Paper Tracker - 首页

高相关度论文

LLM Reasoning 9/10

OGER: A Robust Offline-Guided Exploration Reward for Hybrid Reinforcement Learning

OGER通过离线指导和在线探索相结合，提升LLM在推理任务上的性能和泛化能力。

强化学习 LLM推理离线指导探索奖励

Multimodal Learning 9/10

Revisiting Change VQA in Remote Sensing with Structured and Native Multimodal Qwen Models

该论文探索了Qwen模型在遥感图像变化视觉问答(Change VQA)任务中的应用，并对比了不同模型架构。

Change VQA 遥感视觉问答多模态学习

LLM Reasoning 9/10

Reasoning Models Know What's Important, and Encode It in Their Activations

研究表明，语言模型激活中包含比推理链token更多的重要步骤信息，模型内部编码步骤重要性。

LLM Reasoning Model Internals

Multimodal Learning 9/10

Medical Image Understanding Improves Survival Prediction via Visual Instruction Tuning

该论文提出了一种利用视觉指令调整的视觉-语言框架，通过理解医学图像来提高生存预测的准确性。

医学图像生存预测视觉指令调整 CT图像

LLM Memory & RAG 8/10

AQPIM: Breaking the PIM Capacity Wall for LLMs with In-Memory Activation Quantization

AQPIM通过PIM内激活量化，突破LLM容量瓶颈，提高带宽和计算效率。

PIM 量化 LLM 激活函数

Agent Tuning & Optimization 9/10

ContraPrompt: Contrastive Prompt Optimization via Dyadic Reasoning Trace Analysis

ContraPrompt通过对比推理轨迹优化Prompt，显著提升LLM在复杂任务上的性能。

Prompt Optimization Contrastive Learning Chain-of-Thought Reasoning

Multimodal Learning 8/10

LeapAlign: Post-Training Flow Matching Models at Any Generation Step by Building Two-Step Trajectories

LeapAlign通过两步轨迹优化Flow Matching模型，降低计算成本并提升早期生成步骤的更新效果。

Flow Matching Alignment Fine-tuning Image Generation

AI Agents 8/10

MM-WebAgent: A Hierarchical Multimodal Web Agent for Webpage Generation

MM-WebAgent是一个用于多模态网页生成的分层代理框架，通过规划和自反思协调AIGC工具。

多模态学习 AI Agents 网页生成

AI Agents 9/10

RAD-2: Scaling Reinforcement Learning in a Generator-Discriminator Framework

RAD-2提出了一种生成器-判别器框架，用于提升自动驾驶规划的稳定性和安全性。

自动驾驶强化学习扩散模型轨迹规划

LLM Reasoning 8/10

Generalization in LLM Problem Solving: The Case of the Shortest Path

该论文研究了LLM在最短路径问题中的泛化能力，发现空间迁移能力强，但长度缩放泛化失败。

LLM Generalization Shortest Path Reinforcement Learning

最新论文

LLM Reasoning 9/10

OGER: A Robust Offline-Guided Exploration Reward for Hybrid Reinforcement Learning

Xinyu Ma, Mingzhou Xu, Xuebo Liu et al.

OGER通过离线指导和在线探索相结合，提升LLM在推理任务上的性能和泛化能力。

2026-04-20 PDF

Multimodal Learning 9/10

Revisiting Change VQA in Remote Sensing with Structured and Native Multimodal Qwen Models

Yakoub Bazi, Mohamad M. Al Rahhal, Mansour Zuair et al.

该论文探索了Qwen模型在遥感图像变化视觉问答(Change VQA)任务中的应用，并对比了不同模型架构。

2026-04-20 PDF

LLM Reasoning 9/10

Reasoning Models Know What's Important, and Encode It in Their Activations

Yaniv Nikankin, Martin Tutek, Tomer Ashuach et al.

研究表明，语言模型激活中包含比推理链token更多的重要步骤信息，模型内部编码步骤重要性。

2026-04-20 PDF

Multimodal Learning 9/10

Medical Image Understanding Improves Survival Prediction via Visual Instruction Tuning

Xixi Liu, Jorge Lazo, Andreas Hallqvist et al.

该论文提出了一种利用视觉指令调整的视觉-语言框架，通过理解医学图像来提高生存预测的准确性。

2026-04-20 PDF

LLM Memory & RAG 8/10

AQPIM: Breaking the PIM Capacity Wall for LLMs with In-Memory Activation Quantization

Kosuke Matsushima, Yasuyuki Okoshi, Masato Motomura et al.

AQPIM通过PIM内激活量化，突破LLM容量瓶颈，提高带宽和计算效率。

2026-04-20 PDF

Agent Tuning & Optimization 9/10

ContraPrompt: Contrastive Prompt Optimization via Dyadic Reasoning Trace Analysis

Rishav Rishav, Pushpak Pujari, Pushpendre Rastogi

ContraPrompt通过对比推理轨迹优化Prompt，显著提升LLM在复杂任务上的性能。

2026-04-20 PDF

Multimodal Learning 8/10

LeapAlign: Post-Training Flow Matching Models at Any Generation Step by Building Two-Step Trajectories

Zhanhao Liang, Tao Yang, Jie Wu et al.

