新范式！大模型自主设计质量多样性算法，机器人零干预学技能
想让机器人掌握一项新技能，传统做法是让专家手动设计各种评估函数和多样性指标，费时费力还经常翻车。这篇论文的思路很野：直接把自然语言任务描述丢给大模型，让大模型自己设计整套质量多样性算法的参数。结果如何？4个操作任务上生成的可用技能数量是专家方案的近70倍。
视觉与图像
共 717 篇
根特大学最新研究：频谱自适应损失让高频重建误差直降15%
语音增强有个老毛病——噪声压下去了，说话声的高频细节也跟着"缩水"了。根特大学这回不堆模型，而是从损失函数下手，让网络学会按频率和语音能量"区别对待"，高频重建误差直降15%以上。方法轻巧，思路值得一看。
零样本也能修！芬兰新方法让InSAR相位恢复时空残差直降68%
InSAR相位恢复一直靠固定滤波器硬扛，可每一对影像的几何参数都不一样，这就像用同一副老花镜看所有距离的物体。芬兰团队提出FiLM-GPNet，给网络装上“几何调节旋钮”，时间残差直降68%，而且换个城市不用重新训练，零样本直接上手。
发票拍照总翻车？华南理工精准恢复关键区域，让文档问答更靠谱
拍文档照片最怕什么？阴影、模糊、歪斜、摩尔纹——哪怕是最强多模态模型也会当场翻车。直接拿恢复工具全图修一遍？可能越修越糟糕。华南理工这篇论文给了个聪明的解法：让模型自己判断“现在能不能答”，不能答再精准修复，修坏了还能自动回滚。全程免训练，效果逼近人类专家。
10%合成图像就够？nnU-Net心脏分割MRI提升0.27个百分点
全心脏分割（ Whole-Heart Segmentation，WHS ）是医学影像分析中的一项经典任务：给定一张心脏区域的CT或MRI扫描图，模型需要把七个关键结构完整勾画出来——左心室心肌（ Myocardium，M。
5.3倍参数压缩还更强？交大PixelIR单步超分效率杀疯了
聊超分绕不开一个千古难题：又想马儿跑得快（细节丰富、观感锐利），又想马儿不吃草（结构保真、贴合原图）。这两件事在底层视觉里长期互相打架，逼着研究者要么偏科要么和稀泥。
机器人｜Veo 3零训练完成分割推理，视频模型就是视觉基础模型？
大模型靠语言"封神"，但如果视觉才是通往AGI的真路呢？OpenAI、DeepMind、斯坦福等21位学者联合发布白皮书，正面挑战"语言中心主义"——看完这篇，你对AGI路径的理解可能要重构。
LAION-BVD开源：1000万小时视频，多模态预训练一次喂饱
当开源视频数据集还在几百万视频级别徘徊时，LAION直接把数字拉到了8000万视频、1000万小时，还一口气验证了视频、音频、图像三种模态的预训练效果。这种级别的数据弹药，对做多模态研究的团队来说，值得好好研究。
BMVC 2026：零遗忘图像恢复，3.6%参数换15.25dB
先问一个很真实的问题：一个部署在野外监控杆上的图像恢复系统，第一年只需要去噪，第二年碰上了雾霾天开始需要去雾，第三年台风季又来了要处理雨纹。每一次新需求，难道都要把旧数据翻出来重新训练一遍？
告别人工框选！Mac mini实时跑通束流ROI检测，推理超10Hz
大型加速器里，束流图像分割以前还得靠人工框选，现在机器学习直接像素级搞定，IoU冲到0.96，还能实时跑在一台Mac mini上。这波操作，值得一看。
车联网联邦学习防偷窥新招：梯度不再裸奔，MitM下保78.2%准确率
联邦学习在车上，梯度在公开网络中传输，易被中间人攻击。论文结合差分隐私和同态加密，用DP参数决定加密哪些梯度，攻击下准确率从10.4%提升至78.2%，开销增加约8-10%。思路清晰，实用性强。
图像恢复｜天津大学ZVRM：零样本视频修复提速近3倍，时序闪烁减八成
又一篇零样本视频修复的狠活。天津大学团队把文本到图像扩散模型用出了花：不用训练就能修视频，还支持文本、图像两种参考输入，推理速度直接砍到三分之一，时序一致性指标WE降到原来的五分之一。被视频闪烁折磨过的同学，这篇值得重点研究。
