港大清华开源XPolicyLab：42个机器人策略一套接口打通，集成效率提升10倍
机器人领域最缺的不是新模型，而是让模型跑起来的"标准化插头"。港大MMLab与清华联合开源的XPolicyLab，把N个策略连M个环境的成本从O(NM)压到O(N+M)，实测集成时间从5小时干到30分钟，是真实工程痛点的一记重拳。
视觉与图像
共 717 篇
北大阿里最新：两步视频生成新范式DUET，质量追平DMD、多样性翻倍！
两步视频生成一直面临“要质量还是要多样性”的取舍难题。北大、阿里与清华联手提出的DUET，干脆让sCM和DMD两位专家按噪声级分工，高噪声步管结构多样性，低噪声步管细节质量，实验显示多样性比DMD翻倍、质量还追平了DMD。思路简单到让人拍大腿，效果却相当能打。
中科院新作：视频大模型幻觉克星VADER，EventHallusion飙至72.6%
视频大模型对着画面侃侃而谈，却常常“睁眼说瞎话”？中科院团队提出VADER，一个纯推理期干预的训练无关框架，让LLaVA-Video-7B在EventHallusion上飙到72.60%，还顺手超越了依赖额外训练的TPO与RRPO。不微调也能这么能打，值得一读。
CVPR 2026最佳论文！Google DeepMind新作D4RT：动态4D重建效率吊打各路大神，2
Google DeepMind把动态4D重建做成了"点单式"服务：一段视频编码一次，任何时间、任何空间位置的3D坐标随查随到。200+FPS位姿估计、18-300倍跟踪提速，CVPR 2026最佳论文的含金量，龙哥带大家一探究竟。
磁粒子成像超分新作：德国宇航中心零样本重建，PSNR提升16%
磁粒子成像（MPI）是很有前景的医学影像模态，但分辨率被系统矩阵的粗糙网格卡死，想提分辨率就得重新做几小时甚至更久的标定扫描。这篇论文把超分辨率直接揉进PnP重建框架，用预训练去噪器零样本干活，不训练不微调，在合成和真实数据上都把分辨率提上去了，思路非常实用。
告别手动标注！CVPR 2026论文提出PPD，让SAM提示词越战越准
为什么值得读？CVPR 2026最佳论文荣誉提名作品，把“攻击-防御”对抗博弈引入SAM提示词优化——用攻击者主动制造干扰，逼出能抗干扰的提示词优化器，全程无需下游任务标注，即插即用，医学图像上最多涨超15个百分点。思路清奇，值得一看。
小米ACM MM 2026新作：图像修复告别"一刀切"，像素级引导涨1.51dB
大伙儿平时用手机拍照，有没有遇到过这种场景：明明窗外阳光正好，拍出来的照片却一半清晰一半糊，或者人脸是清楚的，背景却蒙了一层雾。这时候大多数修复算法会怎么做？
SPINN跨入李群时代：水下机器人导航成功率65%→90%
水下机器人在港口干活，洋流、缆绳、尾波全是不讲道理的随机扰动。这篇论文把随机物理信息神经网络搬上李群，用欧拉-庞加莱动力学做骨架，让模型既懂物理又懂几何，仿真到实测一步到位，把MPPI导航成功率从65%拉到90%，是随机动力学建模难得的完整落地案例。
CVPR 2026开源！MoCoDiff让长程运动告别漂移，风格控制刷新SOTA
运动生成界的“解耦大师”来了！MoCoDiff把文本、风格、历史信息拆成独立控制通道，在冻结扩散骨干上即插即用，长序列不漂移、风格不串味，效率还直接冲到136.89 FPS——动画师看了想点赞，研究者看了想复现。
英意团队新研究：触屏遥操作耗时直降53.5%，比拼摇杆更精准
摇杆遥操作机器人一直是“手残党劝退”重灾区：按钮全靠背，速度控制全凭手感。这篇论文直接把手指滑动变成机械臂运动，20人跨国实测完成时间直降53.5%，认知负荷也压了下来。想少练“手劲”的核工业接班人，值得一看。
Meta最新研究：LLM Agent让用户一句话重塑信息流，反感内容直降2.74%
Meta在RecSys 2026上放了颗实弹：用LLM Agent把推荐系统从"被动猜你喜欢"变成"用户实时说了算"。三层架构干净利落，离线准确率98.85%，线上A/B负面反馈同时下降，是目前少见的工业级对话推荐实战样本，搞推荐的同学值得一读。
最新FDIR：压缩图恢复不再纠结，3.5K训练图拿下7/10下游任务
JPEG一压狠了，画面就糊成一团。传统方法要么回归均值磨平纹理，要么生成式模型脑补纹理骗过人眼却坑了下游模型。FDIR用两阶段解耦把这笔“三角债”理清了，只用3.5K张图就拿下7/10下游任务领先，值得做压缩恢复的同学都看一眼。
