东南大学GraphLoom：只训160万参数，多模态RAG三大基准全面效果亮眼
多模态RAG最让人头疼的不是"找不到证据"，而是"证据太多太吵"。东南大学这篇GraphLoom把Llama-3.1-8B冻住，只训练160万参数，用可靠性校准的证据路由在三大多模态问答基准上全面超强基线，还把幻觉率压到10.5%。
视觉与图像
共 717 篇
UCLA+字节跳动：LoL让视频生成连续跑12小时不掉链子！
还在为AI视频生成几秒就崩、动作循环重复而头疼？UCLA携手字节跳动Seed团队祭出LoL大招，让视频生成一口气跑12小时不带喘的，关键还不用重新训练模型！
意大利数学家最新证明：可微逼近不丢“像”，紧致推广到局部紧致
这是一篇纯数学论文，没有代码、没有数据集、没有实验曲线，却把“可微逼近保持像”这个硬核几何问题从紧致情形一路推到了局部紧致情形。对于研究几何、拓扑和可微映射的读者来说，这个结果的分量不亚于顶会SOTA。想理解数学中“光滑化”到底有多讲究，这篇值得静下心来读。
UCSD最新研究：知识图谱重构协同驾驶，遮挡推理暴涨42%，通信骤减25.6倍
协同驾驶最怕的不是"看不见"，而是"看见了却说不清谁看到的"。G-MARK用知识图谱把车辆间的观测证据变成显式可追溯的推理对象，遮挡推理提升42.2%、通信成本压缩25.6倍，是轻量级可落地的协同推理新范式。做自动驾驶、车路协同的朋友值得一读。
萨马拉大学实测GPS接收机：三个关键参数调好，跟踪精度提升近50%
GNSS接收机的跟踪环路，一直是导航接收机设计中“牵一发动全身”的地方。这篇来自萨马拉大学的论文，没有堆砌高深理论，而是老老实实把积分间隔、相关器间距和滤波器参数这三个工程变量的实测结果摆出来，还附带了FPGA实现的经验教训。想搞懂GPS接收机怎么调优的同学，这篇值得花十分钟细读。
UCLA最新研究：相同帧率下SLIM轴向信息多2.4倍
做光场显微的都知道，帧率和空间信息常常“按下葫芦浮起瓢”。这篇来自UCLA的工作，用Fisher信息把SLIM和FLFM在相同探测器带宽下的账算得明明白白：SLIM用更少的行读出，换来了更高的三维信息效率。做计算成像、显微系统设计或者想优化相机读出架构的朋友，值得一读。
浙大开源24小时心电基准：GPT-5也翻车，微调后准确率99.7%
24小时动态心电（Holter）是诊断心律失常的金标准，但多模态大模型在超长时序信号面前几乎“失灵”。浙大等团队开源Holtercare-Bench基准与Holtercare-23K数据集，用信号-视频-文本三模态对齐，让GPT-5、Qwen3-VL等模型首次系统性接受“心电马拉松”考验——微调后时序定位准确率飙到99.7%，差距比想象中更大。
哈佛最新研究：扩散模型分数函数被"拆穿"，小波展开无需训练直接去噪
这篇论文把扩散模型里最"玄学"的分数网络，用小波基展开成了完全可解析的形式——不用梯度训练，闭式岭回归直接算出最优去噪器。更妙的是，三种相关性结构把"数据里哪些统计量最重要"变成了可量化的诊断工具。理解扩散模型内部机制，这篇值得一读。
不用调摩擦系数！接触感知神经动力学让仿真直通真实，成功率飙到73.7%
当机器人灵巧手在仿真里“摸”东西时，最大的谎言就是：接触跟真实世界差不多。这篇来自UC San Diego与Amazon FAR的新作，请来了Pieter Abbeel坐镇，把触觉接触信息直接变成神经动力学的条件信号，用大规模仿真预训练+少量真实数据微调，把灵巧操作里最难搞的“接触不连续”问题治得服服帖帖。MSE最低压到0.0058，任务成功率从52.6%飙
康奈尔新基准揭秘：GPT-4o看电影败在“看不见”
康奈尔大学CVPR 2026新作，用电影解说视频自动构建8231个问答对，提出无参考评估新范式。结果发现GPT-4o、Claude 3.5等顶级模型看电影，视觉几乎帮不上忙，纯靠字幕反而分更高，值得所有做多模态的人细品。
AFM图像又糊又慢？SPIDER自监督框架6倍加速3倍信噪比
论文由Sichen Pan和Simon Scheuring完成（通讯作者为Simon Scheuring），发表在Nature Communications上，提出了名为SPIDER（Scanning Probe Mic。
阿里千问&上交大新作：4K图像编辑只要61秒，纹理细节一个不丢
4K分辨率下改图，既要改得准、还要改得快、更要纹理细节不丢失，这可能吗？阿里千问与上海交大给出的答案是：61秒，一个细节都不少。
