ISM到Hybrid：多通道增强为何差这么多
房间模拟这事，很多人总觉得“差不多能用就行”。这篇论文偏不，它直接拿真实测量数据做评测，结果很扎心：模拟越像现实，多通道语音增强就越吃香，最高能把中位词错误率相对降掉38%。
视觉与图像
共 793 篇
视觉重聚焦新招来了：VisRef固定预算反超文本自省
多模态推理最怕“越想越跑偏”，这篇 VisRef 直接把问题说透了：不是单纯让模型多想，而是让它想的时候还记得回头看图。无需再训练，固定预算下还能稳定涨点，工程味很足。
哈工大联手华为：InstanceControl让复杂生成不再属性混淆
复杂多实例生成最烦的不是“画不出来”，而是“画对了对象却串了属性”。InstanceControl 直接绕开手工实例标注，用视觉语言模型先把文本和区域对上，再用自适应掩膜细化兜底，思路很工程，效果也很实在。
端到端驾驶加上记忆，NAVSIM-v2最高涨3.7
牛津这篇不靠“更大模型”，而是给自动驾驶塞进一段更像人类的驾驶记忆：前方路况没看到，也能提前知道。更妙的是，它还考虑了先验失真时怎么安全退回，工程味很足。
国防科大SAMBA：散射引导Mamba，7个数据集领跑
SAMBA这篇很对路：它没跟着Transformer继续堆算力，而是直接把SAR的物理散射特性拉进自监督预训练里。结果就是，参数更轻，识别和检测还更稳，属于“懂雷达的人写出来的雷达基础模型”。
Yann LeCun团队新作AdaJEPA：世界模型不再冻结，1步就能自适应
世界模型最怕的不是不会算，而是算着算着就跟现实脱节。AdaJEPA把自适应塞进MPC闭环里，用一次梯度步就能边规划边纠偏，思路很朴素，但很实用。
音乐大模型别只看准确率：这套体检把“真懂”测出来了
这篇论文最狠的地方，不是分数有多高，而是它把“高分幻觉”拆得很难看：二元问答能蒙混过关，真到区分相近乐器、长上下文和时间定位时，很多模型立刻露馅。对做音频大模型评测的人来说，这篇更像一份体检单。
SENSE-VAD来了：自动驾驶异常检测，终于开始看“关系”了
自动驾驶异常检测最怕的，不是“看不见”，而是“看见了也不知道危险在哪”。这篇论文把问题从运动统计拉回到社会关系，直接把现有方法的盲区掀开了。
ICLR 2025后续新作：BRACE让屏幕拍照条纹退场
屏幕拍照最烦的不是糊，而是那种彩条、锯齿、色偏混在一起，像手机在认真拆台。BRACE干脆换了思路：不再死磕单帧，直接上多帧包围曝光RAW，把“看不清的条纹”变成“能对照的证据”。
CVPR 2026思路：Bricker+BRACE让屏幕条纹去除更稳了
屏幕拍照最烦的不是糊，而是那层像“屏幕自带纹身”的闪烁条带。本文直接把问题拆成数据集和模型两块，Bricker 负责把复杂退化喂给模型，BRACE 负责把条纹按住。
ImageNet经典：152层ResNet拿下SOTA
这篇论文最狠的地方，不是把网络堆到了152层，而是证明了“更深”本来不该更难训练。残差连接一出，深度网络终于不用跟梯度和退化问题死磕了。
武汉大学新方法：低分辨率文本搜图提升5.7%
监控里的图一旦糊成马赛克，文本搜图就容易“认错人”。这篇 CRST 不去硬修像素，而是直接把高分辨率的语义和排序能力迁移给低分辨率检索，思路很实战。
