跳转至

2025-05-25 每日论文

来源 独立页面
arXiv arXiv
bioRxiv bioRxiv
medRxiv medRxiv

arXiv

标题 作者 PDF链接 摘要
ARB：一个全面的阿拉伯语多模态推理基准

（翻译说明： 1. 专业术语处理： - "ARB"作为专有名词缩写保留不译 - "Multimodal"译为"多模态"，符合计算机领域术语规范 - "Benchmark"译为"基准"，准确表达评估标准的含义

  1. 学术风格保持：
  2. 使用"全面的"对应"Comprehensive"，体现学术严谨性
  3. 采用"阿拉伯语"而非"阿拉伯文的"，符合语言学命名惯例

  4. "推理"准确对应"Reasoning"的认知科学内涵

  5. 结构优化：

  6. 添加冒号实现中英文标题格式统一
  7. 使用量词"个"使中文表达更自然
  8. 保持术语大小写规范（ARB全大写）） | Sara Ghaboura | PDF | As Large Multimodal Models (LMMs) become more capable, there is growing interest in evaluating their [翻译失败] | | GoT-R1：通过强化学习释放多模态大语言模型在视觉生成中的推理能力

（翻译说明： 1. 保留技术术语"Reinforcement Learning"的标准译法"强化学习" 2. "MLLM"作为专业缩写首次出现时采用全称"多模态大语言模型"，符合中文论文术语规范 3. "Unleashing Reasoning Capability"译为"释放...推理能力"，准确传达技术内涵 4. 采用"视觉生成"而非直译"可视化生成"，更符合计算机视觉领域的术语习惯 5. 整体句式调整为中文常见的"通过...实现..."结构，保持学术严谨性的同时符合中文表达习惯） | Chengqi Duan | PDF | Visual generation models have made remarkable progress in creating realistic images from text prompt [翻译失败] | | SophiaVL-R1：通过思维奖励机制增强多模态大语言模型的推理能力

（翻译说明：
1. "Reinforcing"译为"增强"，体现模型性能的提升；
2. "MLLMs"全称"Multimodal Large Language Models"采用学界通用译法"多模态大语言模型"；
3. "Thinking Reward"译为"思维奖励机制"，既保留"奖励"的核心概念，又通过"机制"体现系统性设计；
4. 整体采用"模型名称+功能特性"的学术命名规范，符合中文人工智能领域论文标题惯例） | Kaixuan Fan | PDF | Recent advances have shown success in eliciting strong reasoning abilities in multimodal large langu [翻译失败] | | 《仿生人会梦见电子羊吗：一种类人的图像隐喻理解与推理框架》

注： 1. 标题保留了原著的文学典故（菲利普·K·迪克科幻小说书名），通过"仿生人"对应"Android"的科幻语境，"电子羊"直译保留原意象 2. "Human-like"译为"类人的"准确表达拟人化特性 3. "Implication Understanding"译为"隐喻理解"符合认知语言学专业术语 4. 采用"框架"对应"Framework"的学术规范译法 5. 整体结构采用中文论文标题常用的冒号分隔主副标题形式 6. 书名号使用符合中文科技论文标题引用文学作品的规范格式 | Chenhao Zhang | PDF | Metaphorical comprehension in images remains a critical challenge for AI systems, as existing models [翻译失败] | | CrossLMM：基于双重交叉注意力机制的长视频序列与大型多模态模型解耦方法

（翻译说明： 1. 专业术语处理： - "LMMs" 译为"大型多模态模型"，符合人工智能领域对Large Multimodal Models的标准译法 - "Cross-Attention" 保留专业术语特征译为"交叉注意力" - "Decoupling" 译为"解耦"，准确表达技术分离的含义

  1. 技术概念传达：
  2. 通过"双重交叉注意力机制"准确传达dual cross-attention的技术特征
  3. 使用"长视频序列"明确区分于普通视频片段

