮相 在ICRA 2026现场，天机智能将展出三款定位各异的力控机器人平台，覆盖从实验室研究到工业现场的全场景需求。 Gento Luna —— 轮式折叠机器人 ...