每日研究简报 2026-03-26

📄 arXiv 最新论文（Top 5）

1. UniGRPO: Unified Policy Optimization for Reasoning-Driven Visual Generation

• 统一文本与图像（自回归 + flow matching）的联合生成，提出统一策略优化方法 UniGRPO，用于推理驱动的视觉内容生成。
• 🔗 http://arxiv.org/abs/2603.23500v1

2. OccAny: Generalized Unconstrained Urban 3D Occupancy

• 突破现有 3D 占用预测依赖域内标注和精确传感器标定的瓶颈，提出泛化性更强的无约束城市场景 3D 占用预测。
• 🔗 http://arxiv.org/abs/2603.23502v1

3. Foveated Diffusion: Efficient Spatially Adaptive Image and Video Generation

• 借鉴人眼中央凹视觉机制，实现空间自适应的高效扩散/流匹配图像与视频生成，显著降低计算开销。
• 🔗 http://arxiv.org/abs/2603.23491v1

4. VISion On Request: Enhanced VLLM Efficiency with Sparse Dynamic Vision-Language Interactions

• 提出按需视觉交互机制，替代传统视觉 token 裁剪方法，在信息保真的前提下大幅提升 LVLM 推理效率。
• 🔗 http://arxiv.org/abs/2603.23495v1

5. AgentRVOS: Reasoning over Object Tracks for Zero-Shot Referring Video Object Segmentation

• 利用 MLLM 对目标轨迹进行推理，实现零样本的 referring video object segmentation，无需训练。
• 🔗 http://arxiv.org/abs/2603.23489v1

🔥 GitHub 热门项目（Top 5）

🗞️ HackerNews 热帖（Top 5）

1. [455pts/256c] A real time AI video agent with under 1 second of latency

• 实时 AI 视频对话 Agent，延迟 <1s，HN 上的现象级项目。
• 🔗 https://news.ycombinator.com/item?id=41710227

2. [32pts/18c] Why are so many rolling out their own AI/L…

📋 深读推荐