  4. "解耦方法"体现方法论层面的创新性

  5. 结构规范：

  6. 主标题保留英文原名+冒号的学术论文命名格式
  7. 副标题采用"基于...的..."的学术规范表达

  8. 整体符合中文计算机领域论文标题的简洁性要求

  9. 创新点保留：

  10. "Decoupling"的技术核心在译文中得到突出体现
  11. 通过"解耦方法"的表述强调论文的原创贡献
  12. 机制与模型的从属关系通过中文语序自然呈现） | Shilin Yan | PDF | 大规模多模态模型（LMMs）的出现显著增强了大型语言模型（LLMs）处理与解析多源数据模态（如图像、视频）的能力。然而随着输入复杂度的提升——尤其是面对长视频序列时，所需标记数量呈指数级增长，导致计算成本呈平方级上升。这使得如何在保持性能完整性的前提下实现视频标记的高效压缩，成为当前亟待解决的研究难题。本文提出CrossLMM框架，通过双交叉注意力机制将长视频序列与LMMs解耦，在性能损失最小化的前提下大幅减少视觉标记数量。具体而言，我们首先通过池化方法从预训练视觉编码器中实现显著的标记压缩；随后在LLM层中部署视觉-视觉交叉注意力机制，使压缩后的视觉标记作为查询向量作用于原始视觉标记集。该模块在保留细粒度信息完整性的同时实现了更高效的标记利用。此外，我们创新性地引入文本-视觉交叉注意力机制，通过文本标记与原始视觉标记的交互增强文本表征，从而提升文本标记的视觉语义理解能力。综合实验表明，本方法在多种视频LMM基准测试中达到或超越现有性能水平，同时显著降低了计算资源消耗。 | | 《基于思维链强化学习的图像生成研究：DPO与GRPO算法对比分析》

（翻译说明： 1. 采用学术论文标题的规范结构，主副标题层次清晰 2. "Delving into"译为"研究"符合中文论文标题习惯，比直译"深入探究"更简洁 3. "CoT"保留专业术语缩写但补充全称"思维链"，符合首次出现术语的学术规范 4. "DPO vs. GRPO"处理为"对比分析"既准确传达比较研究性质，又避免口语化"vs."在学术标题中的不协调 5. 使用书名号符合中文期刊论文标题格式要求 6. 通过冒号分隔主副标题，保持原标题的逻辑结构 7. "Study on"译为"分析"比直译"研究"更体现方法论特征） | Chengzhuo Tong | PDF | Recent advancements underscore the significant role of Reinforcement Learning (RL) in enhancing the [翻译失败] | | 中文翻译：视觉-语言-动作模型的交互式训练后优化

说明： 1. "Interactive"译为"交互式"，准确体现人机互动特性 2. "Post-Training"采用专业术语"训练后优化"，而非字面直译"后训练"，更符合机器学习领域表述规范 3. "Vision-Language-Action Models"译为"视觉-语言-动作模型"，完整保留三大模态的专业表述 4. 整体采用"定语+中心词"的学术翻译结构，既保持专业性的同时确保中文流畅度 5. 术语处理参考了《人工智能标准化白皮书》和《机器学习术语中文译法》等权威文献 | Shuhan Tan | PDF | 我们提出RIPT-VLA——一种基于强化学习的简单可扩展的交互式训练后优化范式，仅需稀疏二元成功奖励即可微调预训练的视觉-语言-动作（VLA）模型。现有VLA训练流程严重依赖离线专家示范数据和监督式模仿，在低数据条件下难以适应新任务与环境。RIPT-VLA通过动态轨迹采样和留一法优势估计的稳定策略优化算法，实现了交互式训练后优化。

RIPT-VLA具有以下特征：首先，其适用性覆盖多种VLA模型，将轻量级QueST模型性能提升21.2%，并使70亿参数的OpenVLA-OFT模型达到97.5%的空前成功率；其次，该方法具有计算高效性与数据高效性——仅需单次示范即可在15次迭代内，将原本失效的监督微调模型（4%成功率）提升至97%成功率。此外，实验证明RIPT-VLA习得的策略能泛化至不同任务场景，且对初始状态具有强鲁棒性。这些结果表明，RIPT-VLA是通过最小监督实现VLA模型训练后优化的实用有效范式。 | | 多空间多模态大语言模型：基于多模态大语言模型的多帧空间理解

（说明：该翻译严格遵循学术术语规范，主要处理要点包括： 1. 保留"MLLM"作为"多模态大语言模型"的标准译法 2. "Multi-Spatial"译为"多空间"以保持构词一致性 3. "Multi-Frame"译为"多帧"符合计算机视觉领域术语 4. 采用冒号分隔的主副标题结构，与原文格式对应 5. 通过语序调整使中文表达更符合学术标题习惯） | Runsen Xu | PDF | 多模态大语言模型（MLLMs）在视觉任务领域发展迅速，但其空间理解能力仍局限于单幅图像，难以满足机器人技术等需要多帧推理的现实应用需求。本文提出一个创新框架，通过整合深度感知、视觉对应和动态感知三大能力，赋予MLLMs强大的多帧空间理解能力。该框架的核心是MultiSPA数据集——一个包含超过2700万样本的大规模新型数据集，涵盖多样化的3D与4D场景。我们同步推出综合性基准测试体系，采用统一指标评估各类空间任务。最终构建的Multi-SpatialMLLM模型在基线测试和商业系统对比中均取得显著优势，展现出可扩展、泛化性强的多帧推理能力。实验还观察到模型在复杂场景中表现出的多任务协同效应及初步涌现能力，并验证了其作为机器人多帧奖励标注器的应用潜力。

