9个图基础模型只有2个能打？ICML论文曝光80%是花架子
当「图基础模型」遇上「公平评测」， 结果发现9个模型里7个是花架子？这不就是AI界的照妖镜嘛！😏 本文用最硬核的实验设计，把各路GFM拉到聚光灯下，扒掉了华丽外衣，告诉我们：经典GNN调好了，依然是条好汉。这篇ICML 2026论文，龙哥看得直呼过瘾，强烈建议所有的图学习研究者都来「上好这一课」！
标签：预测模型
共 151 篇
单巡天多探针首次联合，暗能量FoM飙升4倍
继2026年6月聊过DES Y3结果后，DES团队再次放出大招——用六年完整数据，将弱引力透镜、超新星、重子声波振荡三个探针首次在单一巡天内联合，给动态暗能量来了个“全身体检”。结果很有看头：与宇宙学常数的偏差高达2.2到3.0σ，在暗能量与物质相互作用等新物理模型上给出了前所未有的限制。这对于关心宇宙加速膨胀本质的你，绝对值得一读。
南方科技大学最新研究：室内占据预测告别体素分类，32个基元效果优于SOTA，速度3.7倍
室内占据预测，传统方法要么算得慢，要么基元浪费。南方科技大学这篇FLM-Occ，直接把问题换个角度定义——从分类变成估计分布，用最大似然训练。结果呢？只用32个基元，精度超越SplatSSC的1200个，速度还快了快4倍！这思路，有点东西。
脑胶质瘤IDH突变预测：图像基础模型 vs 影像组学，到底谁更靠谱？
影像基础模型（比如专为MRI设计的）在预测脑胶质瘤IDH突变时，居然打不过一个基于影像组学的表格基础模型？瑞士伯尔尼大学团队的最新研究做了个扎心的对比：四个主流视觉基础模型轮番上阵，结果被TabPFN表格模型轻松反杀。是基础模型“水土不服”，还是“老”方法被低估了？这篇关于胶质瘤IDH预测的系统性基准研究，值得所有关注AI医疗落地的读者一看。
最新基准测试：预测脑胶质瘤IDH突变，传统放射组学竟效果优于四大MRI基础模型
让最先进的MRI基础模型和“老古董”放射组学同台竞技，结果传统方法完胜？这篇论文对所有搞医学影像AI的人来说，都是一盆清醒的冷水。它告诉你，大模型未必是万能药，基线方法才是真正的试金石。
Yann LeCun参与，SkyJEPA：让四旋翼在潜空间预测，零样本仿真直飞现实世界！
Yann LeCun的JEPA思想终于上天了！这篇工作提出了第一个用于四旋翼实时控制的JEPA风格潜空间动力学模型SkyJEPA。它完全在仿真中通过域随机化训练，却能零样本迁移到现实世界，在户外飞行中跟踪误差降低近40%，换了桨叶、加了负载也不掉链子。想看世界模型怎么帮无人机“闭眼预测”的，这篇必读。
告别复杂两步法！端到端训练线性网络，状态估计误差仅1/√T
这个问题就像一个“灵魂拷问”：我们费劲训练一个模型预测时间序列的下一个值，它除了学会预测，它的内部“黑盒”里是否也偷偷学会了理解这个世界的底层规律？这篇来自康奈尔大学、华盛顿大学和帝国理工的论文，用严格的数学证明了：一个简简单单的两层线性网络，在训练之后，它的隐藏层居然自己学习了卡尔曼滤波！方法巧妙，理论扎实，而且开源了代码，非常建议关注时序建模和状态估计的
告别Dft声子bug：倒易空间约束让低维材料声子计算回归物理
教科书上说，低维材料的柔性声子模式就是二次色散。可DFT一算，出来的曲线总是“歪”的，甚至冒出负频率这种物理上不可能的东西。别慌，Imec和鲁汶大学联手，用倒易空间“数学手术刀”把旋转不变性给修好了，声子谱终于回归物理直觉。
维也纳工大联手UCLouvain：高熵工程把Fe2VAl热电模块效率拉到新高度，输出功率2.8W！
工业生产余热若不能有效利用，便是巨大浪费。本文没有追求实验室里“毒性强、成本高”的顶尖热电材料记录，而是通过高熵工程把早已证明有“可加工性好、成本低”等潜力的Fe 2 VAl基全Heusler材料性能再次提升，并一步到位制成了能在375K温差下输出2.8W功率的高效模块。这是将实验室成果转化为可实际应用的热电发电机的绝佳范例，值得借鉴！
流感预测大PK：17个模型“华山论剑”，混合专家模型夺冠！
流感预报影响万千人健康，从ARIMA到PatchTST再到各种大模型，谁才是预测流感传播的“预言帝”？弗吉尼亚大学这篇论文，用17个模型在真实场景下进行了1-4周预测大PK。结果很有意思：混合专家模型稳居C位，而用大语言模型做时间序列预测，这次表现真是不太能打... 一起来看看到底谁是C位，谁又该回炉重造吧。
电费涨了别急着甩锅数据中心？美国最新研究：数据中心反而是“电费刺客终结者”
大家都在吐槽“AI吃电”，数据中心建哪儿电费涨哪儿。然而，这篇基于全美10年实证数据的因果推断研究却给出了完全相反的结论——数据中心扩张，实际上是居民电费的“减压器”。研究不仅用上了1947年的超级脑洞作为工具变量，还从经济学和电力系统原理上揭示了为什么“需求增长”≠“价格上升”。一篇让你重新理解电力市场和AI基础设施关系的重磅研究。
告别“走一步看一步”！GraphWorld让自动驾驶学会用潜世界模型“预判未来”
现有的端到端自动驾驶方法大多“走一步看一步”，缺乏长远预判。本文提出的GraphWorld，用潜世界模型为车辆装上“预知眼”，不再生成昂贵的未来视频，而是将交互关系压缩成紧凑的潜世界状态，大幅提升6秒长时域规划的精度和安全性，碰撞率直接砍半。论文已被CVPR 2026接收。
