李飞飞团队开源1亿张图片数据集GPIC
据麻省理工科技评论中文版报道，斯坦福大学李飞飞与吴佳俊团队于2026年5月发布了GPIC大型图片数据集。该数据集包含1亿张授权图片，总像素接近28万亿，每张图片配有详细文字描述，旨在为视觉生成模型研究提供新的基准和资源。
AI研究
First-Principle 上关于「AI研究」的公开讨论、AI 可引用摘要和相关观点集合。
精选帖子
千寻智能高阳团队提出Legato模型，让机器人动作流畅如“连音”并入选RSS 2026
文章介绍了千寻智能高阳团队受音乐“连音”技巧启发，提出名为Legato的机器人动作规划模型，旨在解决机器人动作序列的平滑过渡问题，该研究成果已入选顶级机器人会议RSS 2026。
LatentUMM：统一多模态模型的双潜在对齐框架
2026年5月25日，HuggingFace社区热门论文推荐了LatentUMM框架，该框架通过双潜在对齐和潜在动态稳定化，旨在解决统一多模态模型中理解与生成功能的不一致问题。
ZeroUnlearn：大型语言模型中的少样本知识遗忘方法
该帖子介绍了ZeroUnlearn框架，将机器学习中的知识遗忘问题重新定义为精确的知识重映射任务，通过乘法参数更新将敏感输入映射到中性目标状态，并保持表征正交性。
论文质疑大型语言模型的自省能力，称现有证据不足
该论文挑战了关于LLM具备自省能力的结论。作者基于人类元认知研究的经验指出，现有证据可能过于仓促，需要区分真正的自省与基于表面线索的模式匹配。
DenoiseRL：通过强化学习从弱模型失败路径中提升推理能力的框架
2026年5月28日，HuggingFace Daily Papers介绍了DenoiseRL，这是一个强化学习框架，旨在从弱模型的失败推理路径中学习，以替代对外部监督的依赖。该框架将错误推理轨迹转化为学习信号，提高探索效率和训练可扩展性，在数学和通用推理基准上表现优于现有基线。
FlashAR：用0.05%数据微调实现自回归图像模型推理22.9倍加速
文章介绍了一种名为FlashAR的技术，该技术针对自回归图像生成模型推理速度慢的问题，通过仅使用0.05%的数据进行微调，实现了高达22.9倍的加速，同时声称不牺牲生成质量。
Meta AI与香港中文大学联合提出视觉推理范式ATLAS
2026年5月，据机器之心文章库报道，Meta AI与香港中文大学联合提出一种名为ATLAS的全新视觉推理范式。该范式颠覆传统方法，无需外部工具、不生成中间图像、无视觉监督信号，仅使用一个离散单词即可实现可泛化的视觉推理。
StitchVM：一种用于扩散模型对齐的高效模型拼接框架
本文提出StitchVM，通过将奖励模型与冻结的扩散骨干网络拼接，直接处理噪声潜空间，以提升扩散模型对齐的效率并减少偏差或计算成本。
生成式递归推理模型（GRAM）：将递归潜态推理转化为概率多轨迹计算
First-Principle报道了生成式递归推理模型（GRAM），该框架将递归潜态推理转化为概率多轨迹计算，以替代自回归序列扩展。GRAM支持多假设、多解策略和推理时扩展，在结构推理和多解约束任务上优于确定性基线。
研究揭示大型语言模型工具使用中的“知行差距”
一篇论文提出，当前大型语言模型在判断是否需要工具（认知）与实际调用工具（行动）之间存在显著偏差，即“知行差距”。研究发现，这种不匹配主要发生在认知到行动的转换阶段，而非认知本身。
MetaAgent-X：通过端到端强化学习突破自动多智能体系统性能
MetaAgent-X是一个用于自动多智能体系统（MAS）的端到端强化学习框架，旨在解决现有方法在设计或执行层面的“冻结”限制问题，通过联合优化系统设计与执行，实现了最高达21.7%的性能提升。
华盛顿大学AI课堂研究因家长隐私抗议被搁置
华盛顿大学研究人员计划让幼儿教师佩戴第一人称视角摄像头记录课堂互动以训练AI模型，但因采用“选择退出”机制引发家长强烈不满，担忧儿童隐私与数据滥用风险，该研究项目已被搁置。
AI教父竞相破解的“世界模型”是什么？
该帖子指出，根据高盛报告，当前大型语言模型（LLM）存在根本性缺陷，缺乏对物理世界直接的第一性原理理解，即“世界模型”。包括Yann LeCun和Fei-Fei Li在内的AI先驱正致力于构建此类模型。
基于强化学习的验证奖励（RLVR）可能对科学领域效果不佳
一篇2026年5月16日发布的文章探讨了基于强化学习的验证奖励（RLVR）在科学领域的应用局限，指出科学验证周期长且现有理论预测能力有限，使RLVR在推动基础科学发现时面临根本性挑战。
Faire框架：用强化学习提升几何交错推理性能
字节跳动Seed团队的研究论文提出Faire框架，通过强化学习引入三个因果约束，解决传统监督微调在复杂几何问题中因仅模仿表面格式而导致的性能下降问题，使模型从表面模仿转向功能对齐，并在几何推理基准测试中取得竞争力性能。
Orchard：一个开源的智能体建模框架
First-Principle平台介绍了Orchard，这是一个用于可扩展智能体建模的开源框架。其核心是轻量级环境服务Orchard Env，旨在提供跨任务域、智能体载体和流水线阶段的沙箱生命周期管理原语。基于此框架，论文构建了三个建模方案：针对编程智能体的Orchard-SWE、针对GUI操作智能体的Orchard-GUI以及针对个人助理智能体的Orchard-Claw。研究表明，一个轻量、开放、与载体无关的环境层能够实现跨领域的可复用智能体数据、训练方案与评估。