NICO抓取实测：校准模型主场96.7%，全桌面72.7%
抓取这件事最烦的地方，不是“看见了”，而是“看见之后还抓不准”。这篇论文把低成本校准、YOLO识别、立体视觉和视觉反馈串成一条流水线，结果很实在：校准模型在熟悉区域很猛，视觉反馈在全桌面更稳。
视觉与图像
共 793 篇
LLM人格提示翻车了？Claude Opus被图书管理员“劝退”编码
一顶会级别的受控实验，把“给模型套人格”这件事狠狠干了一遍。结果挺反直觉：人格不是万能开关，Claude Opus会认真演角色，GPT-5.5却像没听见。
不训练也能多条件生成？MixDiffusion把单条件模型拼成SOTA
最狠的地方不是“生成得像”，而是 不用再训练一个新模型 ，直接把多个单条件扩散模型拼起来，就能同时听懂框、点、草图、深度、参考图和文字。更离谱的是，它还敢说理论上条件数量不限。
6G新方向：TokCom把通信变成token协作
这篇 TokCom 很有意思，表面看是 6G 通信，骨子里其实是在把“传比特”改造成“传语义、传 token、传状态”。它真正想解决的不是带宽多一点少一点，而是 AI 系统在边缘、云和多智能体之间怎么更省、更稳地协同干活。
10个仿真+4个真机任务，HCPG-Flow更稳了
机器人操作里最烦的不是“不会动”，而是“会动但总选错那一下”。这篇工作把候选动作选择从依赖 critic 打分，改成了接触前后分阶段的几何进度判断，思路很朴素，但很实用。
北大联手阿里：CODA让边缘视频生成提速1.8倍
边缘视频生成最烦的，不是模型不够大，而是缓存一多就把显存和PCIe一起拖下水。CODA的思路很硬：把算子拆开、把等待藏起来，系统味很足，值得细看。
nuScenes上实测：红灯竟比大车更“有戏”
自动驾驶模型最怕的不是“看不见”，而是“看见了却不知道到底信了谁”。这篇工作直接把单个目标从画面里抹掉，再看轨迹怎么变，黑盒里谁在捣鼓方向盘，终于有机会被点名。
RSS 2026新诊断：世界模型其实在“想当然”？
世界模型最怕的不是预测错一点，而是 看起来很会想，实际上只会顺着状态续写 。这篇论文直接把“长时程想象失败”拆成运动学和动力学两层，诊断味道很足，尤其适合做机器人、自动驾驶和具身智能的人看。
DragonflyPol首光：48镜头同时测偏振
一台望远镜阵列，硬是被改造成了“宇宙偏振相机”。这篇论文最有意思的地方，不是某个花哨算法，而是把商业器件、机械装配、标定流程和上天验证串成了一条能落地的工程链。
AUV海底图像低带宽传输新招：40万倍压缩，还能精准找图
这篇论文最有意思的地方，不是“把海底图像压缩了多少”，而是它把AUV最头疼的现实问题讲透了：图像采得再猛，发不出去也等于白忙。它给出的不是单一压缩算法，而是一套能在低带宽链路上真正跑起来的远程摘要与查询系统。
2026新论文：高斯矩猜想在n≥3失效
一篇纯数学论文，直接把一个听起来很“硬”的猜想打出反例，而且反例小到离谱：三变量、五项、多项式结构还很规整。更有意思的是，它不仅证明了猜想在 n≥3 失效，还顺手把和雅可比猜想的关系讲得很清楚，属于那种“结论狠，推导也狠”的工作。
重识别训练别再单挑，VLA-ReID改成整帧对抗
多目标跟踪最怕的不是“没看到”，而是“看到了却认错了”。这篇 VLA-ReID 直接把重识别从单样本比对改成整帧候选集竞争，再用共同外观抑制把一群长得差不多的目标硬生生拉开差距。
