浙大最新研究：BII合成加速17.9倍，解决率提升86%，告别传统符号抽象瓶颈？
传统最佳归纳不变量（BII）合成依赖符号抽象和混沌迭代，每步都要计算最佳抽象变换器，收敛慢且容易超时。浙大团队从约束优化角度重新定义了BII问题，提出了一种"提议-精化"框架，两种新算法——线性搜索和逐位贪婪策略。其中逐位贪婪策略把求解器调用次数降到位宽线性级别（32位只需255次调用），实验解决率比符号抽象方法提升86%，加速高达17.9倍！代码已开源，值
标签：模型架构
共 307 篇
5.5倍吞吐量提升！SK海力士用PNM破解LLM混合长度服务难题
当LLM服务的上下文长度从几百到百万不等时，GPU内存成了最大的短板。SK海力士与KAIST联手拿出硬核方案——NELSSA，把长上下文请求“请”到CXL互联的PNM（近内存处理）芯片上执行，GPU只管短请求和FFN。实测解码吞吐量飙涨5.5倍，P99延迟骤降15倍，而且是在真实硬件上跑出来的！这可能是下一代LLM基础设施的关键拼图。
告别显存墙！DualDecoder用预测预取颠覆LLM推理
长上下文LLM推理中，KV缓存的内存占用一直是瓶颈，现有稀疏KV方法引入的GPU辅助状态反而成了新“内存墙”。这篇来自复旦大学与蚂蚁集团的论文找到了一个很巧妙的突破口：相邻解码步骤的KV索引具有强可预测性，从而可以用预测性预取彻底替换掉GPU驻留的辅助状态。方法设计的双token解码流水线、层感知传输调度和乒乓缓冲区都很实在，在128K上下文下吞吐量提升最高
0.2B参数、1GB显存，32Hz实时控制！华中科大&华为新VLA范式TurboVLA
大模型驱动的机器人VLA虽然强大，但推理慢、显存高。TurboVLA反其道而行，直接跳过LLM，用双向视觉-语言交互实现32Hz实时控制，仅需0.2B参数和0.9GB显存，性能却比肩甚至超越十亿级模型。机器人部署从此不再高攀不起！
西北大学最新：用医生看片时的“眼球轨迹”做弱监督分割，Dice达81.85%！
还在为医疗分割数据的像素级标注头疼？西北大学这篇工作告诉你，医生看片子时的眼动轨迹就能当弱监督信号，而且效果居然超越了最专业的涂鸦、边界框等“传统”弱监督！更关键的是，它首次用Mamba这种高效架构建模了轨迹的时序信息，而不是把它当作一堆散点的静态图。看完你会感叹：原来最宝贵的监督信号，就藏在医生最自然的阅片习惯里。
遥感学会用新模型：边缘清晰度暴涨，分类精度超越SOTA
PolSAR分类一直受困于边缘模糊和各向异性散射建模。现有Mamba方法要么只做空间域，要么固定扫描方向。本文提出DA-Mamba，巧妙结合NSCT多方向分解和方向自适应扫描，在四个数据集上全面超越SOTA。方向感知扫描+双域融合的设计，既保留全局语义又捕捉精细边缘，思路干净实用，值得关注。
1B vs 70B? 非凸优化新范式告诉你：零误差不如有误差
为什么神经网络训练到零误差反而更难？这篇论文从统计物理的视角给出了深刻答案——"冻结"的平衡态并非算法友好，而允许训练误差的"宽区域"才是算法可达的关键。它将OGP理论首次延拓到有限温度，证明热噪声不仅能避免过拟合，还能突破计算硬阈值，对理解深度学习的优化困境有重要启示。
冷启动命中率31.2%，AI智能体成游戏匹配救星？
这篇论文不是纯技术论文，而是游戏行业、平台经济学与AI交叉的硬核分析。它用Steam数据量化了AI带来的供给冲击（Gini 0.96），对比1983年崩溃，再提出基于LLM代理的智能匹配方案。冷启动试点命中率31.2%（随机11.4%），经济模拟也扎实。想了解游戏发现背后的真实战场？值得一读。
浙大IMFuse：打破LLM推荐只用最后一层惯例！平均提升6.72%，参数几乎不增加
继2025年末佐治亚理工的降噪思路后，浙大团队发现一个更根本的问题：在做LLM增强推荐时，直接取最后一层语义并不合理——中间层保留了互补的细粒度信息，不同物品对层深的偏好也不同。为此他们提出IMFuse，一个即插即用的多层语义聚合模块，仅增加0.03M参数就让推荐性能平均提升6.72%。门槛低、收益高，值得关注。
伦斯勒理工最新方法：G*2-Net搭建双层图网络，用二阶优化学连接
病理图像分析中，细胞空间结构是关键诊断线索，但传统启发式图结构无法自适应学习。G*2-Net巧妙地将图像级图结构学习转化为二阶双层优化问题，用DARTS式一步展开避免高昂计算，在三个数据集上全面超越现有方法。值得关注的是，其可学习图结构为模型提供了更好的解释性。
0.846分接收！通用音视频假货检测，融合不如解耦
继2026年6月龙哥聊过AI检测器泛化难题后，哈尔滨工业大学团队在IJCAI-ECAI 2026挑战赛中给出了一个反直觉的答案：原来音视频之间的一致性假设在通用场景下根本不靠谱，解耦才是王道！DAV-Det以0.8460分夺得第一，简单粗暴但效果惊人。
GenVC：首个压缩导向视频扩散模型，码率省62%秒变15fps
继7月聊过北大用0.005bpp还原视频细节之后，微软亚洲研究院带着GenVC来了——这是**首个面向视频压缩、从头训练的像素域视频扩散模型**。它不自欺欺人地继承百亿参数预训练骨架，而是用5.78亿参数干到码率省六成、解码15fps。更关键的是，它发现直接暴力蒸馏会让运动卡死，于是提出了**自适应分数蒸馏**来精准纠偏。想搞懂视频压缩+扩散模型的最强实战，
