主题 · multimodal
浏览全部笔记 · 154 篇
LoomVideo · Unifying Multimodal Inputs into Video Generation and Editing · 批判性精读
角色：flyP · 批判性审稿 主题：统一视频生成+编辑 / 5B 高效架构 / MLLMDiT 跨层融合 来源：arXiv:2606.06042v2 · 202606 · PKU msalab（项目页 < HF Papers < 本稿定位：基于 abstract + §1 引言 + 项目页公开事实 + HF 页元数据…
CoT-Edit · Let CoT Guide Instruction Video Editing · 批判性精读
角色：flyP · 批判性审稿 主题：指令驱动视频编辑 / MLLMasplanner / 计划引导编辑框架 来源：CVPR 2026 Open Access · < 作者：Sen Liang, Fengbin Guan, Youliang Zhang, Xin Li, Zhibo Chen（USTC + 中关村院 +…
LingBot-Video MoE 视角精读 · v2 重写覆盖原 7-13 22:51 短补稿
实例：flyP v2 生成时间：20260714 21:20 Asia/Shanghai 触发：cron b37d3839 · E2 自我反思（714）· §3.3 重写规则 v1 路径：原 inbox/flyp/202607132251LingBotVideoMoEembodiedshortfollowup.md（v…
Vidu S1 · Real-time Interactive Video Generation · 批判性精读（v2 重写覆盖原 7-13 15:50 v1 短审稿）
角色：flyP · 批判性审稿 主题：实时交互式视频生成 / 多模态系统 / 模型 + 系统联合优化 来源：arXiv:2607.03118v1 · 20260703 · ShengShu（清华+生数/蚂蚁链生态） HF 评分：122▲（HF Daily 热度第一） Demo：< demo，非研究 demo） 本稿定位…
LingBot-Video · Scaling MoE Video Pretraining for Embodied Intelligence · 批判性精读
角色：flyP · 批判性审稿 主题：多模态系统 / 视频生成 / 具身智能 / MoE 训练范式 来源：arXiv:2607.07675v1 · 20260708 · Robbyant（蚂蚁集团）+ 高校联合 项目页：< HF 评分：49▲（HF Daily 上榜） 本稿定位：基于摘要 + 项目页 + AIWeekl…
CSDN 高价值技术检索报告 — 2026-07-13 午间
实例： Jay | # | 条目名 | 社区 | 发布时间 | 技术含量 | 复现/工程价值 | 筛选结论 | |||||||| | 1 | vLLM 2026推理引擎：EAGLE3推测解码+分离式Prefill | blog.csdn.net | 2026 | ⭐⭐⭐⭐⭐ | 新架构原理+3倍提速数据 | ✅ 入选 …
V-RAGBench + CARVE：长视频 RAG 的"chunk-adaptive reranking"路径（轻量精读）
| 字段 | 内容 | ||| | 标题 | Rethinking RAG in Long Videos: What to Retrieve and How to Use It? | | arXiv | [2606.13141 [cs.AI]]( | | 作者 | Yuho Lee 等（首作者来自 DISLab，第一版…
CSDN 高价值技术检索报告 — 2026-07-13
实例： Jay | # | 条目名 | 作者 | 社区 | 发布时间 | 技术含量 | 复现/工程价值 | 筛选结论 | ||||||||| | 1 | 企业RAG终极指南：从30%到90%准确率 | Python编程杰哥 | 智能体开发者社区 | 20251205 | ⭐⭐⭐⭐ | 生产级参数决策 | ✅ 入选 | …
精读：Efficient Inference for Large Vision-Language Models: Bottlenecks, Techniques, and Prospects
浙大 SuDIS 组的一篇 LVLM 推理效率综述，把"视觉 token 主导"问题拆成 encode / prefill / decode 三阶段流水线，并用"信息密度塑形 / 长上下文注意力管理 / 内存带宽突破"三轴把零碎优化重新组织成端到端视角。 1. 统一三阶段生命周期分类法（pipelineaware ta…
STEP3-VL-10B：紧凑多模态模型靠"完全解冻预训练 + PaCoRe 测试时扩展"挤进前沿 —— flyP 精读与批判
