8个真实场景验证：多会话无人机地图融合更准了
无人机多会话建图最怕两件事：全局漂了、局部糊了。这篇论文把RTK时空对齐和粗到细优化串起来，先稳住大框架，再抠局部细节，思路很完整，实验也够硬。
视觉与图像
共 793 篇
360°还是超过？这篇论文把切址和超分辨讲明白了
这篇论文不搞花里胡哨的深度学习，专门把“孔径函数怎么改，衍射图样怎么变”讲成一套几何直觉。对学光学、做成像、或者单纯想把傅里叶光学看明白的人，都挺友好。
Harvard新数据集SemanticVessel：CTA脑血管标注一下扩到360例
这篇工作最有意思的地方，不是单纯“多标了点血管”，而是把动态4D-CTA变成了半自动标注流水线。更妙的是，它明确告诉模型：没标出来的血管，别急着当背景埋了。
NavIsaacLab来了：并行仿真把人群导航练到像真的
这篇论文把“人群导航”从简单避障，直接拉到了“高保真仿真+并行训练+真实机器人验证”的完整链路。更关键的是，它不只会搭场景，还把行人的轨迹和全身动作都做得更像真的，适合做 benchmark，也适合拿来练策略。
CVPR 级视频SCI新招：差分展开把参数砍半，精度还更高
这篇论文专挑深度展开网络的“老毛病”下手：一堆阶段反复堆同款重模块，算力花得很豪气，更新却越来越像在原地挪步。DU把流程改成“通用阶段打底、差分阶段精修”，思路很工程，也很对症。
复旦等机构新框架OmniAct：40个真实任务更稳了
这篇 OmniAct 很适合机器人/具身智能方向的读者：它不是把“规划、记忆、执行”揉成一锅粥，而是拆成三层各司其职，专门解决长程任务里最烦的两件事——工具太杂、失败太多。更有意思的是，它在真实家庭场景里把开源模型也拉到了接近商用的表现，思路相当顺手。
阿里浙大ForeAgent：鉴伪准确率93.3%
阿里和浙大这次把“鉴伪”做成了会自我进化的智能体：先看语义、再看频域、还会调用空间专家，最后靠事后驱动反复打磨推理链。更有意思的是，它不只追求答对，还在和 GPT-5 比谁更会“讲道理”。
阿里+浙大新作ForeAgent：AI作图鉴伪，准确率冲到93.3%
阿里和浙大这次没走“单次判断”老路，而是把AI鉴伪做成了一个会看、会判、还会反思进化的智能体。更有意思的是，它不只追准确率，还把推理质量也一起往上拽。
NVIDIA新作：一个语音增强模型，30种延迟随便切
这篇论文最有意思的地方，是把“实时语音增强”里最容易打架的两个指标——算法延迟和计算延迟——拆开管了。一个模型就能切出30种延迟配置，既能讲究效果，也能照顾设备脾气，属于很实用的工程型思路。
VLM当考官！这篇RL新法让桌面智能体提分12.6%
桌面智能体最烦的不是“不会做”，而是“做完了也不知道算不算对”。这篇论文把 VLM 变成自动考官，再把考官的口误做噪声校正，思路很实用，结果也挺扎实，适合想看 Agent 怎么真正学会干活的读者。
CVPR新思路？无对应点云配准快10倍
点云配准里最烦的事，不是算不动，而是先得“找对象”。这篇 Generalized-CVO 直接把对应点这一步掀桌子，改用各向异性核和二阶黎曼优化，速度和鲁棒性都挺能打。
清华字节新方法：不用CoT冷启动也能学会重看视频
这篇论文把“看视频”拆成了三件事：先粗看定位，再重看细节，最后重答修正。最妙的是，它不用冷启动的长串 CoT 标注，直接靠强化学习把重看能力练出来，省事还挺能打。