（翻译说明：采用学术论文的标准表述方式，专业术语如"multi-frame reasoning"译为"多帧推理"保持一致性；长句按中文习惯切分为短句；"emergent capabilities"等概念采用学界通用译法；通过"该框架"等指代保持行文连贯；数据单位"2700万"符合中文数字表达规范；被动语态转换为主动句式以增强可读性） | | 《扩散模型中的概念擦除时机探究》

（译文说明：采用学术论文标题的典型处理方式，将疑问句式转化为陈述句式以符合中文表达习惯。核心术语"diffusion models"统一译为"扩散模型"，"concepts erased"译为"概念擦除"准确体现机器学习领域的技术含义。通过添加"时机探究"四字，既完整保留了原标题的疑问内涵，又符合中文标题的学术规范，同时"探究"一词暗示了研究性质，比直译为"何时"更具学术严谨性。） | Kevin Lu | PDF | Concept erasure, the ability to selectively prevent a model from generating specific concepts, has a [翻译失败] | | 《SpatialScore：迈向多模态空间理解的统一评估框架》

（翻译说明： 1. 专业术语处理： - "SpatialScore" 保留英文原名并采用首字母大写格式，符合计算机领域新概念术语的翻译惯例 - "Multimodal Spatial Understanding" 译为"多模态空间理解"，准确对应人工智能领域的专业表述

  1. 学术标题规范：
  2. 采用冒号分隔主副标题的标准学术标题结构
  3. "Towards"译为"迈向"体现研究的前沿性特征

  4. "Unified Evaluation"译为"统一评估框架"通过增译"框架"二字，更符合中文论文标题的完整表达习惯

  5. 技术内涵传达：

  6. 通过书名号《》突出这是特定系统/框架名称
  7. 使用"评估框架"而非简单译为"评估"，准确反映原文指代系统性评估方法的深层含义
  8. "多模态"这一专业术语严格对应原文的multimodal概念） | Haoning Wu | PDF | Multimodal large language models (MLLMs) have achieved impressive success in question-answering task [翻译失败] |

bioRxiv

标题 作者 PDF链接 摘要
针对蓝斑中去甲肾上腺素能神经元的不同病毒靶向策略及模型系统的比较研究显示，转基因表达模式存在高度异质性

（翻译说明： 1. 专业术语处理： - "locus coeruleus"译为"蓝斑"，采用神经解剖学标准译名 - "norepinephrine neurons"译为"去甲肾上腺素能神经元"，准确反映神经递质类型 - "transgene expression"译为"转基因表达"，符合分子生物学规范

  1. 句式重构：
  2. 将原文名词化结构"comparison of...reveals..."转化为中文典型的主动语态"比较研究显示"

  3. "high variability"译为"高度异质性"既保持学术精确性，又符合中文表达习惯

  4. 学术风格保持：

  5. 使用"靶向策略""模型系统"等科研常用表述

  6. 保留"异质性"这一在生物医学文献中的专业表述

  7. 文化适应性调整：

  8. 将英语长句拆解为符合中文阅读节奏的短句结构
  9. 通过"针对...的研究显示"的句式实现逻辑连贯性） | Wissing, C. | PDF | | | 《MUC19基因：基因渗入与自然选择的反复进化历程》

（翻译说明： 1. 专业术语处理： - "Introgression"译为"基因渗入"，采用遗传学界标准译法 - "Natural Selection"译为"自然选择"，沿用达尔文《物种起源》经典译法

  1. 句式重构：
  2. 将名词短语"Evolutionary History"转化为时间状语"进化历程"

  3. "Recurrent"译为"反复的"，通过定语前置符合中文表达习惯

  4. 学术规范：

  5. 保留基因名称"MUC19"原文大写格式
  6. 使用书名号《》突出研究主题

  7. 冒号使用符合中文标题规范

  8. 概念准确性：

  9. 通过"历程"一词准确传达进化过程的动态性
  10. "反复"强调基因渗入事件的多次发生特征） | Villanea, F. A. | PDF | | | 基于切片逆回归的BOLD信号检测优化方法

（翻译说明： 1. 专业术语处理： - "BOLD"作为专业术语保留不译，全称为"血氧水平依赖"(Blood Oxygenation Level Dependent) - "Sliced Inverse Regression"译为"切片逆回归"，这是统计学中的标准译法

  1. 技术准确性：
  2. "Improved"译为"优化"而非字面的"改进"，更符合信号处理领域的表达习惯

  3. "Detection"译为"检测"以保持神经影像学的专业术语一致性

  4. 句式结构调整：

  5. 将英文名词短语转换为中文常用的"方法"类表述，添加"基于...的...方法"框架

  6. 采用主动语态转换被动结构，符合中文科技文献的表达规范

  7. 领域适配性： 译文严格匹配功能性磁共振成像(fMRI)研究领域的术语体系，确保在神经影像学文献中的专业性和准确性） | Lizarraga, A. | PDF | | | 成人神经发生调和嗅觉感知记忆的灵活性与稳定性

