GenVC：首个压缩导向视频扩散模型，码率省62%秒变15fps
继7月聊过北大用0.005bpp还原视频细节之后，微软亚洲研究院带着GenVC来了——这是**首个面向视频压缩、从头训练的像素域视频扩散模型**。它不自欺欺人地继承百亿参数预训练骨架，而是用5.78亿参数干到码率省六成、解码15fps。更关键的是，它发现直接暴力蒸馏会让运动卡死，于是提出了**自适应分数蒸馏**来精准纠偏。想搞懂视频压缩+扩散模型的最强实战，
视觉与图像
共 793 篇北邮最新：双锚点训练让信道估计与图像重建秒杀扩散模型
语义通信是6G热门方向，但MIMO信道下非完美CSI导致的级联误差是老大难。北邮这篇工作巧妙地将信道估计与均衡误差统一建模为级联修复流匹配问题，用双锚点扰动训练+少步ODE推理，在信道估计和图像重建上大幅超越扩散基线。生成模型在通信物理层落地？这篇给出了漂亮的答案。
把代码转成图片发给AI，Token能省86%？Anthropic、OpenAI、Gemini 实测揭秘
把代码转成图片发给AI真的能省Token吗？这篇论文用675次真实API调用，把Anthropic、OpenAI、Gemini三家计费黑盒捅了个透。龙哥看完直呼：省钱是有套路，但踩坑也是一踩一个准，尤其Gemini的小代码场景能让你多掏6倍钱。搞编码助手的朋友，这篇不可不读。
Qwen2-VL & SmolVLM告诉你：内部Token概率才是真王者
你是否遇到过AI模型胸脯拍得震天响却答不对题？这篇论文发现，小VLM嘴上说着“我超自信”，但内部的token概率早就泄了底。想知道如何让模型在自己犯错时闭嘴？看这篇就够了！
IR275K：中科院为红外超分立新规，594序列27万帧严苛压力测试
红外多帧超分领域终于等来一个像样的专属标准答案。中科院联合团队放了594个序列、27万帧的大招，关键还精心挖了三个坑——低对比高噪声、测试集故意加噪声、运动幅度整得很大，专门治各种花架子模型。顺便送了个轻量级Mamba模型CGMamba，112G FLOPs就把SISR方法打出33dB，还顺手拆穿了RoPE和跨帧融合的连带关系。
法国VEDECOM新框架：50ms求解纳什均衡，自动驾驶左转不再尴尬
路口左转，人车交汇，那几秒的“你瞅啥”“瞅你咋地”堪比心理战。自动驾驶要是只按规则莽冲，人类司机怕不是要急刹到吐。法国VEDECOM研究所给自家Renault Zoé装了个“博弈脑”——把路口交互建模成广义纳什均衡游戏，再用粒子群算法50毫秒算出最优默契策略。实车跑过左转场景，你看这轨迹，多像两个老司机在点头示意。
开源代码放送：让你的1080p视频秒变4K，还不抖动
单步扩散视频超分整天被时间抖动折磨？AMD和维尔茨堡大学这次玩了个新思路：给token搞“分班”，重要的走精品班，不重要的走大班合班，最后再无缝合回来。结果你猜怎么着？推理加速了，质量一点没掉，甚至更稳了。全开源的代码，值得一试。
武汉大学提出MissHyper：一招修复临床时序预测的“预传播瓶颈”，SOTA三连杀！
病历数据又乱又稀疏？ICU里仪器报警此起彼伏，却常常漏掉关键趋势？武汉大学团队提出的MissHyper，在时序预测前就把同一时间戳的各种指标“合体”成病例快照，让超图模型一上来就有全局视野，三个临床基准统统领先！
RAG+LLM修复历史文档，准确率从13%冲到70%，专家都说好
历史文档修复一直是NLP领域的硬骨头，尤其是那些需要外部知识才能确定的古代人名、地名。这篇来自韩国江原大学的工作，巧妙地将RAG与大模型微调结合，不仅让命名实体恢复准确率从个位数跃升至38%，还通过了人类专家的实操检验。对于想做RAG落地或古籍数字化的朋友，值得一读。
RAG+LLM专治古卷专有名词，Qwen3微调效果超Gemini
历史文档修复一直是难题，尤其涉及专有名词时连GPT-5都容易翻车。韩国江原大学这篇论文把RAG和LLM结合，让模型在修复时自动“查资料”，在朝鲜王朝档案上命名实体恢复率提升近一倍，甚至超过了Gemini-2.5-Pro。代码、模型全部开源，实用价值极高。
RAG修复古籍：韩国团队让GPT-5.1在命名实体恢复上惨败
历史文档像一本被水泡过的《永乐大典》，人名地名糊成一片，传统MLM模型只能干瞪眼。韩国国立江原大学的团队祭出大招——ARI让大语言模型学会“翻书查资料”，用RAG精准找回那些被岁月抹去的名字。在朝鲜王朝实录的修复中，ARI-32B（Qwen3 32B微调版）在命名实体恢复上直接把GPT-5.1按在地上摩擦，效果翻倍。这不仅是个技术活，更像是在帮AI配一副“历
西安交大提出内容自适应提升，噪声下反超两支路方法
单像素传感的压缩测量跳过图像重建直接做分割，一直有个老大难：如何优雅地把一维测量“提升”成二维特征？本文给出了系统性的答案——不仅搞清楚了不同提升方式的优劣谱系，还设计了内容自适应注意力+动态任务调度，在极低采样率和有噪声条件下都能保持高精度分割，尤其展现了无图像推理在噪声下的天然鲁棒性，相当有意思。
