先用站内已采集内容作答；站内不足时联网检索，每条结论都给出来源链接
10 条 · 点击可看原文全文与中文译文
KODA 提出将人类第一视角 RGB 演示转换为类人机器人全身 VLA 训练数据的方法：用稀疏追踪与采样优化生成经仿真校验的规范全身轨迹，据此合成机器人视角观测，并为不同控制器生成状态-动作监督。在 Unitree G1 四项任务上，机器人数据不变时未见条件成功率提升约 45 个百分点，降低了对昂贵机器人演示的依赖。
该研究将多模态对比学习框架用于脑电想象语音解码，把EEG信号与冻结文本编码器的语言表征在嵌入空间中对齐，在Chisco数据集39类意图上取得与闭集分类器相当的性能，并支持相似度检索、可靠性排序与语义结构评估，为自然化脑机接口提供新路径。
针对联合音视频生成模型在多事件、多层音频混合及非对称跨模态关系下评估失效的问题，提出以事件为中心的一致性评估框架，将音视频事件解耦并逐事件交叉验证，聚合为粗到细三级指标，并实例化为可训练奖励模型AVC-Reward，与人类判断对齐度达SOTA，还能作为在线强化学习信号提升生成一致性。
论文提出互补表征设计原则，将折线图与归一化延迟嵌入两种视图结合，分别保留绝对测量与时间结构，经视觉编码器融合进语言模型。在TSRBench上准确率从44.5%提升至53.2%，显著超越专用基线36.7%，为通用时序语言模型提供有效设计思路。
GeoState 提出视角解耦的几何表示，将场景状态演化与相机观测分离：场景分词器把多视角几何基础模型特征聚合为解耦场景状态，几何解码器按相机射线查询，自回归世界模型预测未来状态并单独建模相机运动。在 Waymo 上超越既有 3D 世界模型，支持跨视角一致查询并零样本泛化到 KITTI 和 nuScenes。
SUPRA-TEX 提出解耦可见材质估计、表面对齐与观测引导补全的单图3D生成方法，用MLLM编辑模型预测PBR贴图并投影为原生观测潜变量，再由交错流Transformer补全未观测区域，实现所见即所得的高保真纹理，仅用公开数据即达SOTA。
提出 OmniVerifier-C1，将传统二值视觉验证器改为自动分解复杂提示或规则并逐项打分的分级验证器，配合解耦强化学习训练，在文生图与 Maze、Sudoku 等规则化世界建模任务上优于二值验证器，为世界建模智能体提供更可靠的连续评判信号。
Google Research 提出 Cappy，一个仅 3.6 亿参数的轻量评分器，基于 RoBERTa 持续预训练。它接收指令与候选回答并输出 0-1 正确性分数，可独立完成分类任务，也可作为辅助组件提升多任务大模型表现。无需微调大模型、无需反向传播、无需访问其参数，即可实现下游监督，兼容闭源 WebAPI 模型，显著降低存储与显存开销。
提出基于记忆的主动机器人框架，用程序化辅助记忆（PAM）以有限状态机记录活动阶段与辅助规则，VLM 任务预测器结合当前观察决定何时辅助及执行何种任务，VLA 执行器完成任务，反思 VLM 每日更新记忆无需重训。5 天桌面辅助实验中精度、召回与 F1 持续提升，首次触发延迟从 5 秒降至 1 秒。
现有资料不足以回答「alignment」这一宽泛问题——资料中没有任何一条对 alignment（对齐）概念本身作出定义或综述，各条目只是在具体任务中使用了「对齐」一词。以下是资料中能确认的与「对齐」相关的部分： 1. 运动学与观测数据的对齐（机器人学习）
2. 跨模态语义对齐（脑电解码）
3. 音视频一致性中的细粒度属性对齐
4. 验证器中的全局对齐评分
5. 3D 生成中的表面对齐
6. 视角解耦（与「对齐」相反方向的思路）
如果你指的是 AI 安全/价值对齐（RLHF、偏好对齐等），上述资料均未涉及，需要补充资料。