当AI走出屏幕，走进物理世界，它可以栖身于不同的实体：机器人、摄像机、质检仪……这些承载AI能力的终端，以及各类大模型软件系统，将为人类生活、生产带来前所未有的改变。但当前AI落地仍面临一大关键问题：这些智能载体如何更好地像人类一样拥有理解物理世界的能力？   7月17日，2026世界人工智能大会（WAIC...

一、榜单背景：为什么要关注CVPR论文数量？ CVPR（计算机视觉与模式识别国际会议）是计算机视觉领域全球公认的顶级学术会议，每年接收率约为25%，入选本身即代表研究达到国际前沿水准。对于即将择校或择导的学生、寻找合作方向的研究者，以及关注AI研究动态的产业人士而言，谁在CVPR上的论文最多，往往意味着谁的课题组产出最稳、研究覆盖面最广。 本榜单基于CVPR 2026接收论文数据，以通讯作者维度统计个人接收论文数量，并提取Top 20华人学者的机构、研究方向及代表成果进行系统梳理，是迄今为止最直观的CVPR 2026华人学者个人产出榜。 二、榜单速览：一张图看清Top 20华人学者格局 下图展示了Top 20华人学者的论文数量分布。西湖大学张弛（Chi Zhang）以11篇高居榜首，与第二名新加坡国立大学王鑫超Xinchao Wang（10篇）形成"断层"领先。第三集团共有4位学者并列9篇，包括微软亚洲研究院的吕岩Yan Lu、南开大学的杨健Jian Yang、中科大的查正军Zheng-Jun Zha，以及IDEA研究院的张磊Lei Zhang。 ▲ 图1：CVPR...

来源：机器之心原文链接：https://mp.weixin.qq.com/s/ss9MNuL3A4gfoax7cWNStQ 几个小时前，ECCV 公布了今年度的最佳论文奖等奖项。 ECCV（European Conference on Computer Vision，欧洲计算机视觉国际会议）是计算机视觉（CV）领域的世界三大顶级会议之一，在 AI...

Transformer架构的非递归设计阻碍了跨层的记忆共享，或限制模型泛化能力。作者丨王悦编辑丨陈彩娴在 DeepSeek 能够破圈而出的一众原因中，完全摒弃传统的监督微调（SFT）、转而采用大规模强化学习（RL）的创新之处是关键所在，这使得模型推理能力在质上取得显著突破，更证明了强化学习在提升大语言模型推理能力方面的巨大潜力。近几年，学界和业界关于 RL 和 LLM 也涌现出了颇多具备开创性意义的研究成果。在 AI 智能体推理与决策研讨会（AIR 2025）上，来自伦敦大学学院、加州大学伯克利分校、普林斯顿大学、华盛顿大学、卡内基梅隆大学、Meta、华为等多位学术界和工业界的研究人员围绕强化学习、推理决策、AI 智能体展开讨论，回答了诸多问题，例如：AI 系统如何模拟类人推理和决策过程？最新的算法、框架和工具如何支持在不确定性下进行稳健的决策？如何确保 AI 的决策过程是道德的、透明的且公正的?……从一系列前沿的推理决策研究中，可以看到 DeepSeek 的影子。2023 年，来自华盛顿大学的 Hanna...

世界模型：通过统一建模空间结构、时间演化与物理规律，实现对现实世界的理解与模拟。作者丨郑佳美编辑丨岑 峰在过去几年中，视频生成技术取得了令人瞩目的进展。从基于扩散模型的方法到大规模视频基础模型，生成结果在视觉质量上已经逐渐逼近真实世界。然而，当我们进一步审视这些模型时，一个更本质的问题开始显现：它们究竟是在“理解世界”，还是仅仅在“拟合像素分布”？传统视频生成方法大多建立在 2D 图像空间之上，通过逐帧建模来合成动态内容。这种范式虽然在短时间尺度和视觉表现上表现出色，但也暴露出一系列根本性局限：相机运动难以精确控制，多物体交互缺乏一致性，长时间生成容易出现结构漂移，甚至在复杂场景中违背基本物理规律。这些问题的共同根源在于模型缺乏对“世界本身”的建模能力。正是在这一背景下，“世界模型（World...

