视觉推理 LLM-DailyDigest 2026-08-27 2026-08-27 约 100 字 预计阅读 1 分钟 视觉推理 本主题由提交工具自动创建，可在此补充洞察与资料。 相关消息（按子主题自动聚合） 三维重建 1 LEGO-Anything：以编程智能体重建可执行 3D 场景 10-01 世界模型 1 ProWAM：通过渐进式视觉规划建模世界动作 10-08 信用分配 1 PACE：以成对词元对比与自适应轨迹置信度增强多模态 RLVR 10-18 具身基础模型 1 GroundingPI：以视觉原语构建物理智能基础模型 10-18 具身规划 7 ACT3D：学会在 3D 世界中思考与主动探索 10-20 MotorMind：通用 VLM 支架实现零样本机器人操作 10-08 PanoVLN：高效全景视觉语言导航 10-01 VCN-Bench：基于既往视频经验的空间导航推理基准 09-30 VA-Bench：评测具身空间智能的感知—推理—行动闭环 09-19 连接学习式视觉感知与符号信念空间规划 09-16 RoboSPA：面向复杂空间与长程任务的 VLA 评测基准 09-07 医疗人工智能 1 FAHR-Face凭面部照片预测癌症患者生存风险 10-22 在策略蒸馏 3 SpatialOPSD：从可验证编码智能体轨迹中自蒸馏空间智能 10-10 EAD：证据对齐的多模态在策略自蒸馏 09-30 BAS-OPD：预算感知的选择性在策略自蒸馏 09-23 多模态学习 5 GAFU：解锁统一多模态模型的细粒度视觉理解 10-24 计算机视觉与知识增强语言模型辅助智能养蜂 10-22 SenseNova-U1.5：原生统一视觉智能模型 09-13 KBMR：面向知识型视觉问答的实体对齐检索 09-07 原生统一多模态模型的理解-生成协同机制 09-03 多模态推理 3 TPAE：词元级感知扎根优势估计强化多模态推理 10-01 DLR：强化视觉语言模型的隐空间推理 09-28 OCR-MetaReasoning：文本密集图像元推理评测基准 09-01 工具调用 1 OpenVLHarness：以多模态记忆增强真实世界视觉智能体工具使用 10-21 技能演化 2 VisualEvolve：视觉推理技能自进化框架 10-21 ViSkill：以演化式视觉原生技能强化 VLM 智能体 10-09 推理效率 2 VideoJev：面向视频理解与交互的 System One 模型 10-18 分形吸引域揭示潜在推理减速机制 09-10 数据合成 1 ZoomCap：证据路由视觉缩放实现可恢复视觉信息迁移 10-18 智能体框架 2 HexaShell：探索 VLM 机器人编程智能体能力边界的轻量框架 10-20 VISTA：面向交互式视觉推理的原生 Harness 框架 10-18 智能体评测 3 Gym-Anything-RT：视觉语言智能体实时交互评测基准 10-29 LongPuzzleBench：长程视觉谜题 GUI 智能体评测 09-30 DroneCATS：评估多模态 LLM 的通用无人机控制能力 09-03 模型发布 2 OpenAI 发布 GPT-6.1 Terra：电脑操作能力比肩 Astra，成本降至十分之一 10-29 OpenAI 发布 GPT-6.1 Terra，强化电脑操作与写作能力 10-27 模型路由 1 System Switch：快速决策模型何时应停下来思考？ 10-08 测试时优化 1 Token 解耦的视觉语言潜空间测试时扩展 09-30 测试时训练 2 FETA：面向视觉语言导航的反馈高效测试时适应 10-23 TTRSD：视觉语言模型的测试时强化学习与自蒸馏 09-29 神经符号人工智能 1 从符号感知到逻辑演绎：语言模型几何推理框架 09-10 程序进化 1 自主进化推理程序提升 VLM 科学图表分析能力 10-27 经验学习 1 图表作为认知动作：经验驱动的智能体数据分析 10-22 脚手架优化 1 Harness Compilation：小型视觉语言模型的决策分工优化 10-10 脚手架演化 3 ChartEvo：面向长尾图表推理的自演化智能体脚手架 10-21 CoWorld Reasoner：视频世界模型驱动的智能体多模态推理 10-18 规模与选择：视觉界面机器人智能体的自动脚手架演化 10-01 自进化 1 PhysEvolve：基于可执行世界验证的物理推理自进化 10-27 视觉异常检测 1 AnomalyAgent：视觉语言模型驱动的视觉异常检测集成 10-22 视觉推理 30 ChronoReplay：异构时序回放缓解空间 VLM 接口锁定 10-29 视频 RLVR 中的捷径放大与感知不确定性坍缩 10-29 S-Agent 2.0：通用编程智能体驱动的空间推理 10-22 Spatial-TRM：递归细化空间上下文区域预测 10-19 RoTA-Bench：以交互式投影对齐评估三维空间推理 10-18 MJev-Spatial：原生注意力匹配实现系统一空间智能 10-18 GroundAnything：并行扩散解码实现高速精准视觉定位 10-18 SpatialASM：将主动空间心智化内化至视觉语言模型 10-18 S-Space：多模态语言模型的内部空间工作区 10-18 HSS基准揭示多模态模型的视觉直觉短板 10-18 GeoReform：面向多模态几何推理的反思式形式化演化 10-09 NAT-ARC：自然图像预训练迁移至ARC视觉推理 10-08 GAGR-Lab：空间几何与解析函数联合推理评测 10-08 NAT-ARC：自然图像预训练迁移至ARC视觉推理 10-01 ReaLVR：以视觉证据约束潜空间视觉推理 09-30 谁在谁的左边？相对位置推理中的空间证据追踪与角色绑定 09-30 P2A：通过主动视觉探测提升浏览器智能体 09-29 SpatialSpeak：融合局部与全局重建的空间思维链推理 09-29 AI在门萨图形推理测试中触及151分理论上限 09-26 PixelJev：从文本决策到像素级视觉选择 09-26 Spatial-Interactor：通过物理交互学习空间推理 09-25 VLM-in-Sandbox：面向智能体视觉推理的可控视觉工作区 09-22 Circuit-MLLM：拓扑逻辑引导的电路图视觉推理 09-15 SpatialBlock：合成积木堆叠任务增强 LVLM 空间智能 09-13 MindTopo：基础模型拓扑空间推理与规划评测 09-11 TempCloze：Video-LLM 能否识别视频缺失的中间片段？ 09-02 LOCI：定位器-批评器视觉证据迭代框架 09-01 Autoregressive Mosaics：探测纯文本模型的二维空间推理 09-01 VGI-Bench：评测视频生成模型的视觉智能 08-28 VBVR-Pro：可扩展、可验证的原生视觉推理套件 08-27 视觉模型 1 FreeMatching：突破时空先验的可泛化稠密对应匹配 10-10 认知推理 1 ARCANA：抽象与远类比推理评测基准 10-22 评测基准 5 SpatialScout：VLM 智能体主动探索与三维场景建图基准 10-23 OmniCompass：全模态视频定位与理解综合基准 10-18 Perception Test 2026：城市级音视频空间推理挑战 10-09 VA-Bench：大模型空间理解与具身执行存在明显断层 10-08 BVB：以 Blender 程序化重建评测智能体视频理解 09-16 评测审计 1 推理指令会破坏视觉语言模型的答案解码 09-26
