NeurIPS 2024 | 用高斯邻域最小化提升视觉提示词微调在长尾视觉识别上的性能

视觉定位任务入门必读，十年发展系统性综述回顾

Talk预告｜北京大学周嘉懿：Language Feedback - 大模型价值观对齐的催化剂

阿里通义推出时间线检索生成框架，由简短标题重塑新闻事件脉络

Talk预告｜CMU LTI 于子淳：MATES - 基于模型感知数据选择的高效预训练

AAAI 2025 | SparseViT：以非语义为中心、参数高效的稀疏化视觉Transformer

阶跃推出新型注意力机制：KV缓存消耗直降93.7%，性能不减反增

通义实验室提出WebWalker：对RAG的二维升级，解锁复杂信息检索新技能

AAAI 2025 | TrustUQA：统一结构化数据问答的可信框架

从传统视频处理中获取灵感，AI视频生成稀疏加速器ViDA斩获ASP-DAC’25最佳论文奖

理解生成协同促进？华为诺亚提出ILLUME，15M数据实现多模态理解生成一体化

带有缺失模态的深度多模态学习的技术综述

AAAI 2025 | TextRefiner：内部视觉特征作为属性知识实现局部对齐

Talk预告｜上海交通大学唐安妮：VidTok - 一套开源的全能视频Tokenizer

北航&ZGCLAB提出XRAG：首个高级检索增强生成的基准测试

Talk预告｜复旦大学徐际岚：联合第一视角 - 第三视角视频理解

论文解读｜OS Agents综述：MLLM智能体实现计算设备通用控制

COLING 2025 | 多智能体让多模态输入的3D AIGC成为可能

EMNLP 2024 | 大语言模型的概念知识编辑

Talk预告｜JHU博士梅康夫：潜空间扩散模型（LDM）在高效高质量图像生成中的缩放与蒸馏特性