LeapAlign通过两步轨迹优化Flow Matching模型，降低计算成本并提升早期生成步骤的更新效果。

2026-04-16 PDF

AI Agents 8/10

MM-WebAgent: A Hierarchical Multimodal Web Agent for Webpage Generation

Yan Li, Zezi Zeng, Yifan Yang et al.

MM-WebAgent是一个用于多模态网页生成的分层代理框架，通过规划和自反思协调AIGC工具。

2026-04-16 PDF

AI Agents 9/10

RAD-2: Scaling Reinforcement Learning in a Generator-Discriminator Framework

Hao Gao, Shaoyu Chen, Yifan Zhu et al.

RAD-2提出了一种生成器-判别器框架，用于提升自动驾驶规划的稳定性和安全性。

2026-04-16 PDF

LLM Reasoning 8/10

Generalization in LLM Problem Solving: The Case of the Shortest Path

Yao Tong, Jiayuan Ye, Anastasia Borovykh et al.

该论文研究了LLM在最短路径问题中的泛化能力，发现空间迁移能力强，但长度缩放泛化失败。

2026-04-16 PDF

LLM Reasoning 8/10

How Do LLMs and VLMs Understand Viewpoint Rotation Without Vision? An Interpretability Study

Zhen Yang, Ping Jian, Zhongbin Guo et al.

研究了LLM和VLM在无视觉输入下对视角旋转的理解能力，并进行了可解释性分析。

2026-04-16 PDF

Multimodal Learning 8/10

AD4AD: Benchmarking Visual Anomaly Detection Models for Safer Autonomous Driving

Fabrizio Genilotti, Arianna Stropeni, Gionata Grotto et al.

论文评估了视觉异常检测在自动驾驶安全中的应用，并提出了高效的边缘部署模型。

2026-04-16 PDF

Multimodal Learning 9/10

Why Do Vision Language Models Struggle To Recognize Human Emotions?

Madhav Agarwal, Sotirios A. Tsaftaris, Laura Sevilla-Lara et al.

分析了VLM在识别人类情感方面的不足，并提出了针对长尾分布和时间信息缺失的解决方案。

2026-04-16 PDF

Agent Tuning & Optimization 6/10

Prism: Symbolic Superoptimization of Tensor Programs

Mengdi Wu, Xiaoyu Jiang, Oded Padon et al.

Prism提出了一种基于符号表示的张量程序超级优化方法，显著提升了性能。

2026-04-16 PDF

Multimodal Learning 5/10

SegWithU: Uncertainty as Perturbation Energy for Single-Forward-Pass Risk-Aware Medical Image Segmentation

Tianhao Fu, Austin Wang, Charles Chen et al.

SegWithU提出了一种高效的单次前向传播医学图像分割不确定性估计方法。

2026-04-16 PDF

AI Agents 9/10

Agentic Microphysics: A Manifesto for Generative AI Safety

Federico Pierucci, Matteo Prandi, Marcantonio Bracale Syrnikov et al.

该论文提出一种基于Agentic Microphysics和Generative Safety的生成式AI安全研究方法。

2026-04-16 PDF

AI Agents 9/10

Blue Data Intelligence Layer: Streaming Data and Agents for Multi-source Multi-modal Data-Centric Applications

Moin Aminnaseri, Farima Fatahi Bayat, Nikita Bhutani et al.

Blue提出DIL，通过智能体编排和数据整合，实现多源多模态数据驱动的应用，超越传统NL2SQL。

2026-04-16 PDF

AI Agents 9/10

RadAgent: A tool-using AI agent for stepwise interpretation of chest computed tomography

Mélanie Roschewitz, Kenneth Styppa, Yitian Tao et al.

RadAgent通过工具使用和可解释的步骤，提升胸部CT报告的生成质量，并增强临床可信度。

2026-04-16 PDF

LLM Reasoning 9/10

Context Over Content: Exposing Evaluation Faking in Automated Judges

Manan Gupta, Inderjeet Nair, Lu Wang et al.

研究发现LLM Judge易受上下文影响，存在对模型评估结果作弊的风险。

2026-04-16 PDF

LLM Reasoning 7/10

AI-Assisted Requirements Engineering: An Empirical Evaluation Relative to Expert Judgment

Oz Levy, Ilya Dikman, Natan Levy et al.

评估AI辅助需求工程工具与专家判断的差异，验证AI作为决策支持工具的潜力。

2026-04-16 PDF

分类浏览

LLM Memory & RAG

219 篇论文

AI Agents

1007 篇论文

LLM Reasoning

728 篇论文

Multimodal Learning

1170 篇论文

Agent Tuning & Optimization

316 篇论文