上海交大新作SANA-SR：32倍压缩+线性注意力，图像超分19毫秒搞定，效果还更强！
超分模型想要又快又好？上海交大奖池团队直戳痛点：不是先验不够强，而是token太拥挤、交互太贵了！他们祭出32倍压缩+线性注意力的大杀器——SANA-SR，单步推理19毫秒搞定，输出效果还吊打一众多步SOTA。这个思路，绝了！
最新文章
共 1672 篇
西北大学&亚马逊AGI最新研究：让大模型学好“纠错”，推理能力暴涨，4B模型打趴8B！
让大模型第一步就做对，这要求有点高。但如果允许它错几次，再一步步修正呢？ 西北大学联手亚马逊AGI提出的REVES框架，精准点出了当前“测试时扩展”技术的核心瓶颈——训练与推理的“步数”不匹配。它巧妙地通过把“接近正确”的错解转化为修正样本，用单步强化学习高效地训练模型学会自我纠错，在代码、数学上全面领先，还用4B模型在圆球填充任务上追平了8B系统的SOTA
北卡罗来纳大学夏洛特分校最新研究，ACE模块让VLM调用减少75%
长视频问答（LVQA）一直是个“烧钱”的活，把一小时的视频全喂给大视觉模型，光是token就能上百万。而TIMEPROVE给出的策略很聪明：先派轻量级的动作检测器去“探路”，生成几个高概率的答案假设，最后才让大模型去“拍板”验证。结果呢？效果涨了7.3%，成本却降了93%。这种“先猜后验”的思路，值得每个做视频理解的人关注。
仅用7%成本就吊打全场？北卡大学提出TIMEPROVE，让长视频问答学会“先找证据再说话”
长视频问答一直是个“贵”且“难”的活儿——处理一小时视频，光视觉token就超200万。北卡大学夏洛特分校的TIMEPROVE，提供了极其优雅的解决思路：先用轻量级的动作检测模块“侦察”出关键证据片段，再只把这些精挑细选的短片段送给VLM做“终审”。结果准确率涨了7.3%，VLM调用次数锐减75%，推理成本暴跌93%！这简直就是给LVQA这个“烧钱”领域的一
机器人视觉新范式：不再看图识字，而是看“手”学动作
传统视觉编码器（如CLIP、DINOv2）再强大，也是用猫狗图片、风景照训练的，它根本不知道“抓杯子”需要看哪儿。这篇UC Berkeley和NVIDIA的CAIP，用地表最强的“人类第一人称操作视频”（Ego4D等）作为训练数据，让视觉编码器学会了看“手”和“物体接触点”。这招“用人类手部姿态代理机器人动作”，直接让灵巧操作任务成功率飙升30%，而且抗干扰
四足机器人跑酷破纪录！SWAP用对称性原理，一跃2.13米，登顶1.63米
机器人的左右腿，是不是总被当成两套独立的程序在学？这篇论文的作者们也这么想，于是他们干脆把“对称性”这个物理常识硬塞进了神经网络。结果咋样？一台重达72公斤的机器人，在美国国家航空航天局（NASA）的JPL实验室里也跑不出这么猛的数据——1.63米高台一跃而上，2.13米宽的鸿沟轻松跨过，这波操作，真把四足跑酷玩成了物理定律的炫技。
排名也有偏见？巴西学者提出SMAA-Fair，给多准则决策中的排名加上“公平滤镜”
当你在多准则决策中用SMAA方法计算排名时，有没有想过这个排名可能对某些群体“偏心”？巴西学者提出的SMAA-Fair正是来解决这个问题的。它不改变你的模型，只调整每个模拟排名对最终结果的“投票权重”——排名越公平，权重越高。简单有效，思路清奇。
告别黑箱审计：CODE-AUGUR如何让LLM的安全判断变得可验证、可复用
继2026年6月聊过AI智能体安全评估之后，这次新加坡国立大学团队带来更猛的干货：不是让LLM当黑盒猎头，而是让它把“觉得安全”的判断写成可执行的断言，再用模糊测试来挑战这些断言。结果？在DARPA的AIxCC基准上比顶尖智能体多发现34%-63%的漏洞，还挖出了22个真实世界的0-day！这才是AI安全审计该有的样子。
40%任务效率提升！重庆大学提出ExS2D：零双臂数据训练双臂机器人
想让家里的扫地机器人帮你搬桌子？想给它找俩搭子？这篇重庆大学的新研究带来一个“骚操作”：让你的单臂机器人不用练习，直接点亮“双打”天赋。不需要昂贵耗时的双臂演示数据，它们通过一个精巧的层次化框架，就让机器人自己学会左右开弓。一句话总结：白嫖单臂数据，通吃双臂任务。🤚
被引26489次！蒙特利尔大学提出RNN编码器-解码器：给机器翻译装上“语义引擎”
这篇论文是NLP领域圣经级的存在，引用数高达26489次！它提出的RNN编码器-解码器架构，以及其中巧妙的门控隐藏单元，直接为后来风靡全球的seq2seq模型和GRU铺平了道路。如果你想理解机器翻译乃至整个序列生成任务的基石，这篇2014年的经典之作绝对不容错过。
法国IPAG用维里定理提取恒星核，告别密度阈值玄学
数星星的孩子最难的不是数，而是告诉别人哪个点才算星星。这篇来自法国IPAG团队的论文，就用维里定理造了一把“物理戒尺”，把模拟宇宙里那些“模糊边界”的恒星胚胎量得清清楚楚。从此，告别手动调阈值的玄学时代，让物理自己说话！
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。
