加州理工新框架FAPS：首个统一函数空间回归与PDE逆问题的后验采样器，推理快1.7倍
从稀疏采样到全局推断，这是科学计算与AI交叉领域最迷人的难题之一。加州理工团队提出的FAPS，巧妙地用流匹配先验“包”住了后验采样，不仅统一了函数回归和PDE逆问题，还在推理阶段降本增效。更关键的是，它不需要显式评估先验密度，且能无缝对接不同查询网格，切切实实把理论转化成了实用工具。
最新文章
共 1672 篇
告别人工脚手架！Spiral端到端训练模型自己搜索和聚合，递归自聚合效果惊艳
很多模型训练时只学顺序推理，一到测试却靠人工搭脚手架（并行采样+投票）来提分，中间有个巨大的“训练-测试”鸿沟。斯坦福这篇Spiral颠覆性地用集合强化学习，让模型边训练边学会如何搜索和如何聚合，把整个推理过程端到端打通了。效果非常硬核，4B模型推理效率吊打传统方法11倍，不愧是Chelsea Finn和Noah Goodman团队的新作！
光场去噪新范式！印度理工用LSH稀疏注意力，参数更少、性能反超SOTA
光场去噪一直是个难题：数据大、维度高、噪声还独立于视图。印度理工学院这次用LSH稀疏注意力，把整个4D光场直接当作一个整体来做全局交互，不仅性能全面超越SOTA，参数量和推理速度还更优。在图像去噪领域，这种“大一统”的思路相当值得关注。
定流形中首次构造光滑不可拆链接，n=1即可
四维空间到底有多神奇？这篇论文告诉你，有些结构在拓扑学家的“橡皮泥”世界里能被轻松分开，但在微分几何学家的“精确手术刀”下却顽固地粘在一起。作者巧妙地运用马祖尔流形和带形协边，构造出首批在定4-流形中拓扑可拆但光滑不可拆的“奇异链接”，为理解四维空间的独特光滑结构提供了全新视角，低维拓扑爱好者不容错过！
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」！
生成AI老“画”不对？浙大新方法GAZER：让自回归模型在生成中“自纠错”，无需重新训练！
生成AI经常“画不对题”？这可能是顶尖模型也无法避免的“语法错误”。浙大联合山大的GAZER，不走寻常路，它不重训模型，而是在生成过程中，让模型自己扮演“质检员”，通过多模态大模型“复盘”草稿，发现错误后“回炉重造”，简单一招就让图像和视频生成的语义对齐效果显著提升。同类工作中，GAZER切中了核心痛点，非常值得一看！
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！
顶级B工厂联合出手：X(3872)本质原来是个“分子”？
那个让物理学家纠结了二十年的“神秘粒子”X(3872)，到底是普通的小强还是宇宙中的蛤蟆精？这次，Belle和Belle II联手，用史上最强的1.2ab^-1数据，第一次抓住了它衰变成π⁰χc0的尾巴！这个发现彻底否定了它是普通粲偶素的身份，强有力地指向了分子态或四夸克态的解释。想看懂这篇堪称“粒子物理福尔摩斯”的硬核论文？龙哥带你用最通俗的话，看看这群科
CHI 2026最新观点：别让AI“快”成摆设，AAC评估不能只看速度
AI 让 AAC 变快了，但“快”到底是不是第一要义？这篇来自 CHI 2026 的 Workshop 论文，犀利地撕开了当前技术评估的面纱。它没有提出什么新算法，却指出了一个最容易被忽略的问题：我们到底在为什么而优化？对于关注 AI 落地、真正的用户中心设计的读者，这篇几乎是必读。
告别天文数字增益！用滑模重构非线性输出，Lur'e系统观测器设计新范式
当非线性耦合强到让经典LMI失效，观测器增益飙到几万，这还怎么用？本文提出一个巧妙的思路：既然测不到非线性耦合信号，那就用滑模观测器从输出里实时“算”出来，再把它当已知量注入观测器，相当于多了一条校正通道。理论证明新LMI总能找到更小的增益，数值实验更是把增益从3万降到了30，RMS误差还降低了13倍。控制领域的小伙伴，这招值得看看。
中国电信&西安交大最新SOTA！InteractiveAvatar：实时流式生成，视频头像也能听懂你的话
能让数字人听懂你说话的“套路”来了！InteractiveAvatar不仅能把语音转成视频，还能理解“看一下手表几点了”这种复杂意图，并做出相应动作。在长达数分钟的无限流式生成中，画面一致性还吊打一众对手，实时推理速度更是达到26.68 FPS。
RIKEN新解：LLM数据溯源“捷径”还是“精确制导”？BM25+影响力函数99%一致？
LLM输出的“灵感”到底是从训练数据里“原样照搬”还是“高维加密”后释放？日本理研牵头的新研究首次给数据相似度（BM25）和数据影响力（KFAC）的排名关系画了张精准的“等高线图”。发现一个反直觉事实：影响力函数能更一致地预测相似度的结果，反过来则不行——这意味着“先BM25粗筛，再影响力精排”的混合方案，可能是大模型可解释性工具箱里的黄金搭档。
