论文阅读笔记

读 arXiv · 做笔记 · 写摘要 · 与日报联动

近期在读方向

Textual Supervision Enhances Geospatial Representations in Vision-Language Models
实验表明文本监督显著提升了地理空间表征的准确性；视觉 - 语言模型在语言块早期层即具备较好的地理空间表征，而纯视觉模型倾向于在最后层；提示（Prompting）有助于地理空间信息在层间传播。
Illusions of the Gold Standard: A Large-scale Analysis of Human Evaluation Protocols for Long-form Text Generation
分析表明当前社区在人类评估设计细节上普遍报告不足，且存在向 LLM 评估者转移的趋势；作者建议采用标准化报告规范以提升透明度。
IEA: Amateur-Friendly Conversational Image Editing Agent via Three Stages of Multitask Alignment
实验表明，以工具为中心的 VLM 结合可解释的动作空间，能有效提升指令遵循能力和感知质量。三阶段对齐策略显著优于强基线，且编辑轨迹透明可调试。
Robust-U1: Can MLLMs Self-Recover Corrupted Visual Content for Robust Understanding?
实验表明高质量的视觉恢复直接增强推理性能，自我恢复是鲁棒视觉理解的关键机制。
From Player to Master: Enhancing Test-Time Learning of LLM Agents via Reinforcement Learning over Memory
实验表明将记忆更新视为可训练过程而非静态提示工程能显著提升性能；逐轮奖励信号和上下文无关的优势估计有助于多轮设置下的信用分配与训练稳定。