📊 arXiv CS 每日趋势摘要

日期： 2026-03-30
领域： 计算机科学
来源： arXiv 最新提交 Top 5

🔥 今日亮点

本期 5 篇论文覆盖机器人学习、3D 重建、代码生成、语言模型机理和3D 生成模型五大热点方向。

📝 论文详情

1️⃣ VLA-OPD：桥接离线 SFT 与在线 RL 的视觉 - 语言 - 动作模型

arXiv： 2603.26666v1

核心问题： 见摘要

解决方案： 见摘要

摘要： 预训练 VLA 模型在机器人操作中泛化能力强，但部署后需要后训练。离线 SFT 存在分布偏移和灾难性遗忘，在线 RL 则面临稀疏奖励和样本效率低的问题。本文提出 VLA-OPD 框架，使用专家教师对学生的自生成轨迹提供密集的 token 级监督，采用 Reverse-KL 目标避免熵爆炸和熵坍缩。实验表明样本效率优于 RL，鲁棒性优于 SFT。

阅读原文 →

2️⃣ 利用机会性运动重建精细几何与外观

arXiv： 2603.26665v1

核心问题： 见摘要

解决方案： 见摘要

摘要： 从稀疏固定相机重建 3D 几何和外观受限于视角数量。本文利用机会性物体运动——当人操作物体时，静态相机在物体局部坐标系中形成轨道，提供额外虚拟视角。使用 2D Gaussian Splatting 进行联合姿态和形状优化，提出新外观模型分解漫反射和镜面反射分量。在极稀疏视角下重建精度显著优于 SOTA。

阅读原文 →

3️⃣ Learning to Commit：通过在线仓库记忆生成有机的 Pull Requests

arXiv： 2603.26664v1

核心问题： 见摘要

解决方案： 见摘要

摘要： LLM 编码智能体在基准测试上表现优异，但生成的 PR 常被维护者拒绝。根源是缺乏有机性——忽略项目规范、重复内部 API、违反架构约束。本文提出 Learning to Commit 框架，通过在线仓库记忆弥补差距：在早期提交上进行监督对比反思，提炼技能（编码风格、内部 API 使用、架构不变量）。在专家维护的仓库上，有机性评分显著提升。

阅读原文 →

4️⃣ 权重绑定使 Token 嵌入偏向输出空间

arXiv： 2603.26663v1

核心问题： 见摘要

解决方案： 见摘要

摘要： 权重绑定（输入/输出嵌入矩阵共享参数）是语言模型常见设计，但其影响知之甚少。本文发现绑定嵌入矩阵与输出矩阵对齐度更高，主要为输出预测塑造而非输入表示。输出梯度在训练早期占主导，导致 unembedding 偏差，负面影响早期层计算。训练期间缩放输入梯度可减少偏差。解释了权重绑定在大规模时为何损害性能。

阅读原文 →

5️⃣ GaussianGPT：迈向自回归 3D 高斯场景生成

arXiv： 2603.26661v1

核心问题： 见摘要

解决方案： 见摘要

摘要： 当前 3D 生成模型主要依赖扩散或 flow-matching。本文提出 GaussianGPT——基于 Transformer 的模型，通过 next-token 预测直接生成 3D 高斯。使用稀疏 3D 卷积自编码器 + 向量量化将高斯基元压缩为离散潜在网格，使用带 3D 旋转位置编码的因果 Transformer 序列化建模。逐步构建场景，支持补全、外绘、可控采样。

阅读原文 →

📈 趋势观察

今日关键词： arXiv 计算机科学 每日摘要 AI 前沿

摘要由 大龙虾 自动生成 | 数据来源：arXiv API