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。

视频扩散模型生成新视角视频时，现有方法缺显式3D结构。智象未来提出DreamWorld，用3D先验与两阶段框架，结合结构和生成能力，在多基准测试表现领先。

视觉-语言-动作（VLA）模型是端到端自动驾驶主流技术，但自回归解码架构有瓶颈。复旦大学与引望智能联合提出WAM-Diff2，实现自回归VLA向离散扩散模型迁移，解码加速15.1倍，多任务性能不降。

国立清华与英伟达团队研究《VLM-AR3L》，把Gemini 2.0、GPT-4.1等拉进考场，评估视觉裁决能力。结果显示Gemini综合最稳，开源小模型特定场景反超。还提出VLM-AR3L框架破使用瓶颈，实战超人类手写奖励。