菜单
一句话结论 张长青团队提出量化机制解决多模态模型在缺失和噪声下的鲁棒性问题。 关键要点 研究核心目标是让模型在模态缺失和噪声干扰下保留有效信息。 机制重点在于识别可靠证据并适应新的任务场景。 该方案为多模态融合模型提供了可信度量的技术支撑。 解决的是多模态模型在真实复杂环境中的鲁棒性挑战。 背景与事
一句话结论 ConsMSA方法通过跨模态语义分布一致性学习，在仅保留10% token的情况下仍保持多模态情感分析的先进性能。 关键要点 ConsMSA将多模态token特征投影到共享情感空间，计算模态内与模态间一致性得分（I²CS）。 该方法通过一致性感知重要性信号实现三重功能：训练时的分布对齐正
一句话结论 研究发现，仅以重构或对比学习为目标训练的表示无法保证因果识别的有效性，且即使重构误差极小，也可能导致任意大的因果估计偏差。 关键要点 在模拟实验中，当遗漏一个罕见但中等强度的混杂因素时，样本量n=3,000下间接效应区间的覆盖率仅为2%。 数学证明表明，在结构模型中，表示方法可以损失任意
一句话结论 在 TwiBot-22 基准测试中，单纯依靠账户元数据已能高效识别机器人，引入多模态融合并未带来显著统计学收益。 关键要点 研究基于 TwiBot-22 基准测试，使用 30,000 名用户子样本进行机器人检测实验。 构建包含文本、视觉及账户元数据的多模态框架，采用 CatBoost 与
一句话结论 小米 MiMo-V2.5 系列模型已于 2026 年 10 月 21 日正式下线，请求自动切换至支持多模态理解且降低缓存成本的 V2.6 系列。 关键要点 小米 MiMo-V2.5-pro 与 MiMo-V2.5 模型于 2026 年 10 月 21 日上午 10 时（UTC+8）正式停
一句话结论 SAGE-CP 通过路由分层校准修复自适应视觉语言模型集成中边缘覆盖掩盖的路由级失效，将最坏路由覆盖率从 0.623 提升至 0.887。 关键要点 SAGE-CP 管线采用三阶段流程：在开发数据上学习路由器，冻结所有路由决策，并对提前退出与升级输入分别校准返回分数 在 10 个基准、4
一句话结论 MDN-VJEPA通过混合密度网络表征多模态未来分布，在时序一致性与组合一致性层面改进世界模型预测能力。 关键要点 MDN-VJEPA将变分JEPA（VJEPA）的潜变量预测器实例化为混合密度网络（MDN），未来状态用高斯混合表示，各分量编码不同未来、其概率及模态内不确定性。 论文提出三
一句话结论 Kairos 模型通过字节级共享空间融合文本、图像及雷达流，其架构实现已通过单句过拟合的收敛性检查，但泛化能力尚待预训练验证。 关键要点 核心架构结合双向门控 DeltaNet 线性注意力、LiZAttention2 滑窗机制、块状残差聚合、稀疏 MoE 层及多尺度字节级编解码器。 训练
一句话结论 何恺明团队发布 VISTA 框架，通过保留原始视觉画面支持模型按需回看，显著提升多模态模型在复杂交互任务中的推理效率。 关键要点 VISTA 框架由 MIT 团队提出，无需重新训练基础模型，即可让多模态模型在交互中积累、保存并利用视觉经验。 在 ARC-AGI-3 基准测试中，搭配 VI
一句话结论 阿里通过架构创新降低千亿参数训练成本，并加速递归自我改进流程，确立 5T-10T 参数演进路线及多模态升级计划。 关键要点 Qwen4 系列即将发布，Qwen4.5 和 Qwen5 计划迈向 5T—10T 参数规模，此前 Qwen3.8 参数已达 2.4T。 Qwen3.8-Flash