世界模型

1. 2 天前百度 Apollo World 世界模型新2 篇报道

由 AI 依据本周该主题的事件列表归纳（模型 deepseek-chat · 规则版本 2026-10-12.1），每周更新。

活跃度

事件脉络

1. 11/04百度 Apollo World 世界模型2 篇报道★ 4
2. 10/28谷歌 Genie 4 世界模型发布2 篇报道★ 4
3. 09/21世界模型公司高度保密2 篇报道★ 3

主题标签

相关术语

• BrainBind：用长视频表征桥接同步 EEG 与 fMRI 解码
  论文提出 BrainBind 框架，将同步采集的 EEG 与 fMRI 映射到冻结的长视频嵌入空间，作为共享的视觉-语义参照。在 CineBrain 数据集上，不同系统配置呈现不同的检索特征：Omni 配置下 fMRI 对完整候选列表组织最强，Joint-Dual 取得最高平均 R@1。研究还通过分集评估量化了重复刺激与叙事语境对随机划分的贡献。
• RECAP：面向多模态投机解码的上下文感知预测复用
  论文指出视觉语言模型中按末位 token 索引预测复用会在图像敏感的解码状态失效，提出 RECAP，用一至三 token 键存储目标模型预测，区分请求内上下文记忆与跨请求持久记忆，并以熵置信加权与最佳优先搜索构建候选树。在 Qwen2.5-VL-7B 与 LLaVA-1.6-7B 上无需训练即取得 1.66 倍与 1.56 倍平均加速。
• BiSID-AVS：用双耳音频区分同类候选中的发声实例
  针对音视频分割在多个同类候选共存时难以定位真正发声实例的问题，论文引入双耳音频，利用双耳差异编码的声源方向信息提供空间约束。方法 BiSID-AVS 先由音频提示定位类别一致候选区域，再将双耳线索投影为图像平面空间响应图，最后在特征与解码器层面双重条件细化。在 AVS-Synthetic 与 Habitat-AVS 上实例级 mIoU 分别提升 35.19 与 41.21 个百分点。
• NTCIR-19 SciClaimEval 任务：论文图表跨模态论断验证
  NTCIR-19 试点任务 SciClaimEval 要求依据论文自身表格与图表验证科学论断，数据集覆盖 180 篇机器学习、NLP 和医学论文。22 支队伍注册，14 支提交 177 次运行，多数系统基于多模态大模型提示与多阶段推理。最佳系统配对准确率达 98.1%，但依赖对比证据对，单独判断单个论断-证据对仍是开放难题。

相关主题