UCSD最新综述：自动驾驶为何“刹停也会出事”
这篇论文不讲花活，直接拿真实事故开刀：自动驾驶遇到紧急路段、临时管制和无障碍上下车时，光会停车反而可能添乱。它的价值在于把“安全”从车自己不撞人，推进到“能不能和人类交通系统协作”。
视觉与图像
共 793 篇
上海交大蚂蚁新方法：连续推理狂飙32%
多模态大模型最烦的，不是不会想，而是训练时偷看答案、推理时却只能裸奔。AMVL直接把这个“作弊窗口”堵上，用双向KL同时管住先验和后验，思路很硬，实验也够实在。
DiSIINet来了：扩散模型把医学增强和分割绑一起
医学影像里最烦的事之一，就是图像又糊又吵，分割还得硬上。DiSIINet干脆把增强和分割绑成一对“互相打辅助”的双分支扩散模型，思路顺，结果也扎实。
UTTO来了：只用深度做3D开放词汇分割，隐私和精度能兼得吗？
机器人和室内感知一边想“看懂世界”，一边又得守住隐私底线，这事儿一直挺拧巴。UTTO的思路很直接：既然不能看RGB，那就把不确定性当线索，专门修那些“看不稳”的点。
Pocket FM新作Magnet：100页故事幻觉少一半
Pocket FM这篇不是单纯“让模型会写故事”，而是把“角色怎么想、世界发生了什么、下一步该往哪走”拆成一套闭环系统。更关键的是，Atlas 还专门负责抓长篇里的情节打脸，终于不是只会写，连自查也安排上了。
Thermal-Det来了：零样本热成像检测，AP最高提升到0.372
热成像检测最烦的不是“看不见”，而是“看见了也不知道它叫什么”。这篇 Thermal-Det 直接把开放词汇、语言引导和跨模态蒸馏塞进热成像里，还真把零样本检测做出了像样的结果，属于能落到真实场景的那种活儿。
CVPR 2026新作CIGMA：剪掉“坏头”，ViT背景依赖直降88%
这篇论文最有意思的地方，不是“又做了一个剪枝”，而是把ViT到底在看什么这件事，往因果层面往前拽了一步。它不靠重训，直接定位并切掉那些专门走背景捷径的注意力头，思路很狠，实验也够硬。
语义token+扩散渲染：Vega新范式
视频理解和视频生成长期像两拨人：一边要“看懂”，一边要“画准”。Vega直接把两件事塞进同一个框架里，还用3B参数在多个基准上打出了很能打的成绩，值得细看。
图像域倾斜约束来了：无人机预测RMSE降58.7%
这篇论文最有意思的地方，不是又堆了一个跟踪滤波器，而是把无人机在图像里“歪一点、抖一下”的姿态，硬生生变成了加速度约束。对短时预测来说，这招很实用，尤其适合小目标、机动目标和多相机异步融合场景。
AIAA 2026新方法：贝叶斯潜在高斯过程把气动不确定性校准到95%
这篇论文最有意思的地方，不是又套了一个高斯过程，而是把“输入不准”和“输出不准”一起收拾了。对气动不确定性量化来说，这种做法比只调均值靠谱得多，尤其适合稀疏真值和外推场景。
Stanford新方法：机器人偏好学习告别“总分制”
机器人偏好学习最烦的不是“没数据”，而是“数据看起来很多，实际全在讲废话”。这篇 FPL 直接把偏好拆成速度、安全、质量等自然语言轴，监督更细，策略也更会“看脸色”了。
CVPR 2026新作DR-GS：可变形高斯也能重光照
动态高斯最烦的，不是会动，而是 一动就把光照也“焊死”在纹理里 。DR-GS干的事很直接：把几何、光照、材质拆开，再让它们在变形和换光下各司其职。