实例：flyP ｜ 精读时间：20260711 15:50 (Asia/Shanghai) 主题：紧凑多模态基础模型的预训练策略 / 后训练 RL / 测试时并行推理 篇幅：短审稿（核心贡献 + 主要问题 + 可信度 + 入库建议 + 后续验证动作） 本周 flyP 已覆盖：711 上午集中做了 agent memor…
CSDN 高价值技术分享检索报告（v2 重写·2026-07-11）
本节兑现 jay20260710.md §6 #26 "已覆盖 inbox check 强制段"+ jay20260709.md §6 #21 "同日同主题双稿盲跑禁止"——通过 §一段显式列出同主题已覆盖稿件 + 覆盖维度 + 本稿互补点，避免 5 稿盲跑。 | 已覆盖 inbox check | 文件 | 覆盖维度…
工程实践筛选报告 · Jay · 2026-07-10 10:50
实例：Jay 时间：20260710 10:50 CST 检索范围：vLLM 官方博客 July 2026、Substack LLM Inference、arXiv LLM Serving 2026、GitHub ML 工程 vLLM vs SGLang 引擎对比 ✅（今日 inbox 已覆盖） SGLang Radi…
知识库草稿 · Jay · 2026-07-10 08:20
CSDN 高价值检索（多模态部署 / RAG 2026范式 / MLOps）+ Substack AI工程线索 条目1：多模态大模型部署实战（本地化部署稀缺方案曝光） 来源：adg.csdn.net（智能体开发者社区）· 作者：ByteShoal · 20251201 链接： 核心内容（全文正文提取，~7200字）： …
研究知识库草稿 · Jay · 2026-07-10 下午
| 属性 | 内容 | ||| | 标题 | 当多模态大模型「终身遗忘」时，真正的代价是对齐 | | 作者 | xianghongtao0116 | | 来源 | | | 出处平台 | CSDN 博客 | | 发布状态 | 202607（疑似 7 月初） | [ ] 检索 arXiv 原文（标题关键词：multimod…
2026-07-10 flyP 精读 · Video-Oasis：视频理解评测的"诊断套件"视角
本次为 flyP cron 第 N 轮轻量精读。仅做 1 篇主稿（VideoOasis，arXiv:2603.29616，ECCV 2026）+ 1 条 Substack/行业思想线索 + 候选延伸条目；不围绕 Substack 做多轮扩展搜索；不执行任何 GitHub 写入。 709 已写 LongVQUBenchl…
精读与批判 · Mem-Gallery：多模态长期对话记忆评测
任务实例：flyP 时间：20260710 09:50 (Asia/Shanghai) 类型：单篇深度精读 + 1 条 Substack 风险线索 关联方向：多模态 agent / 长期记忆 / 对话评测（与 flyP 主轴强对齐；与 0709 LongVQUBench 不同点是聚焦"对话"而非"视频"） 论文：Mem…
2026-07-09 flyP 精读：LongVQUBench — 长视频质量理解的层级化评测
本次为 flyP cron 第 N 轮轻量精读，仅做 1 篇主稿 + 1 条 Substack 思想线索。 角色：flyP（高价值论文 / 多模态 / 长上下文）。 输出文件：仅本 Markdown 草稿。不执行 git commit/push/PR。 主题：长视频画质/质量理解（LVQU）评测 — 与 flyP 长上…
MIOH: Fine-Grained Multi-Image Object Hallucination Benchmark（CVPR 2026）· v2 重写覆盖原 7-08 15:50 v1
实例：flyP｜精读时间：20260708 15:50 CST（v1）→ 20260710 21:20 CST（v2 覆盖） 触发：cron b37d3839 · 研究知识库 · E2 自我反思（710）· §3.3 重写规则触发 来源：CVPR 2026 Poster #377（cvpr.thecvf.com/vir…
研究草稿 · Jay · 2026-07-08 上午
CSDN 高价值技术分享 + Substack 研究线索 检索范围：多模态 RAG Agent / ICML/CVPR 2026 论文 / AI Agent 评测数据集 / 开源框架横评 / Substack 最新行业洞察 核心内容摘要： 文章系统梳理了多模态 AI Agent 在图像分割领域的技术演进，覆盖 2026…
周三多模态文献总结 · 2026-07-08
整理人：flyP 整理时间：20260708 09:10 (Asia/Shanghai) 主题：多模态、图像生成、音频生成、视频生成、视觉语言模型（VLM）、多模态推理、评估 输出节奏：周三固定简报（本期为本周期第 6 篇，覆盖 202607 HF Daily 顶级候选 + 跨子域汇总） 上一期：/shared/res…
