不用调摩擦系数！接触感知神经动力学让仿真直通真实，成功率飙到73.7%
当机器人灵巧手在仿真里“摸”东西时，最大的谎言就是：接触跟真实世界差不多。这篇来自UC San Diego与Amazon FAR的新作，请来了Pieter Abbeel坐镇，把触觉接触信息直接变成神经动力学的条件信号，用大规模仿真预训练+少量真实数据微调，把灵巧操作里最难搞的“接触不连续”问题治得服服帖帖。MSE最低压到0.0058，任务成功率从52.6%飙
视觉与图像
共 793 篇
康奈尔新基准揭秘：GPT-4o看电影败在“看不见”
康奈尔大学CVPR 2026新作，用电影解说视频自动构建8231个问答对，提出无参考评估新范式。结果发现GPT-4o、Claude 3.5等顶级模型看电影，视觉几乎帮不上忙，纯靠字幕反而分更高，值得所有做多模态的人细品。
AFM图像又糊又慢？SPIDER自监督框架6倍加速3倍信噪比
论文由Sichen Pan和Simon Scheuring完成（通讯作者为Simon Scheuring），发表在Nature Communications上，提出了名为SPIDER（Scanning Probe Mic。
阿里千问&上交大新作：4K图像编辑只要61秒，纹理细节一个不丢
4K分辨率下改图，既要改得准、还要改得快、更要纹理细节不丢失，这可能吗？阿里千问与上海交大给出的答案是：61秒，一个细节都不少。
KAIST&MIT最新：无需训练！0.4秒搞定任意特征上采样，各项SOTA
不用训练、不用改模型，单张图优化不到半秒，就能把基础模型低分辨率特征放大成高分辨率特征，还在分割、深度、概率图上一口气刷到SOTA。想给视觉基础模型做“像素级复活”的同学，这篇绝对是宝藏基线。
哈佛开源2260万古籍插图，AI终于补上历史课
如果让一个从来没出过村的老学究，突然面对整个互联网的图片，他会怎么看世界？大概率是懵的。反过来，如果把全世界最聪明的AI模型扔进一座百年图书馆，让它只看一堆发黄的书页扫描件，它也会懵。
李飞飞参与，斯坦福&Google新作：让VLM当裁判，图像压缩更懂人眼
这篇论文把“谁来判断压缩图像好不好”这个老问题翻出了新花样。斯坦福和谷歌团队发现，Gemini 2.5-Flash这类通用视觉语言模型，竟然能零样本复现人眼的相似度判断，干脆把它请来当裁判，用偏好优化把扩散自编码器训得更懂人眼。结果在多个基准和上万次用户评测里直接干到第一梯队。想看看VLM怎么当评委、这条路能省多少人工标注成本？这篇值得一读。
MIT数学家破译高斯消元增长上限，稀疏奇迹破灭
一篇彻底改写数值分析教科书认知的硬核理论成果。作者证明了完全主元与车房主元下高斯消元增长因子的渐近量级为维度拟多项式，解开了自1940年代延续至今的著名开放问题；同时证明稀疏矩阵下部分主元依然可能指数爆炸，寻找最优行置换还是NP难问题。做科学计算底层和数值算法的读者，这篇值得精读。
以色列理工最新研究：游泳机器人最优步态，被庞特里亚金算明白了
想象一下在蜂蜜里游泳：你拼命划水，水却像胶水一样黏着你，一停就立刻静止。这就是低雷诺数世界里的真实日常。以色列理工学院这篇新论文，给经典的Purcell三连杆游泳机器人加了一个“大肚子”模型，再用庞特里亚金最大值原理，把“怎么扭最远、怎么扭最省力”的最优步态一次算明白了。
模拟存内计算秒变“猪队友”？北大港大出手：只调一个引导参数，扩散模型FID狂降75%！
模拟存内计算（CIM）部署扩散模型是低功耗生成的重要路径，但芯片非理想性会让引导信号悄悄“失真”。这篇北大港大合作的工作把失效通道定位到无分类器引导残差上，并给出免重训练、只改一个标量参数的优雅修复方案，在3个扩散模型上大幅恢复生成质量，值得所有关注AI芯片落地和扩散模型的读者一读。
CVPR 2026南大&字节新作：AI终于记住你会变的口味，个性化暴涨22.4%
你的AI助手能记住你三个月前说过"最近改喝零度可乐"这种小事吗？还能看出你最近压力大、回答时自动把语气调到安静模式？南京大学和字节跳动这篇CVPR 2026工作，把"长期记忆+动态人格对齐"做成了完整框架，在自建基准上把GPT-4o都赢了，值得一看。
Kimi-VL等三大模型实测：给注意力头"调薪"后，推理更靠谱了
多模态大模型“一本正经地胡说八道”是落地最大痛点之一。这篇CVPR 2026论文把幻觉拆成“感知偏差”和“推理漂移”两类，用不到1%的额外计算找到该加强的注意力头，平均提分4.2%且完全无需训练，插拔即用，值得所有做多模态推理的团队收藏。
