层级3D/6D姿态估计是实现全面3D场景理解的关键步骤，它将使机器人和具身人工智能领域广泛的应用成为可能。近期的研究探讨了从合成分析的角度来处理一系列2D和3D任务的神经网络网格模型。尽管这些方法在很大程度上增强了对抗部分遮挡和领域转移的鲁棒性，但它们在很大程度上依赖于3D标注来进行部分对比学习，这限制了它们只能应用于有限的类别，并阻碍了高效的扩展。在本工作中，我们提出了DINeMo，这是一种新的

本文提出了Multimodal RewardBench，一个用于评估视觉语言模型（VLM）奖励模型的综合专家标注基准，涵盖了六个领域，包括一般正确性、偏好、知识、推理、安全和视觉问答。

本论文通过对比DeepSeek-R1和OpenAI的o3-mini模型在安全性方面的表现，得出o3-mini在处理不安全提示时的安全性高于DeepSeek-R1。

准备各种数据驱动AI和机器学习模型所需的高质量数据集已经成为数据驱动分析中的基石任务。传统的数据发现方法通常将数据集整合到一个预先定义的质量度量标准，这可能导致下游任务的偏差。本文介绍了一种名为MODis的框架，该框架通过优化多个用户定义的、模型性能度量来发现数据集。给定一组数据源和一个模型，MODis会选择并整合数据源到一个天际线数据集中，在该数据集中，模型在所有性能度量上预期都将展现出期望的性