近年來，已有若干方法嘗試從單目視頻實現 3D 點跟蹤，然而由于在遮擋和復雜運動等挑戰性場景中難以準確估計 3D 信息，這些方法的性能仍難以滿足實際應用對高精度與魯棒性的要求。

基于此，蘇黎世聯邦理工學院、卡內基梅隆大學聯合提出首個數據驅動的多視角3D點追蹤方法，旨在利用多個相機視角對動態場景中的任意點進行追蹤。此方法的前饋式模型僅需少量相機即可直接預測 3D 對應點，從而實現魯棒且精確的在線追蹤。

論文鏈接：https://go.hyper.ai/2BSGR

最新 AI 論文：https://go.hyper.ai/hzChC

為了讓更多用戶了解學術界在人工智能領域的最新動態，HyperAI超神經官網（hyper.ai）現已上線「最新論文」板塊，每天都會更新 AI 前沿研究論文。以下是我們為大家推薦的 5 篇熱門 AI 論文，同時我們還為大家總結了論文架構的思維導圖，一起來速覽本周 AI 前沿成果吧 ??

本周論文推薦

1. Red Teaming Language Models to Reduce Harms: Methods, Scaling Behaviors, and Lessons Learned

本文介紹了在紅隊測試語言模型方面的早期探索工作，旨在同時發現、衡量并嘗試降低模型潛在的有害輸出。研究發現，隨著規模擴大，RLHF 模型的紅隊測試難度顯著增加，而其他模型類型則未表現出明顯的規模趨勢。本文還公開發布了包含 38,961 條紅隊攻擊樣本的數據集，并描述了紅隊測試所采用的指令設計、執行流程、統計方法以及相關不確定性因素。

論文鏈接 ： https://go.hyper.ai/j2U2u

不同模型的紅隊攻擊成功率

2. Multi-View 3D Point Tracking

本文提出了首個數據驅動的多視角 3D 點追蹤方法，旨在利用多個相機視角對動態場景中的任意點進行追蹤。該方法在 1 至 8 個視角、不同觀測角度以及 24 至 150 幀長度的多樣化視頻場景中均表現出良好的泛化能力。

論文鏈接 ： https://go.hyper.ai/2BSGR

模型流程圖

3. FusionProt: Fusing Sequence and Structural Information for Unified Protein Representation Learning

本文提出一種新型的蛋白質表示學習框架 FusionProt ，旨在同時學習蛋白質的一維序列與三維結構的統一表征。FusionProt 引入了一種創新的可學習融合標記，作為自適應橋梁，實現蛋白質語言模型與蛋白質三維結構圖之間的迭代信息交互。

論文鏈接： https://go.hyper.ai/rjbaU

模型預訓練架構圖

4. Why Language Models Hallucinate

本文提出語言模型產生幻覺的根本原因在于，其訓練與評估機制傾向于獎勵猜測行為，而非承認不確定性，進一步分析了現代訓練流程中導致幻覺的統計學根源。幻覺之所以持續存在，是因為在大多數評估方式中，語言模型被優化為“優秀的應試者”，在不確定時猜測反而能提升測試表現。這種對不確定回答的系統性懲罰，反映出當前主流但存在偏差的基準測試的評分方式應該予以修改，而非引入額外的幻覺評估指標。

論文鏈接 ： https://go.hyper.ai/7TIjt

語言模型的幻覺示例

5. CryptoScope: Utilizing Large Language Models for Automated Cryptographic Logic Vulnerability Detection

本文提出了一個基于 LLM 的自動化密碼學漏洞檢測新框架 CryptoScope，將思維鏈（CoT）提示技術與檢索增強生成（RAG）相結合，并依托一個經過精心整理的密碼學知識庫，該知識庫包含超過 12,000 條條目。

論文鏈接 ： https://go.hyper.ai/qkboy

模型架構圖

以上就是本周論文推薦的全部內容，更多 AI 前沿研究論文，詳見 hyper.ai 官網「最新論文」板塊。

下周再見！