北大、VGI Labs 等提出 DynStream：無位姿流式 4D 高斯重建框架
北京大學王選計算機研究所與 VGI Labs、UC Merced 聯合提出 DynStream，這是首個面向無位姿流式動態場景的大規模 4D 高斯前饋重建框架：輸入未提供相機位姿的 RGB 線上影片流，即可前饋輸出相機軌跡與持續更新的動態場景表示。方法按時間分塊做區域性重建，再借相對位姿預測與尺度因子把各塊聚合進統一世界座標系，併為高斯預測動態機率以分離動靜，聚合無需額外計算。
首次把無位姿流式動態場景的線上 4D 高斯前饋重建做成統一框架，免去逐場景最佳化即可處理最長 5km 影片，KITTI 軌跡誤差由數百米降到 40 米，對做線上重建、自動駕駛三維感知的研究者最有用。
原標題：北大、VGI Labs和加州大学联合提出DynStream：首个大规模无位姿流式动态场景的高斯前馈重建框架
閱讀原文
| 評分 | 64 / 68（平均 66，門檻 65） |
|---|---|
| 狀態 | 精選 |
相關報導
VAST 開源即時世界模型 EdenLive，單張 5090 跑 720P 超 24FPS
VAST 正式開源即時世界模型 EdenLive，同步開放模型權重、推理程式碼、技術報告與端到端 Demo。它把世界狀態交給上游互動系統維護，自身只做即時渲染：單張消費級 RTX 5090、720P 下，5B 模型生成速度超 24FPS，端到端延遲百毫秒級，可連續生成分鐘級畫面。模型接收參考畫面、目標首幀與提示詞三類輸入，支援寫實、二次元等畫風，可用於遊戲原型預覽、影片重渲染與具身資料增強；
何愷明團隊發布視覺原生 Harness 框架 VISTA
何愷明團隊提出視覺原生 Harness 框架 VISTA，讓現有多模態模型無需重新訓練，就能儲存原始畫面並在推理時按需回看、放大細節。VISTA 把環境返回的每幀畫面按回合號、幀號索引存到上下文之外，預設只向模型展示最後一幀，需要時用 inspect 工具調取歷史畫面。搭配該框架，Claude Opus 5.0 通關 ARC-AGI-3 全部 25 個公開遊戲，動作效率得分滿分 100，所用動作數比人類首次遊玩基線少 57.4%；
FlowMAS 用 GFlowNet 自動學習多智慧體架構，被 NeurIPS 2026 錄用
廈門大學 ASC 實驗室的 FlowMAS 被 NeurIPS 2026 錄用：它用生成流網路（GFlowNet）把多智慧體工作流拓撲的設計變成可學習的生成問題，讓 AI 自動學出團隊的排兵佈陣。方法引入好奇心驅動與資訊引導兩個模組，在搭建每一步給中間結構發過程性獎勵，後者用資訊理論衡量多路 AI 輸出的協同與冗餘。在 6 個基準、3 種模型底座上，它比手工設計平均高 8.17 分、比自動化方法高 6.12 分；
港科大等發布首篇自迴歸影片生成 Memory 綜述，110 頁
香港科技大學、香港城市大學、復旦、CMU、NYU、NTU 等機構聯合發布 110 頁綜述《The Past Frames the Future: Memory for Autoregressive Video Generation》，系統梳理自迴歸影片生成中的 Memory 機制。
港大 EgoWild2Dex 用 538.9 小時人類第一視角資料訓練機器人
香港大學 MMLab 提出 EgoWild2Dex，直接用 538.9 小時未經編排的人類第一視角資料訓練雙臂機器人，每個下游任務只需不到 1 小時真機資料，拆快遞、用熱熔膠槍固定手辦、製作冷飲等長時序任務平均成功率達 96.7%。方法核心是 GeoFormer 幾何變換模組，把晃動的人類視角對齊到機器人視角，處理速度比傳統投影加修復流程快 21.9 倍，再將人類、手套與真機資料統一到機器人動作空間做漸進式聯合訓練。