标签
一项演示表明，Opus 5.5，一个AI模型，能够在零样本设置下生成令人印象深刻的SVG动画，突显其先进的生成能力。
GPT-6 Astra 通过模拟训练正在提升机械手的灵活性，实现了令人印象深刻的零样本精细操作能力，如转笔和解 Rubik's Cube，目标是将这些技能转移到现实世界。
MME-Safety 是一个经过严格验证的基准，用于评估多模态大语言模型的安全性，具有四维标注框架和一个分层框架，以评估风险场景、危害严重程度和特定模态的隐蔽性水平。
本文介绍了SVEET，一个用于高质量流式视频编辑的框架，它利用预训练的视频扩散模型，实现自动回归编辑，并在单个GPU上实现实时性能。
Brett Adcock 发布了一段视频，展示机器人在30个租赁房屋中执行零样本任务，突显其真实世界应用能力。
本文探索使用LLM构建自适应物理AI代理，以零样本方式管理长周期任务，并展示与强化学习代理相比，它们能有效适应环境变化。
HarnessVLN是一个零样本、无需训练的实体导航框架，通过统一工具接口整合了感知、检索、定位、导航、恢复和终止功能，在R2R和RxR等基准测试中达到了最先进的结果。
IBM 发布了 Granite Time Series PatchTST-FM-r2 模型，这是一个 385M 参数的基础模型，用于零样时间序列预测，在 GIFT-Eval 基准测试中表现顶尖，并采用商业友好的 Apache 2.0 许可。
Show-Harness是一种方法，它使视觉语言模型能够通过离散的语义动作来控制机器人，实现零样本部署和跨不同机器人与GUI的高效微调。
ZipDepth 是一种轻量级零样本单目深度估计模型，实现了最佳精度-效率权衡，可在从手机到服务器GPU的任何设备上实时运行，并已被ECCV 2026接受。
本文介绍了GE-Act 2.0，这是一个从头预训练的世界-动作模型，旨在实现可扩展的零样本机器人操作，提升在多样化任务和条件下的成功率。
TC-Next 是一个多模态深度学习模型，利用基础模型预报和卫星图像进行零样本热带气旋路径和强度预测，相比传统追踪器显示出显著的误差降低。
SCX Router 引入了一个基于GLiClass的轻量级模型选择工具，该工具使用解码器-KV分类器和任务本体来路由LLM任务，优化速度、成本和质量，无需自回归生成。
谷歌推出了TimesFM-3，这是一种最先进的零样本基础模型，专为多变量时间序列预测设计，可在单次前向传播中处理多个目标和协变量，无需进行微调。
TontaubeV1 是一个开放权重的语音合成模型，专为本地长篇生成发布，支持英语和德语，具备零样本语音克隆功能，并可在 GPU 上实现低延迟推理。
J-Zero是一个从零数据共同进化挑战者、求解者和评判者模型的统一框架，使语言模型能够在可验证和不可验证领域实现自我改进，性能超越基线。
论文介绍了VietAIDetector，这是一个开源的零样本工具，用于检测越南语AI生成文本，具有Gradio网络界面和优于现有方法的性能。
分享了一种技术，使用Segment Anything Model (SAM)无需提示即可分割图像，通过利用显微镜图像之间的相似性，实现类似于视频的零样掩码传播。