中南财大首个SNN全能修图：31.6dB媲美ANN，能耗仅1/5
脉冲神经网络历来以“省电”闻名，可让它直接处理静态RGB图，就像让旱鸭子下水——有点为难它。中南财大等机构这次直接把SNN拉进全能图像修复赛道：性能追平ANN，能耗只有人家的五分之一，16.8mJ就能搞定一整套修复流程。
视觉与图像
共 717 篇
中科大DAVET：扩散视觉语言模型按需“喂”视觉证据，平均提速1.55倍
扩散视觉语言模型快不起来，根子在于每一步去噪都在反复“看重”同一批视觉token。中科大这个DAVET直接把“视觉证据何时给、给多少”当作资源分配问题来做，不训练不微调，平均提速1.55倍、质量仅掉1.86%，思路相当实用。
热那亚大学最新研究：轻量分割提精度不靠骨干，靠解码器？
大家都在卷骨干网络，可热那亚大学这篇论文偏偏告诉你：轻量分割模型的涨点空间其实藏在被忽视的分割头里。本文系统对比三种解码器模块、验证多任务层次分解的有效性，参数量比基线少约40%，加权精度反而从91.2%涨到92.8%。把解码器这口“冷饭”炒出了新味道，值得一读。
告别脏数据！亚马逊开源Data Turnstile，让0.6B模型逼近7倍大模型
这篇论文切中了AI智能体落地的一个真痛点：小模型工具调用能力弱，但可靠数据既贵又脏。Data Turnstile把整段对话拆成带校验的角色化有向无环图，用开源权重模型就能批量产出高质量函数调用数据。0.6B微调后BFCL直逼7倍大的Qwen3-4B，多轮电信任务1.7B直接超越32B——数据质量对小模型而言，就是胜负手。
鲁汶大学最新研究：超表面让波前“弯”一下，近场MIMO信道直接分开
鲁汶大学Caloz团队用超表面把波前“掰弯”，近场MIMO用户信道相关性从接近1直接打到0.1，频谱效率和有效秩同步起飞。6G近场通信的电磁调控新思路，做天线和做算法的都值得一看。
IEEE BigData 2025：CEMD跨域迁移，让胆囊分割暴涨27%还能提速3倍
在医学影像分割的同类探索里，这篇把手伸向了更硬核的跨手术域迁移：胆囊手术学到的东西，能不能直接帮直肠手术做分割？CEMD架构给出的答案是——不仅能用，胆囊类分割还暴涨27%，收敛还快3倍，值得一读。
清华自进化新框架：让机器人学会自己找“坑”，失败率狂降67%！
机器人训练有个“鬼打墙”现象：数据越采越多，失败率却纹丝不动。清华这篇工作直接告诉机器人“哪里不行补哪里”——用一个轻量关键性模型引导数据采集，失败率最高降67%，还顺手解决了VLA微调的平台期问题。思路极简，效果很硬，值得一读。
多目标决策太难？这只"狐猴"从人类偏好中学会平衡的艺术
现实世界的决策总在多个目标之间为难：既要跑得快，又要省电；既要安全，又要高效。当奖励函数难以定义时，多目标强化学习该何去何从？LEMUR给出了一个优雅的答案，在多个连续控制任务上全面超越既有方法，逼近全知Oracle的性能表现。
清华TacWAM：触觉卷进世界模型，机器人操控成功率飙升37.5%
继2026年6月聊过物理对称性硬编码的世界模型、7月聊过北大DWM之后，这期看点更有“手感”的：清华TacWAM直接把触觉卷进世界动作模型，四大接触丰富任务平均成功率75%，比最强基线高出37.5个百分点。想看懂机械手怎么“摸”东西，这篇别错过。
遥感分割只盯一张图？中南大学：要学会按需查资料
农田分割遇到难题，让模型再强十倍也可能白搭——关键证据压根不在当前图像里。中南大学这篇FarmSeeker，把分割从“图内思考”拉到“图外思考”，按需查时空影像，把模糊地块查得明明白白。跨11国测试，比一堆老牌方法都稳，值得一看。
高光谱分类破局者：青岛理工最新MSCM-net，0.2M参数实现94.35%精度
高光谱分类就像拿着“放大镜”找茬：CNN只看得到眼前一亩三分地，Transformer倒是看得远，但算力账单吓人。青岛理工团队把多尺度CNN和Mamba塞进一个框架，0.2M参数直接干到94.35%精度，这波混搭真有东西。
W4A4仅掉0.2分！复旦把世界模型量化整明白了
世界行动模型（WAM）又重又慢，部署到机器人上量化是必经之路。但现有PTQ方法在WAM上集体翻车。复旦这篇QuantWAMs，从结构、分布、目标三个维度重新审视校准粒度，在4bit精度下模拟分数几乎不掉点，还在真机上验证了一波，属实有点东西。
