西交大提出Quant Experts：token级量化补偿
量化论文最怕两件事：一是把模型压小了，二是把精度也一起压没了。Quant Experts 这篇的思路很实在，不跟“全局统一补偿”死磕，而是把重要通道分成全局稳定和 token 相关两类，再用共享专家和路由专家分工处理，72B 模型在 W4A6 下还能追回 5.09% 平均精度，确实有点东西。
视觉与图像
共 793 篇
无需训练就能做异常检测？CSI-VAD新思路来了
视频异常检测最怕什么？不是模型不够大，而是它总爱把整段视频一锅端，结果真正的异常被“正常背景”冲掉了。CSI-VAD干脆把视频拆成环境、对象、时间三路分别看，零训练也能把异常线索抓得更稳。
HKUST新方法：3D场景编辑检索提升36.7点
3D场景检索最怕“指令说改一处，系统却把整间屋子都翻了”。这篇工作直接把问题拆成可执行的重排流程，还顺手补了一套新基准，实用性比很多只会讲概念的方案更硬。
这项2026研究很实用：ERank把图像从平淡排到丰富
一张图到底“信息多不多”，以前多靠经验拍脑袋。ERank更狠：冻结编码器跑一遍，就能把图像从“平淡”排到“丰富”，而且在超分和OCR的数据筛选上真能派上用场。
VLA-ReID让蜜蜂不再脸盲：HOTA提升1.1
多目标跟踪最怕的不是“看不见”，而是“看见了也分不清”。这篇论文直接把 re-ID 的训练方式改成和推理同一套“整帧竞争”逻辑，再用共性外观抑制去压蜜蜂这种高相似目标的混淆，思路很对症。
2026新作：DDIM后验采样拿下多数指标
这篇论文最有意思的地方，不是“又做了一个扩散逆问题方法”，而是把原本很容易写成一团经验技巧的 posterior sampling，硬生生拆成了按奇异方向逐坐标更新的 DDIM。更狠的是，它还给出后验一致性证明，属于“能跑、能讲、还能证”的那类工作。
冻结Qwen3-VL也能加音频？Fusion Embedding统一四模态
这篇论文最有意思的地方，不是“又做了一个多模态模型”，而是 冻结基座不动，也能把音频硬塞进统一空间 。更狠的是，文本、图像、视频的原有结果还能保持 bitwise 一致，工程味很足。
Stanford新方法：无标注学3D医学影像，少样本分割强到离谱
3D医学影像最缺的不是模型，而是能长期喂饱模型的标注。MASS偏偏反着来：不用专家画框，靠自动掩码就把自监督做成了“临床味儿”很足的预训练，少样本分割和冻结编码器分类都能打。
北大DWM新法：规划成功率最高提13.1%
世界模型最怕的，不是不会预测，而是把“环境自己在变”和“动作造成变化”混成一锅粥。DWM专门盯住这个老毛病下手，训练阶段分开学，推理阶段却不加戏，思路很干净。
Tufts新方法：高光引导摘要，长视频更稳
视频摘要最容易犯的错，不是总结得不够短，而是把最关键的证据先删没了。HAS偏偏反着来：不做硬挑帧，而是把“高光分布”变成推理时的注意力引导，思路很干净，实验也够实在。
ETH Zurich新平台MIRA：把望远镜观测做成完整工作流
学生想碰真正的望远镜，常常卡在“流程太散、设备太贵、数据太乱”。MIRA把提案、审核、排程、执行、归档和教程串成一条线，像把科研现场直接搬进课堂。
Exeter新方法：Hadamard复用让THz ptychography更稳更快
太赫兹成像最烦的不是“看不清”，而是“拍得太慢”。这篇工作直接把机械扫描换成光控孔径，再用Hadamard复用把信噪比和速度一起往上拉，最后真的跑到了16帧每秒，挺硬。