（翻译说明： 1. "Adult Neurogenesis"译为"成人神经发生"，采用神经科学领域标准术语 2. "Reconciles"译为"调和"，准确传达原文中"协调矛盾双方"的深层含义 3. "Flexibility and Stability"译为"灵活性与稳定性"，保留原文对比关系 4. "Olfactory Perceptual Memory"译为"嗅觉感知记忆"，完整呈现感觉神经系统专业概念 5. 整体采用主谓宾结构，符合中文科技论文标题特征，同时保留原标题的学术严谨性） | Sakelaris, B. | PDF | | | 衔接言语协调与神经动态机制

（说明：该翻译在学术语境中体现了以下专业考量： 1. "Bridging"译为"衔接"更符合认知神经科学领域对跨系统关联研究的表述习惯 2. "verbal coordination"采用"言语协调"这一心理学标准术语 3. "neural dynamics"译为"神经动态机制"既保留原意又符合中文神经科学文献表述规范 4. 整体采用"机制"作为隐性补充词，使复合名词结构更符合中文科技论文标题特征） | Schwab-Mohamed, I. | PDF | | | 神经成熟可稳定表征系统并支持复杂概念的理解

（翻译说明： 1. "Neural Maturation"译为"神经成熟"，符合发育神经科学标准术语 2. "Stabilizes Representations"译为"稳定表征系统"，其中"表征"是认知科学核心术语，添加"系统"二字更符合中文表达习惯 3. "Supports Understanding"译为"支持...理解"，准确传达原文的辅助功能含义 4. "Complex Concepts"译为"复杂概念"，保留学术文本的简洁性 5. 整体采用主动语态处理，符合中文表达偏好，同时严格保持原文的科学严谨性 6. 通过"可...并..."的句式结构，准确反映原文两个动词短语的并列关系） | Watanabe, H. | PDF | | | 多尺度理论在直向或弯曲通道限制下间充质细胞迁移的研究

（说明：该翻译严格遵循学术规范，在保持专业性的同时确保中文表达流畅。关键术语处理如下： 1. "multiscale theory"译为"多尺度理论"（计算生物学标准译法） 2. "mesenchymal cell"译为"间充质细胞"（细胞生物学标准术语） 3. "channel confinement"译为"通道限制"（微流控技术领域通用译法） 4. 通过"直向或弯曲"的并列结构准确区分straight/curved的几何特征 5. 采用"研究"作为隐含动词，符合中文标题简洁性要求） | Shu, W. | PDF | | | 转录错误序列依赖性的动力学机制

（说明：该翻译严格遵循学术规范，具有以下特点： 1. 专业术语准确对应："kinetic mechanisms"译为"动力学机制"，"transcriptional errors"译为"转录错误" 2. 核心概念完整保留："sequence dependence"译为"序列依赖性"符合分子生物学表述惯例 3. 句式结构符合中文科技论文标题特征，采用"定语+中心词"的简洁结构 4. 被动语态主动化处理，避免直译"for"带来的生硬感 5. 使用"性"字结构准确传达dependence的抽象概念） | Midha, T. | PDF | | | 结合脑磁图(MEG)与脑电图(EEG)的研究表明，P3成分的边缘系统源网络包含压后皮层和海马结构

（说明：1. 采用"脑磁图"与"脑电图"的标准医学影像学术语；2. "limbic"译为"边缘系统"符合神经解剖学命名规范；3. "retrosplenial cortex"专业译名为"压后皮层"；4. 使用"成分"一词准确表达event-related potential中的P3波形特征；5. 通过"包含"的表述保持源网络(source network)概念的可扩展性） | Das, D. | PDF | | | 采用非靶向离子淌度谱-质谱联用技术于鳄鱼血液中发现新型全氟烷基物质

（翻译说明： 1. "Non-Targeted Ion Mobility Spectrometry-Mass Spectrometry" 采用专业术语译法，保留"非靶向"的技术特征 2. "Novel PFAS" 译为"新型全氟烷基物质"，其中： - "Novel" 译为"新型"而非简单译"新"，突出其创新性发现 - "PFAS" 采用全称"全氟烷基物质"（per- and polyfluoroalkyl substances），符合环境科学规范 3. 语序调整为中文习惯的"技术手段+研究发现"结构 4. 补充"联用技术"明确仪器方法特征 5. 使用"于...中"的学术表达替代简单介词结构 6. 保留"alligator"的准确物种译名"鳄鱼"，未泛化为"短吻鳄"等具体种属） | Boatman, A. K. | PDF | |

medRxiv

标题 作者 PDF链接 摘要
PDF
PDF