算法论文8

北大团队：CPL++让视觉定位模型自我纠错

机器之心2026-04-16

AI 摘要

北大彭宇新团队：提出CPL及CPL++框架，通过单模态匹配、自监督关联校正与验证模块，让视觉定位模型学会‘自我纠错’，有效突破弱监督视觉定位瓶颈。

关注公众号

扫码关注
第一时间收到每日精选

公众号专辑

港科大谭平团队SAIL - Recon突破3D重建瓶颈

香港科技大学谭平教授团队与地平线团队发布3D场景表征与大规模重建新方法SAIL - Recon，突破现有模型处理能力瓶颈，可实现万帧级场景表征抽取与定位重建，在多数据集上表现优于现有方法。

本文介绍苹果基础大模型团队与杜克大学联合提出的LensVLM方案，针对长上下文压缩易丢失关键信息的痛点，提出将长文本压缩为图像、模型按需展开细节阅读的新思路，相关研究已被NeurIPS 2026接收，公开了模型、代码与可体验Demo。

当前大模型效率优化多聚焦降低单位Token计算存储开销，本文解读arXiv新预印论文，针对传统BPE分词的固有局限，提出CNF-MCE分词框架，可大幅提升Token压缩率，开辟大模型效率优化新路径。

清华大学自动化系研究者针对大模型上下文学习（ICL）中示例选择成本高、效果不佳的问题，提出Jev-LDE方法，仅对初始检索示例做一次局部编辑，即可大幅提升1-shot准确率，推理成本增量很低。