算法论文8

中山大学TSF为HAR识别提供新思路

AI科技评论2026-05-26

AI 摘要

中山大学团队：用“三重频域融合”（TSF）框架重新审视传感器人体活动识别问题，从物理机制层面突破核心瓶颈，在多数据集上表现佳，兼顾计算复杂度与性能。

关注公众号

扫码关注
第一时间收到每日精选

公众号专辑

中山大学SpatialDreamer：复杂空间推理性能提55%

中山大学等机构推出SpatialDreamer，模拟人类空间认知过程，构建闭环推理流程，还提出GeoPO解决奖励稀疏问题，构建SpatialDreamer - SFT数据集。实验显示其在多基准达SOTA，为AI空间智能发展开辟新路径。

本文介绍发表于Nature Machine Intelligence的最新研究，系统探究语言模型与人脑推理表征的对应关系，验证人脑信号可引导提升语言模型推理鲁棒性，为脑启发AI提供了新研究路径。

中科大与智象HiDream.ai团队提出混合潜空间-像素空间扩散新模型Hi-DiT，解决了两类传统扩散路线各自的瓶颈，论文被ECCV 2026接收，在多个主流图像生成任务上取得优异性能，仅小幅增加计算开销。

本文介绍南洋理工大学等机构研究团队提出的V-Rubrics方法，解决多模态推理中结果正确但推理错误的奖励分配误区，通过35万条细粒度准则拆分奖励计算，有效提升模型性能，论文已被EMNLP 2026主会接收，代码与数据已开源。