多伦多大学最新研究：黑暗中的3D重建，信噪比低于-4dB也不怕！
黑暗环境下的3D重建一直是计算机视觉的"禁区"——常规的SfM管线在低信噪比下直接崩溃。多伦多大学带来的Dark3R另辟蹊径，通过教师-学生蒸馏把MASt3R这类3D基础模型"教会"在黑暗中看清世界，仅需噪声-干净RAW图像对训练，无需任何3D真值监督。看过的龙迷都直呼"真不错"！
最新文章
共 1672 篇
IIT Indore新作：摄像头测呼吸，不再"看肤色下菜碟"！MAE直降42.1%
传统摄像头测呼吸，一到深肤色就"翻车"——信号弱、噪声大，原因在于方法"一刀切"，不懂因肤制宜。IIT Indore这篇ELITE-RR，用肤色感知投影+运动信号去噪+双表征对比学习，三招齐下，把呼吸率估计误差直接砍掉42.1%，还开源了首个印度族裔呼吸数据集。方法设计干净利落，实验全面无死角，干货满满，值得一读！
还在用GRPO？当90%动作都是“摸鱼”，信噪比还不如随机乱猜！
训练多轮智能体时，GRPO等无评判器方法常常在长序列任务中“失灵”，大家都以为是“长程信度分配”的锅。但龙哥今天带来的这篇工作却一针见血地指出：罪魁祸首是“例行公事”太多！论文首次定义了“决策密度”这个量化指标，并完美推导验证了其与训练信噪比之间的幂律关系。啃完这篇，你对强化学习训练效率的理解会上一个台阶。
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。
扫地机为啥老让你猜谜？最新研究教你机器人“说人话”
LED灯闪和机器人又扭头又说话，你更信哪个？这篇论文竟然在德国博物馆实地“抓”观众来做实验！结果既在意料之外，又在情理之中——视频里看着很清晰的信号，一到真实世界，效果直接打对折。下次家里扫地机对你狂闪红灯，你可要仔细琢磨一下它到底想干嘛了！
Meta最新研究：一张照片就能生成4D人-物交互动画，效果效果优于单令牌方法！
只需一张图片，就能精准控制4D人-物交互动画中的姿态、接触、布局细节。Meta联合马普所、阿姆斯特丹大学等机构提出的IMAGIN-4D，用“空间-时间”双重解耦的图像条件化策略，把生成图像遵循度指标直接砍半。同类工作做视频生成，它做4D交互，效果惊艳。
北大最新基准HOLMES：LLM高阶逻辑推理平均仅50.64%，最佳模型也才59.54%！
我们评估模型推理能力，还在用“答没答对”来一锤定音？北大等机构的最新研究HOLMES告诉你，答案对了，但推理过程可能全是“捷径”！这个首个面向高阶逻辑推理的真实世界基准，无情地揭露了GPT-5.4、DeepSeek、Qwen等一众顶级大模型，处理起需要“规则打架”、“跨范围组合”的现实问题时，表现有多拉胯。是时候关注推理过程的“忠信度”了。
语音增强新范式：FiLM注入SSL特征，实时也能做到
还在为扩散模型生成的语音不够自然、遇到噪声就“懵圈”而头疼吗？马里兰大学团队这次直接把自监督学习的“语言学耳朵”——Wav2Vec2，装进了扩散模型的U-Net里。效果拔群，PESQ直接飙升0.4，让AI在降噪时更懂你说的是什么，而不是无脑涂抹。
NYU最新研究：仅用8K短数据训练，让LLM在128K长上下文推理中准确率飙升90%！
大模型在短数据上训练得再溜，一遇到超长上下文立马就“脑子一片空白”。纽约大学团队别出心裁，用“随机位置”这招，让模型在短文本训练时就能“看见”长文本的位置编码，再配合“长度课程”循序渐进的练习，仅用<8K的短数据训练，就在128K长上下文推理中准确率飙升到90%。这招堪称四两拨千斤，性价比极高！
小米最新研究：RS-Gen让AI绘图告别“翻车”，逻辑推理+实时搜索，效果直逼闭源
让AI画个"某品牌最新概念车"？传统模型直接摆烂。小米团队提出的RS-Gen，专治AI绘图的"知识盲区"和"逻辑短路"。它像个聪明的项目经理，把复杂任务拆解成"先查资料、再想思路、最后画图"，关键是不用重新训练模型，即插即用。在WISE基准上，直接把通义千问的基线模型从0.51拉到0.823，效果直逼商业闭源模型，这波开源社区赢麻了。
端到端自动驾驶：22小时适配变0.9小时，且零在线交互
端到端驾驶系统有个“隐形痛点”：车厂不断升级感知模型，可下游的决策策略一旦重训就是天价成本。上海交大这篇论文直接点题：不重训策略，就用一个轻量“拼接层”把特征空间对齐回来！效果扎实，跨域场景下驾驶分数从34.76飙到89.88，而适配时间从22小时缩到1小时以内。这思路特别实用，喜欢搞工程落地的朋友别错过。
Apple Research最新论文！9位AI法官投票，有效票数竟然只有2张？
“三个臭皮匠，顶个诸葛亮”在AI评审领域失灵了。Apple Research这篇论文泼了盆冷水：你花重金请来9个顶级大模型打分，以为获得群体智慧，实际上它们只用同一种声音对你说话。这是直面当前AI测评滥用的“清醒剂”。
