试一次即最优:跨回合探索的去冗余过程记忆提出去冗余过程记忆方法,支持跨回合探索的试一次即最优,提升agent在长时程任务中的探索与决策效率。Haizhou Ge, Haochen Ouyang, Zhixing Chen·2026年7月26日视觉语言模型2026年7月26日
PathScale-R1:面向病理图像分析的跨尺度推理提出PathScale-R1,面向病理图像分析的跨尺度推理方法,属于医学CV与多模态推理交叉。Chi Phan, Tianyi Zhang, Yufeng Wu·2026年7月26日视觉语言模型2026年7月26日
面向注意力:基于视觉-语言模型的语言条件再感知提出语言条件的再感知方法,基于视觉-语言模型实现注意力引导的再感知,服务于机器人视觉感知与VLM。Dibyendu Ghosh·2026年7月26日视觉语言模型2026年7月26日
3D感知视觉语言模型:隐式与显式几何融合现有视觉语言模型大多缺乏3D感知,本文融合隐式与显式几何构建3D感知VLM。Wenhao Li, Xueying Jiang, Quanhao Qian·2026年7月23日3D-Aware视觉语言模型几何2026年7月23日
保持一致:一致性约束增强LVLM鲁棒视觉推理大型视觉语言模型视觉推理强但鲁棒性不足,本工作用一致性约束增强其鲁棒性。Liqiang Jing, Xiong Zhou, Siddharth Varia·2026年7月23日LVLM视觉推理一致性2026年7月23日
Agentic Real2Sim:基于视觉语言智能体的物理世界建模Agentic Real2Sim利用视觉语言智能体进行物理世界建模,将真实世界数据转化为仿真环境,弥合real-to-sim差距。Guanxiong Chen, Qianjun Xia, Jiawei Peng·2026年7月21日仿真到现实世界模型视觉语言模型2026年7月21日
STeP:用于VLM动作生成的精确信号时序逻辑规范STeP提出信号时序逻辑用于视觉语言模型动作生成的精确规范定义,确保生成动作满足时序约束和安全要求。Kasra Torshizi, Anukriti Singh, Sidharth Mathur·2026年7月20日视觉语言模型时序逻辑运动生成2026年7月20日
0:18
