HF Daily Papers · 2026-07-13

HF Daily Papers 精选（15 篇，按社区票数排序）

• [122▲] Vidu S1：一个实时交互式视频生成模型 — https://arxiv.org/abs/2607.03118
• [84▲] 准确、跨学科且透明的结构-性质理解，基于深度原生结构推理 — https://arxiv.org/abs/2607.07708
• [55▲] Video-Oasis：重新思考视频理解的评估方式 — https://arxiv.org/abs/2603.29616
• [51▲] 视觉-语言-动作模型中的双潜记忆用于机器人操控 — https://arxiv.org/abs/2607.07608
• [49▲] 扩展混合专家视频预训练以实现具身智能 — https://arxiv.org/abs/2607.07675
• [48▲] 为什么我打不开抽屉？缓解零样本组合动作识别中的物体驱动捷径 — https://arxiv.org/abs/2601.16211
• [31▲] 思想拥有基因组：科学谱系推理与基于谱系的思想生成基准测试 — https://arxiv.org/abs/2607.08758
• [31▲] 具有多样化交互的无限世界 — https://arxiv.org/abs/2607.07534
• [27▲] LongE2V：基于视频扩散模型的长时程事件驱动视频重建、预测与帧插值 — https://arxiv.org/abs/2607.08770
• [27▲] UniClawBench：面向真实世界任务主动 Agent 的通用基准 — https://arxiv.org/abs/2607.08768
• [27▲] LLM-as-a-Tutor：针对不可验证 RL 的策略感知提示自适应 — https://arxiv.org/abs/2607.04412
• [17▲] DrugGen 2：一个增强药物发现的疾病感知语言模型 — https://arxiv.org/abs/2607.08404
• [17▲] 通过几何感知预训练增强上下文全景生成 — https://arxiv.org/abs/2607.08765
• [15▲] Jet-Long：基于动态双焦 RoPE 的高效长上下文扩展 — https://arxiv.org/abs/2607.07740
• [15▲] 京东 Oxygen AI Item Center（Oxygen AIIC）V1：以 LLM/VLM 为核心的工业级商品理解、管理与应用解决方案 — https://arxiv.org/abs/2606.28070