GeoCodeBench来了：3D视觉代码，GPT-5也只拿36.6%
这篇论文很像给大模型出了一张“3D几何博士资格考试卷”。它不只看模型会不会写代码，更看它能不能把论文读对、把几何语义守住，结果相当不客气：最强模型也没过四成。
标签：数据集
共 128 篇
1B模型把僧伽罗语OCR打到1.05%：还顺手赢了Google
这篇论文最有意思的地方，不是又做了一个 OCR，而是把“真实世界里的老旧僧伽罗语文档”这件麻烦事正面接住了。数据集、QLoRA 微调、跨年代评估三件事一起上，最后还把 Google Document AI 挤在了后面，挺硬核。
SpatialUAV来了：低空无人机空间智能，GPT-5也没跑多远
低空无人机不是“拍得清”就算懂空间，真正难的是跨视角、几何关系和运动理解。SpatialUAV把这件事拆成14类任务，结果很直接：主流模型离人类还差得不小。
80队参赛！URGENT 2026把语音增强卷到评测层
这篇不是单纯“拼模型”的比赛总结，而是把语音增强真正落地时最容易翻车的两件事摊开了：数据怎么选，模型怎么评。结果很直白——堆数据不一定赢，选对数据和评测方式才更像正经工程。
Empa+ETH最新研究：569样本筛出钙钛矿发光黄金窗口
这篇工作最有意思的地方，不是“又做了一个钙钛矿筛选”，而是把材料发现做成了可复制的流水线。569个样本、自动化表征、再加上一个能直接指导发光优化的光学指纹，工程味很足。
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。
第一视角人机交互新基准：20段数据测出跟踪真相
这篇论文不玩虚的，直接把“社交机器人到底该盯脸还是盯身体”拉出来做了系统评测。更有意思的是，ReID 对身体跟踪是加分项，对脸跟踪却可能是减分项，结论挺反直觉。
CORTEX来了：3D胸部CT推理首次变成可验证结构
这篇工作最有意思的地方，不是又做了一个医疗问答集，而是把“医生怎么想”这件事拆成了能检查、能打分、能复核的结构。对3D胸部CT来说，这比只看最终答案靠谱多了。
北大+中科院提出PhysRAG：7K视频让生成更守物理
这篇 PhysRAG 很像给视频生成模型塞了个“物理常识外挂”：先把训练数据洗干净，再把物理参考视频检索进来，用可学习查询提炼成真正有用的先验。结果不是只会“看起来像”，而是开始“物理上像”。
纽约大学联手清华造百万级手语视频！3DGS+扩散模型，翻译模型鲁棒性飙升
手语翻译模型的顶级论文通常都在干净、正面的数据集上刷分，一到真实世界的侧拍、杂背景、陌生人就瞬间“原形毕露”。纽约大学联手清华大学，直接搬出3DGS和扩散模型，搞了个百万级增强数据集SignNet-1M，专门给模型做“抗压训练”，翻译质量飙升，鲁棒性不降反升。这条路子，值得所有做多模态和鲁棒性研究的同学重点关注！
多伦多大学最新研究：黑暗中的3D重建，信噪比低于-4dB也不怕！
黑暗环境下的3D重建一直是计算机视觉的"禁区"——常规的SfM管线在低信噪比下直接崩溃。多伦多大学带来的Dark3R另辟蹊径，通过教师-学生蒸馏把MASt3R这类3D基础模型"教会"在黑暗中看清世界，仅需噪声-干净RAW图像对训练，无需任何3D真值监督。看过的龙迷都直呼"真不错"！
IIT Indore新作：摄像头测呼吸，不再"看肤色下菜碟"！MAE直降42.1%
传统摄像头测呼吸，一到深肤色就"翻车"——信号弱、噪声大，原因在于方法"一刀切"，不懂因肤制宜。IIT Indore这篇ELITE-RR，用肤色感知投影+运动信号去噪+双表征对比学习，三招齐下，把呼吸率估计误差直接砍掉42.1%，还开源了首个印度族裔呼吸数据集。方法设计干净利落，实验全面无死角，干货满满，值得一读！
