论文分享

人工智能顶会ICLR 2026论文分享｜Ctrl-World：让机器人策略在想象空间中完成评估与改进机器人学习领域一直有个核心难题，如何在不依赖大量真实机器人rollout的情况下，判断通用机器人策略是否真正理解了指令，并进一步利用这些经验提升策略在陌生物体和新任务上的表现。真实世界中的策略评估通常需要反复执行任务，研究者不仅要准备不同的物体、场景和相机位置，还需要通过多次实验获得具有统计意义的结果。当策略在某类任务上失败时，后续改进往往还需要重新采集专家示范数据。这个过程成本较高，也限制了通用机器人策略的迭代速度。近期，来自斯坦福大学和清华大学的研究团队在ICLR 2026上提出Ctrl-World，

【arXiv 2025】开源视频生成大模型 Wan 2.1｜从视频生成开源基座视角本文解读 arXiv 2025 论文《Wan: Open and Advanced Large-Scale Video Generative Models》。该论文提出Wan 2.1 开源视频生成大模型，通过融合DiT 架构、Flow Matching 训练与Wan-VAE 时空压缩，以 14B 旗舰 + 1.3B 消费级双规模覆盖 8 大生成任务，其特别之处在于全栈开源（代码 + 权重 + 数据管线 + 评测工具）并首个支持视频内中英双语文字生成。实验表明 Wan 14B 在 VBench 总分 86.

[论文阅读] (37)CCS21 DeepAID：基于深度学习的异常检测（解释）祝大家新春快乐，蛇年吉祥！《娜璋带你读论文》系列主要是督促自己阅读优秀论文及听取学术讲座，并分享给大家，希望您喜欢。由于作者的英文水平和学术能力不高，需要不断提升，所以还请大家批评指正，非常欢迎大家给我留言评论，学术路上期待与您前行，加油。

联邦学习系统攻击与防御技术联邦学习作为一种使用分布式训练数据集构建机器学习模型的新兴技术，可有效解决不同数据用户之间因联合建模而导致的本地数据隐私泄露问题，从而被广泛应用于多个领域并得到迅速发展。然而，现有的联邦学习系统已被证实在数据收集阶段、训练阶段和推理阶段都存在潜在威胁，危及数据的隐私性和系统的鲁棒性。本文从安全威胁和隐私威胁两类潜在威胁入手，围绕机密性、完整性和可用性（CIA 三元组）给出了联邦学习场景中安全属性的详细定义，并对联邦学习中各类攻击方式和防御手段进行了系统全面综述。

我是有底线的