音乐大模型别只看准确率：这套体检把“真懂”测出来了
这篇论文最狠的地方，不是分数有多高，而是它把“高分幻觉”拆得很难看：二元问答能蒙混过关，真到区分相近乐器、长上下文和时间定位时，很多模型立刻露馅。对做音频大模型评测的人来说，这篇更像一份体检单。
最新文章
共 1668 篇
LLM不只会写代码，还能修内存？MOA给出答案
内存优化最烦的不是“找不到问题”，而是“找到也修不完”。MOA把这事拆成三段：先从 profiling 里挖出反模式，再自动长出静态检查器，最后批量生成补丁，挺像给性能工程装了一条流水线。
SENSE-VAD来了：自动驾驶异常检测，终于开始看“关系”了
自动驾驶异常检测最怕的，不是“看不见”，而是“看见了也不知道危险在哪”。这篇论文把问题从运动统计拉回到社会关系，直接把现有方法的盲区掀开了。
ICLR 2025后续新作：BRACE让屏幕拍照条纹退场
屏幕拍照最烦的不是糊，而是那种彩条、锯齿、色偏混在一起，像手机在认真拆台。BRACE干脆换了思路：不再死磕单帧，直接上多帧包围曝光RAW，把“看不清的条纹”变成“能对照的证据”。
CVPR 2026思路：Bricker+BRACE让屏幕条纹去除更稳了
屏幕拍照最烦的不是糊，而是那层像“屏幕自带纹身”的闪烁条带。本文直接把问题拆成数据集和模型两块，Bricker 负责把复杂退化喂给模型，BRACE 负责把条纹按住。
ImageNet经典：152层ResNet拿下SOTA
这篇论文最狠的地方，不是把网络堆到了152层，而是证明了“更深”本来不该更难训练。残差连接一出，深度网络终于不用跟梯度和退化问题死磕了。
武汉大学新方法：低分辨率文本搜图提升5.7%
监控里的图一旦糊成马赛克，文本搜图就容易“认错人”。这篇 CRST 不去硬修像素，而是直接把高分辨率的语义和排序能力迁移给低分辨率检索，思路很实战。
北京师范大学新发现：QWZ模型不再局域
这篇论文最有意思的地方，不是“又一个局域化模型”，而是它偏偏在该局域的时候不局域，直接冒出一个持久临界相。对做凝聚态、量子输运或者准周期系统的人来说，这种反常识结果很值得细看。
认证式投机执行来了：冻结大模型提速2.96倍
这篇论文把“让AI先提案、再由可信核心放行”这件事做成了可认证合同，专治硬约束决策里“快和稳只能二选一”的老毛病。更狠的是，冻结大模型也能被它收编，最后还能在单位调度上换来2.96倍加速。
RoAd-RL开源基准来了：192种组合测穿强化学习防御
强化学习一碰到对抗扰动，很多“看起来很稳”的防御就原形毕露。RoAd-RL更像一把统一标尺：把攻击、防御、指标和复现流程都收拢起来，先把评测这件事做规矩，再谈谁真有本事。
IBM提出GradeSQL：Text-to-SQL测试时验证提升4.33%
Text-to-SQL 最怕的不是“写不出来”，而是“写出来也不一定对”。这篇论文把验证器搬到测试时，用学出来的语义打分替代拍脑袋规则，思路很朴素，但确实更像工程上能落地的解法。
Citi Bike老年轨迹被学歪了？Qwen3-4B也没救
老年人出行不是“年轻人缩小版”，这篇论文把这个常识用数据钉死了。更关键的是，它还顺手证明：训练集一旦被多数群体主导，连大模型也会把少数群体的轨迹学歪。
