同济大学提出拉马克驾校：自动驾驶训练场景进化，性能损失最高降25.07%
自动驾驶训练里，最容易被当成“背景板”的其实是场景分布。同济大学干脆把它变成会进化的变量：候选场景分布按“训完到底开得好不好”来竞争，优胜路径再蒸馏成一套六阶段轻量课表。完整进化让性能损失比 Replay 降低 25.07%，轻量策略也有 19.13%。
视觉与图像
共 793 篇
湘潭大学高光谱图像去噪：可解释展开把混合噪声拆开处理
论文基本信息 方法简称： 可解释光谱分解网络（AXS-Net） 原文标题： AXS-Net: Interpretable Deep Unfolding for Hyperspectral Image Denoising via Spectral Basis Unmixing and Structured Noise Refinement 署名单位： 湘潭大学
加州大学洛杉矶分校×Adobe Bolei Zhou团队多智能体世界模型：世界分升至105.1
论文基本信息 原文标题： 多智能体自回归扩散模型与世界状态寄存器（Streaming Multi-Agent Autoregressive Diffusion Model with World State Registers） 首次公开： 2026年7月23日 署名单位： 加州大学洛杉矶分校、Adobe Research 原论文： https://arxiv
复旦大学×美的×卡内基梅隆大学具身操作：恢复数据让折衣成功率升至95%
原文标题： RoboFolDeX: A Physical-World Benchmark for Long-Horizon Robotic Manipulation of Deformable Objects 首次公开： 2026年9月9日 署名单位： 复旦大学、美的集团（上海）人工智能研究中心、卡内基梅隆大学 原论文： https://arxiv.org/
伯克利与Impossible视频生成：14.3秒视频6.70秒去噪
原文标题： Video DeltaNet: A Video-Native Hybrid Attention for Livestream Video Generation 首次公开： 2026年9月17日 署名单位： 加州大学伯克利分校、Impossible公司、得克萨斯大学奥斯汀分校 原论文： https://arxiv.org/abs/2609.2074
Alaya Lab可编程世界模型：角色计数94%，状态一致性98%
原文标题： Programmable World Model 首次公开： 2026年9月10日 署名单位： Alaya Lab 原论文： https://arxiv.org/abs/2609.10540 项目页： https://alaya-lab.github.io/pwm 开源代码： https://github.com/AlayaLab/pwm
东京大学与D-Robotics低光机器人操作：成功率从0升至66.5%
论文基本信息 原文标题： RawVLA: Embodied Neural Image Signal Processor For Robotic Manipulation 首次公开： 2026年9月29日 署名单位： 东京大学、D-Robotics、南洋理工大学、东北大学、香港科技大学（广州） 原论文： https://arxiv.org/abs/2609.3
阿里与北大多主体视频生成：DIAL让人脸相似度31.81%升至60.64%
论文基本信息 方法名称： 双阶段内生注意力利用方法（DIAL） 原文标题： Harnessing Intrinsic Subject- Aware Attention for Controllable Multi- Subject Video Generation 首次公开： 2026年9月10日 署名单位： 阿里巴巴集团、北京大学 研究领域： 多主体参考图
巴塞尔大学膝关节MRI超分辨率：把单个角度变成连续曲线
论文基本信息 名称说明： 连续滑车沟角测量系统（SA-Profile）；滑车沟角指标（SA） 技术说明： 超分辨率技术（Super-Resolution）；磁共振成像技术（MRI） 原文标题： SA-Profile: Automated Sulcus Angle Profiling from Super-Resolution MRI 首次公开： 2026年9
上海交大×中国电信统一多模态生成：让模型从自己的图像中学习
论文基本信息 原文标题： 受约束的自我改进（Self-Evolving）——Dreaming in Flow: Generative Grounding Feedback for Self-Evolving Unified Multimodal Models 首次公开： 2026年9月8日 署名单位： 上海交通大学、中国电信人工智能研究院、中国科学技术大学
Meta×中佛罗里达大学多模态检索：3.1B激活参数做到70.4分，算力还能再省50%
论文基本信息 原文标题： MoEMB: Scaling Universal Multimodal Embeddings with Efficient Mixture-of-Experts Models 中文概括： 用稀疏专家扩展通用多模态向量模型，并让不同输入动态使用不同算力 署名单位： Meta AI、中佛罗里达大学 首次公开： 2026年9月8日 原论文
华盛顿大学×亚马逊实测7种图像Tokenizer：重建更好，未必更适合多模态
一张图压缩后看起来更像原图，不代表这些视觉符号更容易被多模态模型理解，也不代表生成效果一定更强。 华盛顿大学与亚马逊团队把图像 Tokenizer 当作一种“视觉语言”，用文字、图像、文生图和图生文四类损失重新检查它。
