YOLOv8n多种子实测：真实数据更能打
合成数据不是万能药，校园垃圾检测这篇论文把“多造图就涨点”的幻觉直接按在地上摩擦。它最值钱的地方，不是跑赢了谁，而是用多种子评估把“看起来有效”的方法拆穿了。
视觉与图像
共 793 篇
CVPR级VLM翻车点曝光：图像先说还是问题先说，差26个百分点
同一张图、同一个问题，顺序一换，VLM就可能答歪。本文没有搞花活，而是直接抓住这个“看起来不该存在”的差距，用测试时训练把弱分支往强分支拉，顺手还把强分支也抬了一点，属于很实在的修模型思路。
北大新方法：0.005bpp下还原视频细节
视频压缩最难的，不是把码率压低，而是把画面压低以后还不让人想砸键盘。北大这篇直接把“结构锚点”和“运动细节”拆开处理，用生成模型补细节，思路很硬，码率也压得够狠。
Sports上Recall@20提升19.33%的去噪方案
多模态推荐最烦的不是“缺特征”，而是“特征里混了太多废话”。这篇 DDMSR 直接把噪声拆成两层处理：先在物品语义图上做低通滤波，再把用户序列丢进频域里抓异常信号，思路很工程，也很实用。
USTC新方法：频域+图去噪提升19.33%
多模态推荐最怕的不是没信息，而是信息里混进了太多“假线索”。这篇 DDMSR 直接把噪声拆成特征层和序列层两刀来切，思路很干净，效果也不虚：四个数据集都稳，训练还比扩散式去噪方案快不少。
NTU新方法：教学视频评估从“通用分”变成“因材施教”
教学视频越来越像“内容生产流水线”，但评估这件事仍然很费专家。EduPanel把视频、课程要求和学习者画像一起拉进来，做成三智能体评估器，结果居然能逼近人类专家，还能反过来帮专家提分。
GPT-5.5、Claude、Grok、Gemini医疗安全测试：评判者一换，排名就变
医疗AI最怕的不是答题难，而是信息少还硬装懂。这篇论文最狠的地方在于：它不仅测模型，还把“谁来打分”也拉进了实验，直接揭开评测里的偏差黑箱。
Alaya Lab新作：实时长视频生成还能少算力？
长视频生成最怕两件事：记忆丢了，画面崩了；算力花了，速度没了。Surprise Forcing把这两个问题一起管了，用训练免费的方式做“该记的记住、该跳的跳过”，而且还真在长视频基准上跑出了像样的结果。
视觉Mamba新结论：token方向才是关键
这篇论文最有意思的地方，不是继续争论 Mamba 该不该进视觉，而是把 VMamba 和 MambaOut 拆开看：一个更吃“方向”，一个更吃“幅度”。结论对高分辨率分类和分割都很有启发，属于那种看完会忍不住想回头检查自己模型表征的工作。
西安交大新方法DQ-CTM：稀疏思考也能做密集重建
超分辨率论文很多，但大多还是“算一次就交卷”。这篇 ThinkSR 的有意思之处在于，它把连续思考机器搬进了像素重建里，让模型可以一边想、一边补细节，而且四个思考步内就能看到稳定变清晰的轨迹。更关键的是，它不是只讲概念，确实把稀疏思考和密集输出之间的矛盾拆开了。
CVPR 2026级波前并行：自回归图像压缩提速13倍
自回归图像压缩最烦人的不是“压得不够好”，而是“明明模型很强，推理却慢得像在排队买奶茶”。这篇论文直接不改模型，靠波前并行把串行瓶颈拆开，属于很实用的系统型加速。
ICLR风格新作：扩散模型噪声机制，究竟控制什么？
这篇论文最有意思的地方，不是又造了一个“更重尾”的噪声，而是直接把问题拆成两半：噪声到底能提供什么，去噪器到底决定什么。结论有点扎心，但很值钱——很多时候，噪声看起来很忙，真正干活的却是条件信息。