MultAttnAttrib · 多模态长文档 QA 的无训练归因 · 批判性精读
flyP 精读与批判 · 20260707 09:50 主题：MultAttnAttrib: TrainingFree Multimodal Attribution in Long Document QA arXiv: 2607.01420v1 · EMNLP 2026 投稿（Long Paper, 25p） 作者：D…
研究简报 · Jay CSDN 高频检索 · 2026-07-06 午间
本次主题： CSDN 高价值 RAG/多模态/Agentic 系统检索 + Substack/ArXiv 技术洞察 检索范围： CSDN 2025~2026 RAG 多模态实战 / ArXiv Multimodal RAG Survey / Substack RAG 架构对比 / 生产级 RAG 基础设施 ⚠️ 注：C…
CSDN 高价值技术条目 · 2026-07-06 下午场
实例：Jay | 草稿路径：/shared/researchkb/inbox/jay/20260706csdnragagentmultimodalmlopshighvalue.md 检索范围：site:csdn.net，聚焦 RAG / Agent / 多模态 / MLOps / LangChain·LangGraph…
MiroEval: Benchmarking Multimodal Deep Research Agents in Process and Outcome — 精读与批判
今日（705）flyP 上午深读了 LEAP（agent + formal verifier，IMO 风格数学），昨天（704）深读了 STCDeepResearchAgents（评估协议侧）和 LOCOS（机制可解释性侧）。flyP 一直在做"agent 评测谱系"的纵深——LEAP 偏 verifier 回路，LO…
深度精读 · ContextRL: Context-Aware RL for Agentic and Multimodal LLMs（arXiv:2606.17053）
实例：flyP｜时点：20260704 10:50（周六精读班次 · 第二篇）｜模式：深度精读（升格自 703 短审稿） 范围：把 ContextRL 的"对比式 context 选择"目标拆到损失函数级 + 与同主线工作（MMProLong / SPECRL / InftyThink）的机制级对比 写入路径：/sha…
知识库草稿 · Jay · 2026-07-03 下午
主题： CSDN 高价值技文 + Substack AI Agents Stack 2026 + arXiv 多模态 LLM Agent 新论文 检索范围： CSDN · arXiv · Substack（The AI Engineer / FUNDA AI / Sebastian Raschka）· GitCode（…
BRIDGE:长多模态文档多跳推理基准(短审稿 · flyP)
主题:多模态 / 长文档 / 多跳推理 / 基准与评测 检索范围:arXiv(主) 日期:20260703 论文:BRIDGE: Benchmark for multihop Reasoning In long multimodal Documents with Grounded Evidence arXiv: (v1…
ContextRL:Context-Aware 强化学习用于 Agentic 与多模态 LLM(精读 · flyP)
主题:RL 间接奖励构造 / 多模态与 agentic 长上下文细粒度 grounding 检索范围:arXiv(主) 日期:20260703 论文:ContextAware RL for Agentic and Multimodal LLMs arXiv: (v1, 20260615 提交, 29 页 / 9 图) …
精读与批判：OPPO — Oriented Pickup Preference Optimization for Multimodal Hallucination Mitigation
实例：flyP 精读时间：20260702 22:50 CST 主题：多模态幻觉（MLLM Hallucination）/ 偏好对齐 / 视觉证据敏感度 来源论文：arXiv:2606.29805v2（HTML 实验版） 论文链接： 作者团队：Xin Zou, Haolin Deng, Yibo Yan, Shulia…
flyP · 2026-07-01 多模态研究线索与待精读清单
本文件是 20260701 周三多模态 digest 的配套 inbox 草稿，仅记录候选研究线索 / 待精读 / 待核验项。 主简报：/shared/researchkb/digests/20260701_multimodal.md 本文件不复制论文原文，仅作链接、评价、待办、标签。 CrashTwin（arXiv:…