32.7%提升背后：VLM+规则工具箱混合评估新范式
自动驾驶评估就像考试打分。传统规则死板，遇到避让、绕行等“合理违章”就给负分；纯VLM评估虽有上下文理解，却难胜任精细安全判断。英伟达团队这次祭出杀手锏—— DriveJudge ，让VLM当“考官”，根据场景决定哪些规则该用、哪些该放一马，既保住了规则的物理严谨，又拿捏了上下文的柔性。看完绝对拍大腿：这才是评估该有的样子！
视觉与图像
共 793 篇
告别臃肿模型！QC-GAN用数学魔法，让手机也能秒变降噪大师
继此前聊过给模型减负的HALO插件后，这次朝日新闻和东京女子基督教大学带来更极致的玩法：用数学界古老的"四元数"给语音增强模型瘦身。0.89M参数干到PESQ 3.48，性能逼近2倍大模型，35K超小模型同样惊艳。最关键的是，四元数天生就是为处理幅度和相位这种耦合信息量身定制，一句话：厉害的还在后头。
大模型不需要深：一个递归技巧让数独生成器小5倍快3倍
模型大≠能力强？这篇来自洛桑联邦理工学院（EPFL）等机构的工作，直接把「递归循环」这一此前只在自回归模型里验证过的思路，正式引入了掩码扩散模型（MDM）。结果相当亮眼：一个6层Transformer循环5次，参数省5倍，模型小了，效果反而吊打30层模型！更绝的是，推理时去噪步数还能砍掉近3倍。龙哥觉得，这可能是近期最实用的模型「瘦身」思路之一。
告别高功耗CNN！脉冲网络也能看清全局，混洗大法太绝了
脉冲神经网络（SNN）一直被看作是低功耗计算的未来之星，但在图像恢复这种需要“顾全大局”的任务上，受限于感受野，往往表现不佳。这篇2026年的新工作巧妙地将小波变换和一种零开销的随机混洗操作引入SNN，让“近视”的脉冲网络也能高效建模全局依赖，参数量仅0.125M，去雨性能却实现了大幅跃升。对于关注边缘端AI和高效模型的小伙伴，这篇文章值得一读。
CVPR 2026夺冠！北大新作Spk2VidNet：用层次循环网络，让尖峰相机长视频超分效率吊打SOT
当尖峰相机遇到长视频超分，现有方法只能“管中窥豹”，看一截儿是一截儿，信息被截断了不说，尖峰信号本身的波动还让画质“忽忽悠悠”。北大等机构这篇CVPR 2026新作，直接端出一套层次循环网络Spk2VidNet，用分层扩大时间视野的骚操作，把长序列里的海量信息榨得干干净净，速度和精度双杀SOTA，推理仅需43ms。这波操作，真稳！
CVPR 2026夺冠？厦门大学HESP：一招解耦文本与动作，语义对齐吊打SALAD和MoMask！
很多文本生成的动作看起来“不太聪明”，核心原因在于潜空间的“语义纠缠”。厦门大学这篇CVPR 2026的HESP狠招就是要把动作“解耦”清楚。AG-VAE让每个动作都有清晰的语义标签，再配合DCMM和HCA做精细对齐，效果直接秒杀SALAD和MoMask。
华北电力大学最新综述：医学图像分割从U-Net到SAM的“三国杀”，谁才是王者？
医学图像分割从U-Net一路卷到SAM，中间经历了什么？这篇来自华北电力大学的综述，把U-Net、Transformer、SAM三大流派放在一个框架里对比，从数据集、评估指标到临床应用挑战，掰开揉碎给你看。如果你正被“该选哪个模型”困扰，这篇就是你的"地图"。
普林斯顿重磅研究：PINN反演河道摩擦系数，几组数据就能精准建模？
洪水模拟中，河道摩擦系数（曼宁系数）是极其关键的参数，但传统方法又贵又难校准。普林斯顿的学者们这次不玩虚的，用一维和二维浅水方程基准测试，系统性地拷问了PINN在稀疏、有噪声的观测数据下，到底能不能靠谱地反演出这个参数。结论很硬核：二维情况下，10个点，10%噪声，误差直奔5%以下。但一维却有15%的系统偏差，且联合观测深度和速度是核心关键。这篇文章，对搞水
让AI画图"指哪打哪"！STAR新方法：让奖励信号精准导航，GenEval得分飙至0.9759
以前给AI发“大锅饭”奖励，生成区域无论主次都一个待遇，难怪画出来的图总在细节上翻车。这次STAR的方法挺巧妙——直接把模型里的注意力图拿来当导航，给“画什么”和“画在哪里”的区域多发奖励。效果是真不错，GenEval飙到0.97，而且计算量几乎没增加，属于花小钱办大事的典范。
Yoshua Bengio团队提出S3-GFN：软约束GFlowNet让分子生成95%以上可合成！
Yoshua Bengio团队这次没走“硬核合成路线”的老路，而是搞了套软约束后训练，直接让AI生成的分子95%以上都能进实验室合成，还顺手把对接分数提到了新高度。分子设计终于要告别“纸上谈兵”了吗？来看看S3-GFN是怎么“软硬兼施”的！
重庆大学新作：高斯泼溅硬塞进Transformer，无监督低光增强SSIM飙至0.926
重庆大学这波操作有点东西！在低光增强领域，无监督方法最头疼的就是复杂非均匀光照下的局部过曝/欠曝和颜色偏色。这篇论文干脆把高斯泼溅的连续光场表示当成“物理先验”硬塞进Transformer的自注意力里，让模型在增强时能“看懂”光照的物理结构，而不是在黑盒子里瞎猜。PSNR和SSIM在LOL等数据集上直接登顶，视觉修复效果图看着是真的解压。
亚运会看够了？无蜂窝ISAC+数字孪生，让目标跟踪精度飙升23dB！
继2026年6月推送过《AI数字孪生：5G/6G网络流量预测与资源管理新突破》后，今天这篇把ISAC和数字孪生玩出了新高度！不仅证明了无蜂窝架构能让速度估计从“瞎”变“聪”，还巧妙地把FIM形状优化和速度估计搞成了正交，设计起来省心省力，最终23dB的跟踪增益，香！
