「南洋理工」共找到 108 篇相关文章
ACL 2026 | 赋予视频生成「视觉思维链」：VChain显式建模时空规划与状态演变
南洋理工大学团队在ACL 2026发表VChain框架，引入大模型视觉推理能力提升视频逻辑连贯性。它分三步实现，实验效果超现有方法，还展示视频推理与生成的潜在趋势，为多模态模型协作提供范例。
端到端GUI智能体首次实现“犯错-反思-修正”闭环，模拟人类认知全过程
南洋理工大学MMLab团队提出框架GUI - Reflection，让端到端多模态GUI智能体有“自我反思”能力。它在各训练阶段引入“反思与纠错”机制，实验证明该框架能提升智能体能力。
穿潜水服的蟑螂见过没？能搜救、巡管道，下一步还要奔外星
2025年缅甸地震，新加坡民防部队派出经新加坡南洋理工大学佐藤裕孝团队改造的蟑螂参与救援。团队还为蟑螂设计“潜水服”，使其能水下作业。赛博格蟑螂应用正从搜救拓展到巡检，未来或用于外星。
开源版MetaQuery来了！OpenUni用1.1B参数媲美BLIP3-o-8B，数据代码完全开源
南洋理工大学 S-Lab 和商汤科技团队推出开源版 MetaQuery——OpenUni，仅 1.1B 参数达 8B 模型性能，代码、权重、数据全开源。它架构极简、参数高效，还继承了多模态理解能力。
AI玩拼图游戏暴涨视觉理解力，告别文本中心训练，无需标注的多模态大模型后训练范式
在多模态大模型后训练浪潮中，现有方法多以文本为中心。MMLab@南洋理工大学提出Visual Jigsaw，将拼图任务用于后训练，让模型不依赖标注强化视觉感知与理解，在图片、视频和3D模态验证有效。
从过拟合到通用！ViMoGen开启3D人体动作生成新纪元
随着AIGC爆发，3D人体动作生成领域滞后，现有模型泛化能力有瓶颈。南洋理工大学等机构研究人员提出ViMoGen，从数据、模型、评估三方面重新定义通用动作生成路径，还能赋能具身智能。
CVPR 2026｜DROID-W：复杂室外动态场景，也能稳定SLAM
苏黎世联邦理工与微软团队提出 DROID - W 动态 SLAM 框架，即将发表于 CVPR 2026。它不预设动态物体，从多视角观测识别不可靠区域，还提出交替优化方案，在多个数据集表现优。
多模态RAG哪家强？9 个 Embedding、4 类 MLLMs、4 大框架实景比拼
现有文档 RAG 评测存在不足，华南理工和华科推出 DOUBLE - BENCH 进行多模态 RAG 实战评测，结果显示检索是瓶颈，模型爱胡说。快手开源 Keye - VL - 1.5 - 8B，PaperAgent 有实操指南。
TR35亚太区入选者名单揭晓！他们是未来创新议程的制定者
本文是《麻省理工科技评论》正式发布2026年度“35岁以下科技创新35人”（TR35）亚太区入选名单，介绍了多位入选青年创新者在AI、生物医学、材料、能源等领域的突破性成果，展现亚太青年创新的交叉化、落地化趋势。
AI虚拟细胞是什么？一篇报告说清楚
本文是《麻省理工科技评论》中国发布的AI虚拟细胞（AIVC）调研报告介绍，梳理AIVC的技术框架、产业生态、发展趋势与应用前景，指出AIVC有望革新药物研发流程，压缩研发成本与周期。