广工等三校提出RVSD：剪掉67%视觉token，视觉大模型反而更少幻觉
大型视觉语言模型（LVLMs）的视觉幻觉问题，本质上是个“看图说话翻车现场”——模型明明没看见那个物体，却说得言之凿凿。
标签：涨点神器
共 102 篇
复旦携手小红书最新：给文字渲染装上“定位锚”，生成长文准确率暴涨10.3%
让AI准确渲染又长又密的文字，是图像生成的“最后一公里”。复旦携手小红书放出一招“位置锚定”新设计，把文字准确率直接拉高一大截，海报再密也不怕了。
让冻结LLM学会“脑内潜思”：循环潜思维LRT，符号推理暴涨26.7个点
当思维链还在“一字一句”硬凹推理时，这篇论文直接让冻结的LLM在“脑内”用向量打草稿。仅训练1130万参数，就在符号推理上把零样本思维链拉高26.7个点，推理延迟还更低。是时候重新审视“推理必须说出口”这个前提了。
港中文·微众AI等提出SinkPruner：先清注意力“下水道”再精剪
想要看懂SinkPruner，得先搞清楚一件事：多模态大模型（Multimodal Large Language Models，MLLM）里，最烧钱的其实不是“看”，而是“看完之后怎么记、怎么算”。
哈工大SAGE新作：不靠标注，让模型摆脱“背景骗局”，最差组精度飙至89.5%
模型总爱“看背景下菜碟”？哈工大团队提出SAGE，不靠任何人工标注，用聚类子标签驱动扩散模型定向补数据，直接把最差组精度拉到89.5%，专治各种“背景骗局”。
告别4K卡顿！新南威尔士大学提出P-PatchDif：低光增强提速80倍，显存不到9G
拍完夜景想发朋友圈，结果暗部一团黑、亮部还偏色？这篇新南威尔士大学的工作把分块扩散模型玩出了新花样：分块尺寸随时间步渐进增大，既保住局部细节又协调全局亮度，4K图像推理提速80倍，显存仅需8.8GB，简直是低光增强领域的"效率控"福音。
5米小望远镜能量阈值暴降3倍！视频Transformer重启40年IACT分析
1985年，Hillas提出了一套简洁的图像参数化方法，将切伦科夫相机记录的光斑压缩成长度、宽度、大小、方向等参数。这套方法高效，被IACT数据分析沿用至今。
中科大&美团CHAP：生成式检索告别逐层解码，线上成交大涨2.98%
传统生成式检索有个"中看不中用"的槽点：每个语义ID都要逐层解码，重型Transformer要在线跑好几遍，工业场景根本扛不住。中国科大联合美团提出CHAP，把多步解码压成单次Transformer加轻量残差块，线上A/B测试支付订单量直接涨了2.98%，看完只想说一句：这才是能落地的检索新范式。
南大SPLG-Mamba：让遥感显著目标检测告别“缺胳膊少腿”
这篇论文精准踩中当前视觉领域两大热点：Mamba架构与遥感显著目标检测。南京大学团队用“平滑-细节分治”的思路，把局部Mamba留给浅层细节、全局Mamba留给深层语义，配上门控跨尺度融合，在三大基准上全面刷新SOTA，窄目标F指标涨幅直接冲到1.46个百分点。代码已开源，适合想做遥感分割、结构保持任务的读者直接复现上手。
4.9倍吞吐反超SODiff，JPEG修复终于不挑硬件了
先聊一个很多人每天都会碰到、但完全没意识到的问题：你手机相册里那一张张照片，绝大多数都是JPEG格式。JPEG为什么能统治世界这么多年？因为它用一个巧妙的"分块变换+量化"策略，用很小的体积换来了还算能看的画质。
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。
机器翻译也玩推理？Qwen3-8B拆句查证，BLEU/COMET双涨
继大模型推理能力在数学、代码领域大杀四方之后，法国索邦大学与SYSTRAN团队把「思考」带进了机器翻译：让模型先从检索到的相似示例里精准切出可复用的平行片段，再动笔翻译。实验覆盖6种语言16个领域，BLEU、COMET与MetricX全面超越传统k-shot与草稿式推理，思路清奇且落地性强，值得每一位NLP从业者细读。
