Orange新作N-O Cool-chic：快1000倍的图像编码
这篇论文最有意思的地方，是它把“慢得离谱的逐图过拟合编码”掰成了“一次前向就能出结果”的路线。代价是压缩率会掉一点，但对真要实时编码的场景，这个交换非常现实。
视觉与图像
共 793 篇
PhysClaw-0：语言纠错让机器人采数据省84%人力
机器人采数据最怕“同一个坑反复踩”。PhysClaw-0把一次纠错变成后面都能复用的规则，省人力还不丢数据质量，属于很会过日子的机器人系统。
2026新作：E-PDT让千台异构机器人秒级规划
这篇论文最有意思的地方，不是“机器人会不会干活”，而是“机器人在不知道资源到底在不在的时候，怎么还敢把活分出去”。它把时间逻辑、异构分工和不确定性塞进同一个框架里，还真做出了能跑得动的秒级规划。
东南大学ScanFocus：视频时空定位边界提升5.4%
这篇论文最有意思的地方，不是又堆了多少模块，而是很直接地指出：视频时空定位真正卡脖子的，往往不是“看不见”，而是“边界看不准”。ScanFocus把任务拆成粗扫和细抠两步，思路朴素，但对长视频定位很对症。
清华SCALECUA把电脑智能体拉到68.7%，开源模型新纪录
这篇论文最值钱的不是单点技巧，而是把电脑智能体最卡脖子的三件事一次打通：题不够、采样不准、训练太慢。清华团队把可验证任务合成、前沿采样和视觉上下文分割拼成一条流水线，直接把开源模型推到 68.7%。
ICML 2026新研究：DGS让LLM学会先选对招，再下手
这篇论文最有意思的地方，不是又堆了一个“更强的LLM-AHD框架”，而是盯住了真正烧预算的那一步：先选哪个父代、用什么操作去生成。DGS把这一步变成可学习的决策，还用两个代理模型提前预判结果，思路很工程，也很像真正会省钱的系统。
14个视频搞定AI尿检？这篇方法先把图拍清楚了
尿检这件事，卡住的往往不是模型，而是显微镜前那一步“得先拍出一张够清楚的图”。这篇工作很朴素：不用昂贵自动对焦，改成手动调焦录视频，再把最清楚的片段拼成全聚焦图，适合基层实验室看门道。
A100上跑历史翻译？DPO在这篇论文里赢了
这篇论文最有意思的地方，不是“翻译”本身，而是把古手稿识别、现代越南语生成和偏好对齐揉成一个端到端问题。PPO、DPO、KTO三种RLHF路线同台对决，结果也很诚实：DPO在多数翻译质量指标上最稳，PPO更偏覆盖，KTO则保留了自己的性价比。
CVPR 2026新作PDD：医学异常检测最高提11.8%
医学异常检测最难的，不是模型会不会“找茬”，而是能不能在复杂解剖结构里别把正常组织也当成坏人。PDD的思路很直接：先把全局与局部先验拧成一股绳，再让两个学生学出差异化能力，确实比单流派蒸馏更像回事。
CVPR 2026前沿：TCA-Net让低光增强不再乱融
低光增强最怕的不是“亮不起来”，而是“亮起来还把颜色搞脏了”。这篇 TCA-Net 盯住的正是这个老大难：强度和色度怎么可靠再融合，思路很工程，结果也够实在。
CVPR 2026风格新作RFMSR：超分辨率不再从噪声硬冲
这篇论文最有意思的地方，不是又堆了一个大模型，而是把超分辨率的“起跑线”往前挪了一步：不再从纯噪声出发，而是让低质图像自己带路。再加上两阶段训练，既能单步快跑，也能多步细修，工程味很足。
Google DeepMind最新Gemma 4：31B冲上开源榜前列
Gemma 4最有意思的地方，不是单纯把参数做大，而是把“思考模式”、长上下文效率、无编码器多模态和量化推理一起打包了。开源模型里这种“性能、效率、部署”三线并进的做法，确实值得认真看。
