Netflix最新研究Vera：分层视频编辑，内容保真度狂甩VACE几条街！
还在苦恼给视频换个背景，主角的头发丝却“糊”了？传统方法“重绘全图”的做法就像把整面墙重刷一遍，难免会蹭到不该动的地方。Netflix联手Caltech最新力作Vera，直接给出“分层”方案——要改的部分单独画在一个“透明图层”上，再盖回原视频，从源头杜绝了“改哪坏哪”的尴尬。PSNR狂甩VACE 7dB，效果真的有点东西。
最新文章
共 1672 篇
越南AI挑战赛夺魁！Vortex多模态视频检索系统，单模型搞定4大任务，90.5%准确率！
想找一个能同时理解文本、图像、语音，还能进行时序推理和交互反馈的视频检索系统？Vortex做到了。它在一个统一的框架内，巧妙融合了最新的视觉语言模型和经典的检索算法，并在激烈的AI大赛中取得了90.5%的惊人成绩。这不仅仅是技术堆叠，更是一场工程与算法的完美交响。
即插即用提升1.89dB，Mamba类模型秒变自适应
Mamba火了，但在图像恢复领域，它一直有个“单速”的先天不足——所有退化类型都用同一套状态演化节奏，这就像让法拉利和拖拉机跑同一条赛道，肯定出问题。上海交大团队看准了这个痛点，给Mamba注入了“液态大脑”，让模型可以根据图像内容自主选择多个时间尺度来演化。结果很惊艳：全一体化任务平均PSNR达34.23dB，狂甩各种SOTA方法。最关键的是，它是个即插即
密歇根等20+机构新作：告别PDF论文，让AI智能体直接操作科研成果，问答准确率暴涨至93.7%
当AI智能体成为科研“战友”，却发现读不懂论文，这多尴尬？密歇根大学联手斯坦福、MIT等20多家机构，提出脑洞大开的协议——ARA，直接把论文从“读”的文档，变成AI可“运行”的知识包。结果振奋：PaperBench上问答准确率从72.4%飙升到93.7%，复现成功率提升7%。看来，未来科研论文真是为AI写的了！
全城2.5万人实测，断网两个月75%页面可获取
全网断掉，没了搜索引擎和维基百科，我们怎么查资料？滑铁卢大学这篇工作给出的答案硬核且接地气—— 用蓝牙在大家手机里搭一个分布式“离线图书馆” 。CttF系统不搞天花乱坠的协议，而是让用户在断网前就缓存并互相打分，断网后再通过日常擦肩而过的那点时间交换资源。基于2.5万人真实轨迹的模拟证明，这套方案在真实部署场景下非常靠谱，比传统的流行病路由高效多了。
TESS五年“捉迷藏”成果首次公布：20个行星系统有“时差”，13个全新发现！
行星们也会“迟到早退”？基于TESS卫星前五年数据，南昆士兰大学团队首次系统梳理多行星系统凌星计时变化（TTV），发现20个存在显著“时差”的系统，其中13个此前未知。更关键的是，TESS系统偏爱2:1轨道共振，与Kepler的3:2偏好截然不同，暗示两种不同的行星形成“食谱”。想了解宇宙的“时钟”如何摆布行星？这篇就是入门指南。
多目标决策新范式：不用预设预算也能找齐所有最优解
当药物分子库动辄上亿候选物时，那个经典的“找最佳分子”问题瞬间变成了在浩瀚星辰中寻宝。不仅要考虑多个属性，还得在“探索”和“利用”间平衡。这篇论文提出了TTPFTS，第一个真正意义上的“随时”贝叶斯算法，无需预设预算，就能边采样边给出越来越准的帕累托最优解集。更绝的是，在9400万分子的库中，它只用了0.05%的探索量就几乎锁定了全部真实最优解，还自带一个“
非阿基米德Arakelov几何新篇章：首次证明Bost-Gillet-Soulé公式类比
在数字的禁区里，也能弹奏黎曼的乐章。这篇论文证明了非阿基米德Arakelov几何中的Bost-Gillet-Soulé公式，将复几何的神器“Green Current”带到了p-adic的世界，为算术相交理论注入新的灵魂。一句话：数学的力量，在于跨越时空的统一。
AI Agent接管云端？OpenKedge推出“执行经纪人”SEB，零常设凭证杜绝越权突变
AI Agent越来越能干，但把“删库”、“开端口”这种高级权限直接交给一个会幻觉、还可能被黑客渗透的非确定性系统，这不是妥妥的定时炸弹吗？OpenKedge团队这篇论文，直接瞄准了这个“检查后执行”之间的真空地带，搞出了一个叫“Sovereign Execution Broker”的硬核边界，让Agent手里的凭证“即用即消”，从根本上堵死越权操作。一针见
Meta最新研究：用“软聚类”给物品画像，生成式推荐效果大涨！
生成式推荐是当下的研究热点，但如何将用户复杂的协同行为和物品语义同时注入大模型，始终是个难题。Meta这次提出G2Rec，巧妙的用了一个稀疏的物品协同图来捕捉用户行为，再用一个可扩展的“软聚类”方法自动学习出每个物品属于不同兴趣原型的概率，把难以表达的“上下文”变成了模型能轻松理解的结构化token。结果在多个数据集上全面领先，而且在线部署效果也很亮眼。读这
CVPR 2026：当降熵成为陷阱，SPOT-E用锚点保住证据
大模型能说会道，但遇到要细看图表、小字的地方，经常"看走眼"还"自信满满"。孙海伦团队从"答案熵"入手，发现模型在不确定时会表现出更高熵值，但盲目降熵反而让模型走上捷径。SPOT-E巧妙设计了一个视觉"聚光灯"，配合强化学习，只调光照不调模型，让GPT-4o和开源模型在多个密集证据任务上获得稳定提升，思路清奇又实用。
伊利诺伊大学等最新研究：99%的人误解了分布式实验设计
当多个实验站点只能发送“投票”信息，我们该如何选出最佳全局实验？简单多数投票可能大错特错！这篇论文给出了分布式贝叶斯实验设计的决策理论框架，用信息增益代替人数，融合规则逼近集中式设计，信息损失近乎为零，堪称分布式决策的“正统解法”。
