📅 本期精选来自 2026-06-25 ArXiv 最新论文，聚焦扩散模型、视频生成、VLA具身智能、自动驾驶等核心方向，共 8 篇。 📄 论文精选 Learning Action Priors for Cross-embodiment Robot Manipulation 链接： https://arxiv.org/abs/2606.26095 一句话总结： 提出两阶段训练框架，在 VLA 训练前用流匹配预训练动作模块，赋予其跨具身时序运动先验，显著提升多任务操作成功率。 ...
📅 本期精选来自 2026-06-24 ArXiv 最新论文，聚焦扩散模型、3D生成、视觉生成模型、具身AI与VLA等核心方向，共 8 篇。 📄 论文精选 DiffusionBench: On Holistic Evaluation of Diffusion Transformers 链接： https://arxiv.org/abs/2606.24888 一句话总结： 提出 NanoGen 统一训练框架和 DiffusionBench 评测基准，揭示 ImageNet 类别条件生成与 T2I 生成指标之间存在显著负相关，推动扩散模型走向更全面的评测范式。 ...
📅 本期精选来自 2026-05-22 ArXiv 最新论文，聚焦世界模型、具身 AI / VLA、动作生成、扩散模型等核心方向，共 10 篇。 📄 论文精选 WorldKV: Efficient World Memory with World Retrieval and Compression 链接： https://arxiv.org/abs/2605.22718 一句话总结： 提出 WorldKV 框架，通过检索与压缩机制解决自回归视频扩散世界模型的长程场景一致性问题，在不微调的情况下实现近似 full-KV 的记忆保真度与约 2× 的吞吐量提升。 ...
📅 本期精选来自 2026-04-12 ArXiv 最新论文，聚焦视频生成、扩散模型、4D感知、多模态Agent等核心方向，共 8 篇。 📄 论文精选 NUMINA: Aligning Textual Numerals and Visual Instances in Text-to-Video Diffusion Models 链接： https://arxiv.org/abs/2604.08546 一句话总结： 提出无需训练的"识别-引导"框架 NUMINA，系统性解决文本到视频扩散模型中数量描述与视觉实例不对齐的核心问题，CVPR 2026。 ...
📅 本期精选来自 2026-04-11 ArXiv 最新论文（提交于 2026-04-09），聚焦视频生成、扩散模型、4D 重建与具身多模态 AI 等核心方向，共 7 篇。 📄 论文精选 Phantom: Physics-Infused Video Generation via Joint Modeling of Visual and Latent Physical Dynamics 链接： https://arxiv.org/abs/2604.08503 ...
📅 本期精选来自 2026-03-09 ArXiv 最新论文（主要为 2026-03-06 提交），聚焦扩散模型、视频生成、机器人、视觉语言模型等核心方向，共 8 篇。 📄 论文精选 Physical Simulator In-the-Loop Video Generation 链接： https://arxiv.org/abs/2603.06408 一句话总结： 将物理仿真器嵌入扩散视频生成流程（PSIVG），使生成视频在对象动力学上严格遵守真实物理定律，被 CVPR 2026 接收。 ...
📅 本期精选来自 2026-03-05 ArXiv 最新论文，聚焦视频生成、扩散模型、具身AI、3D生成等核心方向，共 7 篇。 📄 论文精选 Helios: Real Real-Time Long Video Generation Model 链接： https://arxiv.org/abs/2603.04379 一句话总结： Helios 是首个在单张 H100 GPU 上以 19.5 FPS 实时生成分钟级视频的 14B 自回归扩散模型，同时保持与强基线相当的生成质量。 ...