来源：ZENO芝诺机器人 文章链接：https://mp\.weixin\.qq\.com/s/4EbazFEHS6apzKMkfEuXsg 全球机器人学习领域顶级学术盛会——Conference on Robot Learning（CoRL 2026）将于 2026 年 11 月 9 日至 12 日在美国得克萨斯州奥斯汀召开。会议聚焦机器人学与机器学习的深度融合，涵盖机器人基础模型、模仿学习、强化学习、多模态感知、机器人操作与自主决策等前沿方向，推动机器人从数据、示范和环境交互中学习，提升面向真实场景的智能与适应能力。 本次会议中，芝诺机器人联合创始人兼首席科学家 植伟铭 教授 带领团队共有 4项 研究工作成功被收录。成果聚焦 多机器人协作、长程机器人记忆、基于世界模型的执行监控，以及如何实时约束生成式机器人策略的推理。这些成果从不同角度探索机器人如何在真实世界中实现更加可靠、长程、协同的物理智能。 ** ** 01 Robots that Collaborate: Sequential Asymmetric Imitation for Learning Coupled...

来源：公众号“机器之心” 原文https://mp.weixin.qq.com/s/SCk63tSurxIeuaVNxqgSkA?scene=1&click_id=30 团队一作林之秋（Zhiqiu Lin）是卡内基梅隆大学（CMU）机器人研究所的博士，研究方向涵盖视觉 - 语言大模型的评估、数据与生成；前作 CameraBench 曾获 NeurIPS’25 Spotlight（Top 3%）。二作 Chancharik Mitra 即将前往麻省理工学院（MIT）攻读博士，专注于多模态大模型。本工作由 CMU 与哈佛大学合作完成。 先来做一个小实验：把希区柯克变焦（dolly zoom）、拉焦（rack focus）、荷兰角（Dutch angle）或变速剪辑（speed ramp）这几个词，输入到大部分主流视频生成器里。结果几乎都一样，你只会得到一个普通的推镜，或一段平庸的慢动作。 原因很简单：这些技法对应着电影人之间通用的一套「镜头语言」，而当前的视觉 - 语言大模型几乎听不懂。 近日，由 CMU...

在单目深度估计中，分辨率越来越高已经是一个很常见的趋势。很多方法可以输出 2K 甚至 4K 的深度结果，看起来也确实比低分辨率更细致。但在实际使用中，这类高分辨率深度并不总是好用。尤其是在三维重建、新视角合成等对几何一致性要求较高的任务中，物体边缘容易发虚，细小结构经常对不齐，结果并没有随着分辨率提升而明显改善。类似的问题在自动驾驶和机器人导航场景中同样存在，几何误差会影响障碍物边界判断和可通行区域估计，从而增加后续规划与决策的不确定性。一个很重要的原因在于，现有方法大多仍在固定分辨率下预测深度，再通过插值将结果放大到更高分辨率。这样做虽然能够得到更大的输出尺寸，但在细节区域，本质上只是放大了原有的预测误差。而对于依赖深度信息进行环境建模的自动驾驶系统而言，这种误差不仅影响局部几何质量，还会进一步影响路径规划和决策的稳定性。久而久之，人们开始意识到，高分辨率深度面临的瓶颈，可能并不只是模型不够复杂，而是预测深度的方式本身存在局限。基于这样的观察，浙江大学彭思达团队联合理想研究团队，提出了论文《InfiniDepth: Arbitrary-Resolution and...

来源：深蓝具身智能 原文链接：https://mp.weixin.qq.com/s/KSF-DndHNSau02ZYBMCT8Q 懂物理的3D世界模型，才有资格谈动态操控——高速动态任务场景 不可否认，VLA与视频世界模型在静态或准静态任务上已取得显著进展。 而在真实产线、日常服务场景中的目标往往处于持续运动状态——传送带上的工件、旋转货架上的货品、投掷而来的球体……...

7月17日，2026世界人工智能大会（WAIC）在上海开幕。中科闻歌第七次受邀参会，并于上海世博展览馆H1-B1025展台，携DIP决策智能平台、海汇TokSea、Claworks龙工智能体平台、磐石科研基础大模型及决策机Decitron等全系产品亮相，全景展示AI从“理解与生成”向“推理、预测与决策”演进的最新成果。大会期间，中科闻歌还主办“决策大模型系列产品发布暨人工智能与决策大模型论坛”，重磅发布了业界首个“基、枢、核、脑、端”完整AI决策产品体系，并联合行业专家共话决策智能未来图景，引发与会者广泛关注。 现场直击：决策智能矩阵展现AI落地新范式 7月17日，记者走进中科闻歌展台，看到一个生动场景在演示：工作人员通过DIP决策智能平台，向观众展示如何将企业散落在不同系统的订单、客户、库存等数据，编织成一张逻辑清晰的“业务本体”网络。仅需几轮自然语言问答，平台就能自动识别客户流失风险，并穿透分析原因、给出行动建议。随后，磐石科学基础大模型（ScienceOne）现场自主生成了一篇关于新材料发现的科研综述，过程不到5分钟，令现场观众直观感受到AI在科学发现领域的巨大潜力。 这些...