arXiv:2607.21799v1 Announce Type: new Abstract: Large language model (LLM) agents increasingly perform commercial tasks that involve retrieving external content such as images and, where appropriate, reproducing that co…
这条 研究论文 信号说明，来自 arXiv cs.CL 的信息已经不只是单点新闻，而是值得放进产品、研究和行业判断里的趋势线索。
arXiv cs.CL 发布了这条关于 研究论文 的更新：arXiv:2607.21799v1 Announce Type: new Abstract: Large language model (LLM) agents increasingly perform commercial tasks that involve retrieving external content such as images and, where appropriate, reproducing that co…
这条动态属于 image_ai，值得关注其对 AI 产品、研发或产业应用的影响。
研究员、模型团队和技术战略负责人 应该重点关注这条信号，尤其是正在跟踪 research、papers、agents 的团队。
接下来观察这条信号是否出现开发者采用、竞品回应、研究复现、企业部署或政策/平台层面的后续动作。
我们推出了Oxygen-TryOn，一种统一的任意单品虚拟试穿基础模型。它不是简单改造通用图像编辑器，而是专为试衣打造，配备专门的数据引擎和针对试穿的训练方法。只需一张目标主体图像和一件或多件参考单品（无论是干净的产品图片还是穿着实拍），即可合成主体穿戴该单品的真实感图像，覆盖几乎所有时尚类别。相比以往只支持单一服装类别的模型，Oxygen-TryOn支持多样单品和场景，包括全身或半身、多参考、自由组合，多层面保持主体身份和商品外观。它将试穿任务重构为多参考、理解驱动的生成任务，通过规模化数据引擎采集和标注高质量数据，采用三阶段训练方案：持续预训练、监督微调和强化学习。强化学习结合内部试穿奖励模型与专有多任务模型，确保细节一致性和指令质量，支持同轮次姿态等编辑指令。公开和自研基准测试中，Oxygen-TryOn在单品和多品类虚拟试穿表现均超越主流专有及开源模型，达到最新一流水平。
大型视觉语言模型（LVLMs）虽具备强大的感知能力，但在视觉推理任务中仍存在弱点。现有基准测试多侧重符号数学、科学问题及简单视觉任务，难以评估复杂视觉推理与逻辑一致性。我们提出ConVBench基准测试，包含六类配对逻辑等价问题，涵盖动作与状态、复杂计数、空间推理、因果与意图理解、常识推理及时间感知。结合此测试，设计逻辑一致性和鲁棒准确度两项指标，共同评估答案的正确性与一致性。我们进一步研发ConVLM，采用基于集团相对策略优化（GRPO）的强化学习，融入一致性奖励，利用自动生成的逻辑等价问答对及准确率与一致性双重激励，推动模型回答保持一致。该框架可在有无严格答案监督条件下有效运行。
医学超声图像分割面临散斑噪声、低对比边界、声影及不同操作员和临床中心采集差异等挑战。本文提出了一种紧凑的分割框架——风险引导隐式边界细化（RIBR），利用隐式神经表示作为风险引导的残差校正，而非无约束的全掩码预测器，结合边界细化隐式残差、风险引导残差控制及几何与散斑感知边界正则化，有效细化不确定轮廓并抑制非边界振荡。在包含淋巴结、乳腺病灶、甲状腺结节和前列腺的九个超声数据集上，RIBR表现出最佳宏观平均性能和稳定降低边界误差，且参数量紧凑，展现了该方法在资源受限和边界敏感的超声分割中的实用性。源代码已公开。