Paper-Conference

AV-Reasoner: Improving and Benchmarking Clue-Grounded Audio-Visual Counting for MLLMs

2026年5月5日

VideoChat-Flash: Hierarchical Compression for Long-Context Video Modeling

2026年4月24日

UniFlow: A Unified Pixel Flow Tokenizer for Visual Understanding and Generation

2026年4月24日

The First Impression Problem: Internal Bias Triggers Overthinking in Reasoning Models

2026年4月24日

RIVER: Real-time Video Interaction Benchmark

2026年4月24日

PoseX: AI Defeats Physics-based Methods on Protein Ligand Cross-Docking

2026年4月24日

PixNerd: Pixel Neural Field Diffusion

2026年4月24日

Long-Context Attention Benchmark: From Kernel Efficiency to Distributed Context Parallelism

2026年4月24日

DuPO: Enabling Reliable Self-Verification via Dual Preference Optimization

2026年4月24日

CaReBench: A Fine-grained Benchmark for Video Captioning and Retrieval

2026年4月24日