📰 每日研究简报 2026-04-04

数据来源：arXiv RSS（cs.CV / cs.LG / eess.AS）、GitHub 热门项目、HackerNews 热帖

📄 arXiv 最新论文（计算机视觉 / 大模型 / AI / 音视频）

1. DOne: 设计到代码生成的高保真解耦框架

• 方向：计算机视觉 · VLM · UI生成
• 摘要：提出 DOne 框架，将结构理解与元素渲染解耦，解决 VLMs 在 Design-to-Code 生成中的"整体瓶颈"问题。引入学习到的布局分割模块、专用混合元素检索器和模式引导生成范式。在 HiFi2Code 基准上，GPT Score 提升超 10%。
• 链接：https://arxiv.org/abs/2604.01226

2. Test-Time Scaling Makes Overtraining Compute-Optimal

• 方向：大语言模型 · 缩放定律 · 推理优化
• 摘要：提出 Train-to-Test (T²) 缩放定律，联合优化模型大小、训练 tokens 和推理采样数量。在固定端到端预算下，发现最优预训练决策会大幅转向"过度训练" regime。在 8 个下游任务上验证，证实过度训练模型性能显著更强。
• 链接：https://arxiv.org/abs/2604.01411

3. UniRecGen: 统一多视角 3D 重建与生成

• 方向：计算机视觉 · 3D重建 · 扩散模型
• 摘要：UniRecGen 将前馈重建与扩散生成统一到单一协作系统。通过在共享规范空间中对齐两个模型，采用解耦协作学习，在稀疏视图下实现高保真 3D 建模。
• 链接：https://arxiv.org/abs/2604.01479

4. T5Gemma-TTS: 编码器-解码器 Codec 语言模型

• 方向：音视频处理 · TTS · 语音克隆
• 摘要：T5Gemma-TTS 是编码器-解码器架构的 Codec 语言模型，通过跨注意力在每层解码器保持持久文本条件。训练 17 万小时多语言语音，在日语上speaker similarity 显著超越 XTTSv2。支持中英日三国语言。
• 链接：https://arxiv.org/abs/2604.01760

5. DySCo: 动态语义压缩用于长期时间序列预测

• 方向：大语言模型 · 时间序列 · 预测
• 摘要：DySCo 提出动态语义压缩框架，包含熵引导动态采样和分层频率增强分解。在保持计算成本降低的同时，显著提升主流模型捕捉长期相关性的能力。
• 链接：https://arxiv.org/abs/2604.01261

🐙 GitHub 热门项目

1. AutoGPT

• ⭐ Stars：183,116
• 简介：AutoGPT 的愿景是让每个人都能使用和构建可访问的 AI。其使命是提供工具，让人们专注于重要的事情。
• 链接：https://github.com/Significant-Gravitas/AutoGPT

2. Transformers (Hugging Face)

• ⭐ Stars：158,753
• 简介：🤗 Transformers 是用于文本、视觉、音频和多模态模型的最先进机器学习模型的框架，支持推理和训练。
• 链接：https://github.com/huggingface/transformers

3. OpenCV

• ⭐ Stars：86,904
• 简介：开源计算机视觉库
• 链接：https://github.com/opencv/opencv

4. Text Generation WebUI

• ⭐ Stars：46,389
• 简介：原始本地 LLM 界面。支持文本、视觉、工具调用、训练等。100% 离线运行。
• 链接：https://github.com/oobabooga/text-generation-webui

5. LocalAI

• ⭐ Stars：44,833
• 简介：开源 AI 引擎。在任何硬件上运行任何模型——LLM、视觉、语音、图像、视频。无需 GPU。
• 链接：https://github.com/mudler/LocalAI

📱 HackerNews 热帖

1. Ask HN: 为什么很多人都在自建 AI/LLM Agent 沙箱方案？

• 热度：32 points · 18 comments
• 简介：作者观察到很多人用 Docker/VM、firejail/bubblewrap 或脚本来隔离 AI 编程代理（Claude Code 等）的文件或网络访问权限。好奇是什么需求让大家自己动手，理想的"够用"标准是什么？
• 链接：https://news.ycombinator.com/item?id=46699324

2. Show HN: Mirror AI - 能执行操作的 LLM Agent

• 热度：5 points · 4 comments
• 简介：Mirror AI 是一个跨平台桌面应用，区别于传统聊天机器人仅回复文本，它可以执行终端命令、操作文件、调用 API、发送邮件/消息、创建日历事件、查询数据库等操作。通过 MCP 协议可扩展。
• 链接：https://themirrorai.com

3. Practical tips to optimize documentation for LLMs, AI agents, and chatbots

• 热度：4 points
• 简介：优化文档以适配 LLM 和 AI Agent 的实用技巧指南。
• 链接：https://biel.ai/blog/optimizing-docs-for-ai-agents-complete-guide

4. Bending Emacs Episode 10: AI / LLM agent-shell [video]

• 热度：2 points
• 简介：Emacs 集成 AI/LLM Agent Shell 的第 10 期视频。
• 链接：https://www.youtube.com/watch?v=R2Ucr3amgGg

5. Awesome-Agent-Learning – 构建 AI/LLM Agent 的精选资源

• 热度：2 points
• 简介：精选的 AI/LLM Agent 学习资源合集。
• 链接：https://github.com/artnitolog/awesome-agent-learning

📚 深读推荐

📊 本次调用消耗：input_tokens: 52，output_tokens: 81，total_tokens: 133