star
PulseAugur coverage of star — every cluster mentioning star across labs, papers, and developer communities, ranked by signal.
- 2026-05-22 research_milestone A new model for 3D perception in autonomous driving, STELLAR, has achieved state-of-the-art performance on the Waymo Open Dataset. 来源
3 天有情绪数据
-
Stellar框架增强多模态文档检索可扩展性
研究人员推出Stellar，一个旨在使多模态文档检索对自然语言查询（NLQ）系统更具可扩展性的新框架。当前方法通常使用多个token级嵌入，这会导致高内存使用并阻碍实际部署。Stellar通过存储token级文档嵌入在磁盘上，并仅将一部分加载到内存中进行交互来解决这个问题。它通过一个两部分系统实现：基于词汇表示的过滤（LRF）用于高效候选集缩减，以及高效的磁盘备份后期交互（DLI）用于优化磁盘上存储和嵌入的动态加载。实验表明，Stel…
-
新的STAR方法通过自适应奖励分配增强文本到图像生成
研究人员开发了一种名为时空自适应奖励（STAR）分配的新方法，以改进文本到图像生成模型。该技术通过在不同生成阶段动态地将奖励分配给图像的特定区域，解决了现有强化学习后训练方法中的粒度不匹配问题。通过专注于与用户提示直接对齐的内容，STAR增强了组合语义对齐和文本渲染能力。该方法使用Stable Diffusion 3.5 Medium进行了评估，并在GenEval、OCR文本渲染和PickScore等任务中显示出显著的改进。
-
PS-SR：新的AI方法以速度和细节提升视频分辨率
中国科学技术大学和智翔未来（Zhixiang Future）的研究人员开发了PS-SR，一种新颖的视频超分辨率技术，在速度和细节之间取得了平衡。该方法采用强大的基础模型进行初始结构恢复，然后使用轻量级的草稿模型进行细粒度细节增强。这种伪单步方法旨在提供高质量的视频放大，适用于大规模部署，解决了纹理清晰度、结构稳定性和帧间一致性等问题。
-
新的 STAR 方法通过结构感知子空间学习增强 MoE 路由
研究人员推出了一种新颖的混合专家（MoE）路由方法 STAR，该方法将路由视为一个结构感知的子空间学习问题。与使用有限线性投影的传统 MoE 方法不同，STAR 包含一个不断演变的principal子空间来跟踪主导输入结构，从而提高路由稳定性和专家专业化。该方法在语言和视觉任务上都表现出改进的性能，并且通过可选的测试时子空间更新具有进一步提高鲁棒性的潜力。
-
PS-SR框架提供快速、高质量的视频超分辨率
研究人员开发了PS-SR，一种新颖的“伪单步”视频超分辨率框架，可在速度和质量之间取得平衡。该方法使用强大的基础模型来处理初始全局结构，并使用轻量级的草稿模型来增强细节，其灵感来自推测性扩散技术。该方法已被CVPR 2026接收，并证明了其在增强CCTV春晚4K素材方面的有效性，以接近单步的速度实现了多步扩散的质量。
-
STELLAR框架通过AI增强物种分布建模
研究人员推出STELLAR，一个旨在通过解决时空动态和稀有物种不平衡问题来改进联合物种分布建模（JSDM）的新框架。STELLAR模型集成了图时空编码器、上下文锚定潜在对齐机制和不平衡感知解耦解码模块。使用eBird数据集进行的实验表明，STELLAR在预测稀有物种和理解物种相互作用方面显著优于现有方法。
-
新方法通过ANN知识蒸馏提高SNN性能
研究人员开发了一种名为STARS（Spike Tail-Aware Relational Synthesis）的新方法，通过从人工神经网络（ANN）蒸馏知识来提高脉冲神经网络（SNN）的性能。该技术解决了无数据知识蒸馏的挑战，即原始训练数据不可用。STARS通过保持跨样本关系一致性并正则化与阈值相关的尾部概率来增强现有方法，从而在基准数据集上取得显著的性能提升。
-
STELLAR模型通过3D数据融合推进自动驾驶感知
研究人员开发了STELLAR，一款用于自动驾驶3D感知的新型大型模型，通过扩展稀疏窗口Transformer来整合激光雷达、雷达、摄像头和地图数据。该模型在包含5000万个驾驶示例和多达5亿个参数的数据集上进行训练，并在Waymo Open Dataset上达到了新的最先进水平。研究表明，通过大型数据集和计算能力扩展模型是推进自动驾驶感知系统的可行途径。
-
星巴克因重组将裁员300人并关闭美国办事处
星巴克宣布计划裁员300人并关闭美国数个地区办事处，作为旨在恢复增长的成本削减战略的一部分。这些措施预计将产生约4亿美元的重组费用，包括遣散费和资产减值费用。另外，一家名为*ST准油的公司澄清，其无意注入算力资产，回应了投资者的猜测。该公司还指出，其财务业绩并未显著改善，主营业务仍为油田技术服务，油价波动影响运营成本。
-
ST Zhunyou Denies Plans to Inject Computing Power Assets
ST Zhunyou has issued a clarification regarding recent online speculation about injecting computing power assets. The company, its controlling shareholder, and actual controller have no plans to inject such assets. ST Z…
-
STAR框架通过LLM引导的时间学习提升少样本动作识别能力
研究人员开发了一个名为STAR（语义-时间自适应表示学习）的新框架，以改进视频中的少样本动作识别。该方法通过集成一个用于细粒度一致性的时间语义注意力机制和一个利用Mamba块的语义时间原型精炼器，来解决语义-时间失配和时间动态建模不足的问题。该框架还利用大型语言模型的时间依赖类别描述符提供长程语义指导，在多个基准测试中取得了显著的提升。
-
新的 STAR 框架通过故障感知路由改进多智能体推理
研究人员开发了 STAR（Spatio-Temporal Agent Router）框架，旨在改进多智能体系统在复杂推理任务中的导航能力。STAR 通过使用状态条件转换策略将智能体间的控制外部化，该策略不仅考虑简单的成功或失败，还考虑不同类型的执行故障。这使得系统能够根据具体的错误状态（如格式错误的输出或工具-查询不匹配）调整其路由策略，从而在各种基准测试和 LLM 上实现更好的恢复和性能。
-
A股公司面临退市风险，财务风险加剧
A股市场正加速清理“僵尸公司”，提升市场质量，大量上市公司面临退市风险。截至4月29日，已有65家公司在发布2025年年报后触发退市风险警示，主要原因是净利润、营收等财务指标。此外，有8家公司因重复触发退市风险警示而被终止上市。
-
新研究探讨大语言模型安全、效率和训练优化
研究人员正在开发新的方法来提高大语言模型（LLMs）的效率和安全性。一种名为“Widening the Gap”的方法利用了异常值注入来破坏LLM量化，证明安全风险已延伸到AWQ和GPTQ等先进量化技术。同时，其他研究则专注于通过自适应量化（XFP）、设备-边缘协作的推测解码（GELATO）以及高效的KV缓存管理（SparKV、Feather、Dooly）来优化LLM推理。此外，新的框架正在涌现，用于分析LLM推理的稳定性（Queue…
-
Lilian Weng 详解 YOLO 和 SSD 等快速目标检测模型
两篇新研究论文提出了新颖的目标检测方法。VFM4SDG 旨在通过使用冻结的视觉基础模型来维持跨域稳定性，从而改进单域泛化目标检测，解决天气和光照变化的问题。UHR-DETR 通过有效分配计算资源并整合全局和局部场景信息，解决了超高分辨率遥感图像中小目标检测的挑战。