动态展示门槛：AI 前沿与应用 ≥ 65 分，量子方向 ≥ 60 分；已确认精选照常展示。
基于论文摘要，作者提出 FineART 双臂操作数据集与 FineART-VLA 视觉语言动作模型，用于长时程、多步骤操作任务。FineART 包含 40,543 个 episode、1,718 小时记录和 533,913 个子任务，覆盖 151 项任务；使用子任务标注进行中途训练后，模型遵循空间指令的成功率由 32.0% 提升至 100.0%。
本站判断：细粒度双臂轨迹标注与自预测子任务策略，为长时程操作的数据构建和模型评估提供具体基线。
WorldSonus提出一种面向世界模型的实时视频到音频框架，用于生成与场景几何和相机运动对齐的空间立体声。基于论文摘要，该方法采用流式因果自回归扩散架构，报告实时因子为0.41，并通过分段提示调度支持生成过程中的声音事件控制。
GeoPID是一种无需训练的几何框架，用于分析视觉语言模型中的多模态信息。基于论文摘要，研究覆盖22个视觉语言模型和14个基准，将信息分解为冗余、模态独有和协同成分，并在推理时选择性放大视觉独有子空间中的视觉表示。摘要报告，在不更新模型参数的情况下，视觉 grounding 能力得到提升，平均相对准确率增益为7.63%。
DSV-Mem 是评估多模态大语言模型 Agent 专业工作流记忆能力的基准，包含五类问题和 1,000 个问题，覆盖当前状态、过去状态、派生状态、变更历史及冲突或拒答。基于论文摘要，27 种配置的评估中，最强基线得分低于 45%；状态更新次数是主要难度因素，增加推理投入和采用记忆管理方法的收益有限，基于状态的设计更有效。基准与代码计划公开发布。