六种音频编码器正面PK！澳洲高校首次系统性评测：从分类到推荐，谁才是音乐推荐的最优解？
分类任务的学霸，放到推荐系统里可能就成了学渣，这事儿你敢信？澳洲高校团队把六种主流音频编码器拉到KNN、SASRec和TIGER三种推荐范式下正面对决，还顺带拆解了语义ID的量化玄机。音频推荐选型，看这篇就够了。
视觉与图像
共 793 篇
密歇根大学提出PE-Mamba：双向Mamba扫描，AI假图检测冲到96.6%！
AI生成的假图肉眼越来越难辨，可检测器却还停留在“加权平均”的老路子。本文提出的PE-Mamba，把Transformer层间特征当有序序列，用双向Mamba扫描来聚合取证线索，只训练1.3%参数就把主流假图检测基准刷到新SOTA，思路清奇又实用。
机器人｜光纤定位器越做越小，电机先撑不住了？混合R-θ方案给出新答案
天文仪器不只是反射镜和CCD，光纤定位同样硬核。这篇论文将DESI久经考验的旋转机构与压电弯曲驱动结合，以极简结构实现140V下6mm偏转、闭环2μm精度，为下一代高密度光谱巡天提供了一个相当务实的新选项。
武大PROTEUS：水下图像恢复新SOTA，仅2.6M参数登顶U90
水下照片又绿又灰还带雾？武汉大学等机构的最新PROTEUS让你一键还原！它把“退化信息”从累赘变成向导，既用它引导特征调制，又用它控制跳跃连接复用。仅2.61M参数，U90的PSNR刷到25.50dB，LPIPS更是把第二名从0.086打到0.081，轻量又能打，值得一读。
天津大学提出RISE：不用配对数据，0.35M参数拿下无监督低光增强SOTA
无监督低光增强容易做成一锅粥：曝光、噪声、结构全搅在一起。天津大学的RISE偏要分清楚——像光线从亮处往暗处传播一样，从可靠亮区推断全图光照结构，顺带用双测光参考做自适应曝光。0.35M参数跑出无监督SOTA，还不用配对数据，值不值得读，你说了算。
仅1500张图让ViT学会看“鸟喙”，CVPR 2026新方法鲁棒性大涨
本论文针对视觉Transformer在分布偏移下依赖背景等虚假相关性的顽疾，提出概念引导微调（CFT）。仅用1500张图、无需人工标注，让模型注意力从背景转向鸟喙、鱼鳍这类判别性语义概念，五个OOD基准一致提升。CVPR 2026 Highlight，代码已开源，可复现性强，值得细读。
代码生成｜中科院大作：安全测试当规范，结构化反馈零回归修复80个
大模型生成的代码能跑就算完？一测就出安全漏洞的场面见过太多。这篇论文把安全测试当“可执行规范”提前塞给模型，2705条轨迹实测：隐藏的联合成功率平均涨19.3个百分点，但也有模型越看测试越翻车。机制级严谨、工程级实用，值得细读。
加州理工最新研究：AI科学家跑完79个实验，竟然一次都没跑偏
论文标题: An AI Scientist that Doesn’t Drift: Taste, Structure, and Falsifiable Findings in a Quadruped Navigation Research Loop 发表日期: 2026年08月 发表单位: California Institute of Technology
RMIT提出RMR-Net：道路缺陷检测新范式，7/8场景精度领先
道路缺陷检测最怕输入图像又糊又暗——坑洼裂纹在模糊里“隐身”，再强的检测器也得抓瞎。RMIT团队这篇工作直接把退化证据变成恢复条件，让复原后的图像“喂”给检测器，8种退化场景里7项精度领先。方法简洁、定位精准，适合所有做巡检和车载视觉的团队围观。
图像生成｜南科大新作：在线微调13秒搞定个性化文生图，主体一致性稳了
一张参考图，一段文字，13秒在线微调，不用预训练不用大算力，就能让扩散模型在生成过程中同时锁定"主体像不像"和"文字听不听话"。这种把炼丹塞进推理管线的思路，工程落地潜力很值得一看。
西工大最新研究：一步超分不用蒸馏，FLOPs狂降6倍、质量反超CTMSR
一步超分又有新玩法：西工大MeanSR不靠教师模型蒸馏，直接学习低分辨率条件下的平均速度场来显式建模恢复轨迹，CLIPIQA、MUSIQ、MANIQA全面涨，FLOPs只有之前最强单步方法CTMSR的约1/6，推理还快了近一倍。感兴趣怎么实现的，往下看。
ACM MM 2026：让超分模型学会"随机应变"？测试时自适应让模糊视频秒变清晰
视频超分模型碰到真实世界里的压缩伪影、噪点、模糊就翻车，这是老难题了。这篇论文把「测试时自适应」玩出了花：不重新训练、不要高清参考，AI模型边推理边自我调整，画质和文字清晰度都有实打实的提升。思路接地气，实验做得很扎实，值得一读。
