arXiv ID:
2603.27960
大型视觉语言模型的高效推理 / Efficient Inference of Large Vision Language Models
1️⃣ 一句话总结
这篇综述论文系统梳理了当前加速大型视觉语言模型推理的各种前沿技术,将其归纳为四大优化方向,并指出了现有方法的局限性与未来研究的关键挑战。
大型视觉语言模型的高效推理 / Efficient Inference of Large Vision Language Models
这篇综述论文系统梳理了当前加速大型视觉语言模型推理的各种前沿技术,将其归纳为四大优化方向,并指出了现有方法的局限性与未来研究的关键挑战。
解锁多模态文档智能:从当前成就到视觉文档检索的未来前沿 / Unlocking Multimodal Document Intelligence: From Current Triumphs to Future Frontiers of Visual Document Retrieval
这篇论文首次全面综述了视觉文档检索领域,系统梳理了其方法演进、当前挑战,并展望了未来发展方向,为多模态文档智能研究提供了清晰的路线图。
剖析表演性预测:一项全面综述 / Dissecting Performative Prediction: A Comprehensive Survey
这篇综述论文系统梳理了‘表演性预测’这一新兴机器学习领域,其核心是研究模型部署后如何因影响环境而导致数据分布变化,并总结了该领域五年来的关键概念、解决方案及其与其他学科的关联。
稀疏专家混合的兴起:从算法基础到去中心化架构及垂直领域应用的综述 / The Rise of Sparse Mixture-of-Experts:A Survey from Algorithmic Foundations to Decentralized Architectures and Vertical Domain Applications
这篇综述文章系统梳理了稀疏专家混合模型的发展,从核心算法原理、去中心化架构拓展到垂直领域应用,旨在为研究者和从业者提供该领域最全面的技术概览与未来方向指引。
迈向下一代SLAM:聚焦性能、鲁棒性与未来方向的3DGS-SLAM综述 / Towards Next-Generation SLAM: A Survey on 3DGS-SLAM Focusing on Performance, Robustness, and Future Directions
这篇论文综述了如何将新兴的3D高斯泼溅技术融入SLAM系统,以解决传统方法在渲染质量、场景细节和动态环境鲁棒性上的不足,并探讨了未来构建更高效、更逼真、更稳定SLAM系统的发展方向。
定位、引导与改进:大语言模型中可操作的机制可解释性实用综述 / Locate, Steer, and Improve: A Practical Survey of Actionable Mechanistic Interpretability in Large Language Models
这篇论文提出了一个名为‘定位、引导与改进’的实用框架,将大语言模型的机制可解释性从单纯的观察分析转变为可实际操作的干预方法,从而有效提升模型的性能、对齐性和效率。
基于大语言模型的软件工程问题解决:进展与前沿综合综述 / Advances and Frontiers of LLM-based Issue Resolution in Software Engineering: A Comprehensive Survey
这篇论文系统性地综述了如何利用大语言模型自动解决软件开发中的实际问题,涵盖了从数据构建、方法技术到实际应用与未来挑战的全面分析。
AI海马体:我们距离人类记忆还有多远? / The AI Hippocampus: How Far are We From Human Memory?
这篇综述论文系统地梳理了大型语言模型和多模态大模型中的记忆机制,将其分为内隐、外显和智能体记忆三大类,并探讨了这些机制如何提升模型的推理、适应和交互能力,以及当前面临的主要挑战。
智能体作为裁判 / Agent-as-a-Judge
这篇论文系统性地总结了人工智能评估领域从‘大语言模型作为裁判’向‘智能体作为裁判’的范式转变,指出后者通过规划、工具验证和多智能体协作等方式,能对复杂任务进行更可靠、可验证的评估,并为此领域建立了首个全面的发展框架和研究路线图。
AI智能体时代的记忆:综述 / Memory in the Age of AI Agents
本文系统性地综述了基于大语言模型的智能体记忆研究,提出了一个从形式、功能和动态三个维度统一分析智能体记忆的新框架,旨在澄清领域内碎片化的概念,并为未来的研究和系统设计提供清晰的理论基础。
请先 登录 后再提交论文