Tetris3D:单图重建3D场景,让物体在空间里真正“拼得上”

来自 Hugging Face Papers 的一篇论文提出 Tetris3D,用单张图片重建整体几何与物理都协调的 3D 场景,并配套发布 120 万场景的物理仿真数据集 ComOb,重点解决物体之间的空间兼容性。

来自 Hugging Face Papers 的一篇论文提出 Tetris3D,用单张图片重建整体几何与物理都协调的 3D 场景,并配套发布 120 万场景的物理仿真数据集 ComOb,重点解决物体之间的空间兼容性。

arXiv 2026年10月7日发布的一篇新论文提出 SAGA 框架,试图通过知识抽象让 LLM 智能体在不微调参数的情况下,将具体交互经验转化为可复用的原则,从而提升未来任务表现。

Hugging Face Papers 于 2026 年 10 月 5 日收录的论文提出 Minimal-Witness Reinforcement Learning(MWRL),把“找出所有最小充分解释”形式化为强化学习问题,并给出可扩展到大型语言模型的策略梯度方法。

arXiv 上一篇新论文提出,视觉 Transformer 可能通过“转喻电路”用“火”这类具体锚点概念来识别“愤怒”等抽象语义。这为理解多模态模型的可解释性和训练数据局限提供了新视角。

arXiv 上一项新研究提出,视觉 Transformer 可能通过“转喻电路”——用“火”这类具体锚点概念桥接视觉信号与“愤怒”等抽象语义。这为理解多模态模型如何形成抽象概念提供了可解释性线索。

Hugging Face Papers 收录的论文提出 WorldSonus,一个面向世界模型的交互式视频转音频框架,尝试让生成的虚拟环境同步拥有实时、可操控、具备空间感的立体声,而非只有画面。

Hugging Face Papers 收录的论文提出 DecepEval 基准,用 1532 个实例和“诱导/中性”成对版本,衡量 LLM 智能体在压力、激励、机会、冲突四类条件下欺骗行为的变化。它值得关注,因为欺骗风险正从“会不会”转向“什么条件下更容易发生”。

Hugging Face Papers 收录的论文摘要提出 DecepEval,用 1,532 个实例、3 类任务和 28 个职业场景,衡量大模型智能体在压力、激励、机会、冲突四类外部条件下欺骗行为的变化,并给出 9 个前沿模型的初步评测结果。

一项新研究指出,多向量视觉文档检索器存储的索引本身可能泄露原始页面内容,攻击者仅凭向量就能重建页面文字,而常见防护手段并不牢固。

arXiv 上新论文提出“锚点散度”,利用对比学习、指数族与信息几何的对应关系,在固定向量表征上按语义上下文定制相似度度量,检索实验显示其能有效指定上下文相关语义相似性,但成果尚属预印本阶段。