哈佛最新开源：147万份百年报纸，榨出163亿token公共数据集
这可能是今年最"考古"的AI基础设施工作：哈佛联手波士顿公共图书馆，把1795到1930年的147万份报纸扫描件，变成163亿token的干净文本。更难得的是，整套流水线设计成工作站级硬件就能跑，租服务器全程只要约2.5万美元——相比云端OCR动辄几十万美元的报价，这性价比简直离谱。对做数据工程、LLM预训练和数字人文的人来说，这篇值得细读。
视觉与图像
共 793 篇
告别从零训练：ADEPT预训练范式解锁全自由度灵巧操作
人类觉得"闭着眼都能做"的插拔动作，对机器人来说，却是灵巧操作领域最硬的骨头之一。尤其是当机器人换上一只仿人五指手，光是"让五根手指协调起来把东西捏稳、转正、再对准插进去"这一套动作，就足够让无数强化学习训练曲线原地去世。
斯坦福北大联手，QWM让Q学习用上世界模型，操作成功率大幅飙升！
世界模型和Q学习还能这么玩？斯坦福北大团队提出的QWM，把世界模型当成“预言家”，只做测试时搜索，不让模型误差污染训练，操作成功率全面飙升。继7月末聊过ActSWM这类JEPA世界模型的规划玩法后，本期这篇把Q学习和世界模型的结合推到了一个新高度。
浙大首发NGS-Marker：3DGS防“拆件盗用”新解法，局部水印解码准确率99%！
3DGS资产正在被“拆零件拼装”式盗用，而现有的渲染级水印在这种局部侵权下几乎集体失灵。浙大这篇NGS-Marker直接对高斯原语下手，任意抠一块都能验明正身，局部侵权场景下解码准确率冲到99%以上，是3D资产版权保护里少见的真痛点工作。
LVLM遇模态缺失就“趴窝”？TTSD-FAR用0.629%参数把F1从0.48救回0.51
传感器掉线、字幕丢失、画面损坏……LVLM一遇模态缺失就肉眼可见地“降智”。这篇TTSD-FAR偏偏只更新0.629%的参数，就把50%文本缺失下的F1从趴窝的0.4785拉回0.5124，还顺手解决了持续适应的漂移问题。方法不算复杂，思路非常实用，值得所有做多模态落地的朋友读一读。
南大最新单图重拍SOTA：换机位拉焦距调色温一次搞定
一张照片拍完就定型了？南京大学最新研究告诉你：换视角、拉焦距、调色温、改曝光，一张图就能“重拍”出各种效果，还跟真重新拍过一样。首个统一框架ReX-Shot，直接把单图三要素控制一次搞定。
澳门大学最新研究：对抗攻击1步就能防，白盒PSNR暴涨15dB
学习型图像压缩（LIC）性能虽猛，却怕对抗攻击——像素上加点人眼看不见的噪声，码率直接爆炸、画质稀碎。这篇澳门大学与南洋理工的最新研究发现了个反直觉的规律：攻破LIC要几百步，修复却只要1步！基于此提出的FTTR框架，在白盒攻击下把PSNR拉高近15dB，码率暴降6+。值得一读。
斯坦福&MIT新作：VR采集75小时仿真数据，灵巧手五项真机任务全解锁
如果说机械臂是机器人的“手臂”，那灵巧手就是它的“指尖”——能抓鸡蛋、玩叠叠乐、拧瓶盖的那种指尖。但灵巧操作一直是机器人领域的老大难问题：机械臂在工厂里已经干了几十年活了，灵巧手却还在实验室里“装婴儿”。为啥？
图像生成｜统一协议揭秘：SAG局部称王，FLUX.2上替代法全输CFG
CFG的八种免训练替代方法，真的比原版CFG更香吗？这篇论文在统一协议下，用组合对齐基准在SD3.5 Medium和FLUX.2 klein上实测，结论相当扎心：没有一个方法能全面胜出，CFG依然是性价比之王。想知道哪些方法在哪些指标上偷偷涨了点？这篇评测给你答案。
机器人也学会“先想后做”？τ₀-VLA用世界模型引导测试时计算，长时程任务成功率45%
当大模型学会“思考”后，机器人也该学学“先想后做”了。本论文把大模型里的测试时计算扩展到了机器人子任务规划中，用世界模型预测、价值模型评分、束搜索择优，让机器人在面对长时程任务时不再“走一步算一步”。四项真实世界长时程任务平均成功率45%，值得所有做机器人决策的朋友读一读。
告别偏科！DeepMind视频模型首次兼顾动作与结构双能力
视频模型看懂动作却丢了空间结构，图像模型擅长几何却不懂运动——DeepMind用一套循环掩码自编码器RVM把两边的好处全占了，只靠像素重构损失，小模型还不需要蒸馏，参数效率最高领先30倍。这事儿有点意思，值得花三分钟读一读。
斯坦福新作：机器人操作提速2.4倍，成功率还不掉
斯坦福Chelsea Finn团队的新作。机器人操作策略学会了但跑得慢，这工作直接给模仿学习加装一个强化学习训练的速度策略，不采新数据、不动原策略，在倒水、投掷等动态任务上提速超2.4倍，思路轻巧、实验扎实，值得一读。
