语义token+扩散渲染：Vega新范式
视频理解和视频生成长期像两拨人：一边要“看懂”，一边要“画准”。Vega直接把两件事塞进同一个框架里，还用3B参数在多个基准上打出了很能打的成绩，值得细看。
最新文章
共 1668 篇
端到端翻译早期真相：长句就掉分
这篇论文不是单纯“把翻译模型做出来”，而是直接拆开看它到底哪里会翻车。短句、无生词时表现还行，一旦句子变长，神经机器翻译的短板就暴露得很诚实；而 grConv 还顺手展示了自己学语法结构的能力，挺有意思。
图像域倾斜约束来了：无人机预测RMSE降58.7%
这篇论文最有意思的地方，不是又堆了一个跟踪滤波器，而是把无人机在图像里“歪一点、抖一下”的姿态，硬生生变成了加速度约束。对短时预测来说，这招很实用，尤其适合小目标、机动目标和多相机异步融合场景。
AIAA 2026新方法：贝叶斯潜在高斯过程把气动不确定性校准到95%
这篇论文最有意思的地方，不是又套了一个高斯过程，而是把“输入不准”和“输出不准”一起收拾了。对气动不确定性量化来说，这种做法比只调均值靠谱得多，尤其适合稀疏真值和外推场景。
Stanford新方法：机器人偏好学习告别“总分制”
机器人偏好学习最烦的不是“没数据”，而是“数据看起来很多，实际全在讲废话”。这篇 FPL 直接把偏好拆成速度、安全、质量等自然语言轴，监督更细，策略也更会“看脸色”了。
CVPR 2026新作DR-GS：可变形高斯也能重光照
动态高斯最烦的，不是会动，而是 一动就把光照也“焊死”在纹理里 。DR-GS干的事很直接：把几何、光照、材质拆开，再让它们在变形和换光下各司其职。
ISM到Hybrid：多通道增强为何差这么多
房间模拟这事，很多人总觉得“差不多能用就行”。这篇论文偏不，它直接拿真实测量数据做评测，结果很扎心：模拟越像现实，多通道语音增强就越吃香，最高能把中位词错误率相对降掉38%。
视觉重聚焦新招来了：VisRef固定预算反超文本自省
多模态推理最怕“越想越跑偏”，这篇 VisRef 直接把问题说透了：不是单纯让模型多想，而是让它想的时候还记得回头看图。无需再训练，固定预算下还能稳定涨点，工程味很足。
哈工大联手华为：InstanceControl让复杂生成不再属性混淆
复杂多实例生成最烦的不是“画不出来”，而是“画对了对象却串了属性”。InstanceControl 直接绕开手工实例标注，用视觉语言模型先把文本和区域对上，再用自适应掩膜细化兜底，思路很工程，效果也很实在。
端到端驾驶加上记忆，NAVSIM-v2最高涨3.7
牛津这篇不靠“更大模型”，而是给自动驾驶塞进一段更像人类的驾驶记忆：前方路况没看到，也能提前知道。更妙的是，它还考虑了先验失真时怎么安全退回，工程味很足。
国防科大SAMBA：散射引导Mamba，7个数据集领跑
SAMBA这篇很对路：它没跟着Transformer继续堆算力，而是直接把SAR的物理散射特性拉进自监督预训练里。结果就是，参数更轻，识别和检测还更稳，属于“懂雷达的人写出来的雷达基础模型”。
Yann LeCun团队新作AdaJEPA：世界模型不再冻结，1步就能自适应
世界模型最怕的不是不会算，而是算着算着就跟现实脱节。AdaJEPA把自适应塞进MPC闭环里，用一次梯度步就能边规划边纠偏，思路很朴素，但很实用。
