告别高功耗CNN！脉冲网络也能看清全局，混洗大法太绝了
脉冲神经网络（SNN）一直被看作是低功耗计算的未来之星，但在图像恢复这种需要“顾全大局”的任务上，受限于感受野，往往表现不佳。这篇2026年的新工作巧妙地将小波变换和一种零开销的随机混洗操作引入SNN，让“近视”的脉冲网络也能高效建模全局依赖，参数量仅0.125M，去雨性能却实现了大幅跃升。对于关注边缘端AI和高效模型的小伙伴，这篇文章值得一读。
最新文章
共 1672 篇
通用智能体必备？CMU用数学告诉你：没记忆不行
继2026年6月推过“世界模型新范式”那篇之后，这又来了一个理论硬核到不行的好货。CMU的这篇论文，用数学证明了“好记性”对于通用智能体是刚需，而不是可选项。它就像一个AI界的“记忆法证明”，告诉所有人：别再做无头苍蝇了，想变强，先学学怎么记笔记吧！
南开大学新发现：管子稍微一捏扁，球球排列竟全乱套？
把完美的圆形管子稍微捏扁那么一丁点（不到1%），里面球球的排列方式就会产生翻天覆地的变化——这是南开大学团队刚刚揭示的惊人发现。该研究不仅能解释生物体中奇怪的细胞堆积现象，更为材料设计提供了全新的手性调控思路，太有意思了！
CVPR 2026夺冠！北大新作Spk2VidNet：用层次循环网络，让尖峰相机长视频超分效率吊打SOT
当尖峰相机遇到长视频超分，现有方法只能“管中窥豹”，看一截儿是一截儿，信息被截断了不说，尖峰信号本身的波动还让画质“忽忽悠悠”。北大等机构这篇CVPR 2026新作，直接端出一套层次循环网络Spk2VidNet，用分层扩大时间视野的骚操作，把长序列里的海量信息榨得干干净净，速度和精度双杀SOTA，推理仅需43ms。这波操作，真稳！
CVPR 2026夺冠？厦门大学HESP：一招解耦文本与动作，语义对齐吊打SALAD和MoMask！
很多文本生成的动作看起来“不太聪明”，核心原因在于潜空间的“语义纠缠”。厦门大学这篇CVPR 2026的HESP狠招就是要把动作“解耦”清楚。AG-VAE让每个动作都有清晰的语义标签，再配合DCMM和HCA做精细对齐，效果直接秒杀SALAD和MoMask。
普林斯顿大学最新：用扩散模型替代梯度，越狱成功率高达100%，竟能绕过防御
越狱攻击的“流畅性”和“成功率”就像鱼和熊掌，之前的GCG虽然成功率不错但写出的后缀简直不是人话，而基于改写的方法虽然流畅却容易丢失攻击意图。普林斯顿这篇论文直接用扩散模型替代梯度，解决了这个“既要又要”的悖论，在多个模型上取得SOTA，甚至对Mistral-7B达到了100%的攻击成功率，而且能完美绕过困惑度和守卫模型检测。如果你想了解攻击的最新范式，这一
SAP最新研究揭秘：企业AI代理的信任密码，原来“看得见”比“能暂停”重要10倍！
你的AI代理队友，让你放心还是糟心？继2026年6月聊过“企业AI革命”后，SAP的这篇实战研究来得正是时候。它用数据告诉你：想让员工信任AI，光给个“暂停”按钮远远不够，他们想看到AI的“思考过程”。这份基于企业真实痛点的UX设计指南，AI产品经理和开发者都该看看。
全球最大伽马射线天文台的“数字大脑”揭秘！CTAO的ACADA系统如何实现每秒24Gb数据流实时处理？
宇宙中最剧烈的伽马射线暴发，需要地球最强的“眼睛”来捕捉。CTAO就是这双眼睛，而ACADA系统则是操控这双眼睛的“数字大脑”。这篇论文详细展示了如何构建一个能管理上百台望远镜、处理每秒几十Gb数据流、并能在4秒内响应宇宙瞬变事件的超级控制软件。对于研究大型分布式系统、实时数据处理和天文信息学的读者来说，这是一份来自全球最大在建天文台的一手架构设计文档。
东京大学最新研究：LLM游戏世界不再“过目忘”，JSON状态工程让游戏世界活起来！
LLM驱动的游戏通常只擅长“聊天式”角色扮演，但世界却是“过目忘”的——NPC不记得你是谁，你改变不了世界。本文把这个问题当成架构问题而非模型问题来解决，用一套严格的JSON状态+POMDP形式化框架，把“这个世界会记住你”这件事从口头承诺变成了可验证的工程现实。
华北电力大学最新综述：医学图像分割从U-Net到SAM的“三国杀”，谁才是王者？
医学图像分割从U-Net一路卷到SAM，中间经历了什么？这篇来自华北电力大学的综述，把U-Net、Transformer、SAM三大流派放在一个框架里对比，从数据集、评估指标到临床应用挑战，掰开揉碎给你看。如果你正被“该选哪个模型”困扰，这篇就是你的"地图"。
BESIII最新发现：D+介子衰变中a0(980)粒子线形诡异，现有理论集体“哑火”？
微观看世界，粒子物理也疯狂。BESIII合作组这次在D+介子衰变中，发现a0(980)这个“老熟人”的线形相当诡异，连Flatté、T矩阵、K矩阵这些经典理论模型都难以完美拟合。这就像你认了一辈子的老朋友突然换了张脸，是它变心了，还是我们的“剧本”错了？本文将带你深入强子谱学的迷雾，看看这场“拟合”与“物理极点”之间的艰难抉择。这是继2026年6月的 LHC
普林斯顿重磅研究：PINN反演河道摩擦系数，几组数据就能精准建模？
洪水模拟中，河道摩擦系数（曼宁系数）是极其关键的参数，但传统方法又贵又难校准。普林斯顿的学者们这次不玩虚的，用一维和二维浅水方程基准测试，系统性地拷问了PINN在稀疏、有噪声的观测数据下，到底能不能靠谱地反演出这个参数。结论很硬核：二维情况下，10个点，10%噪声，误差直奔5%以下。但一维却有15%的系统偏差，且联合观测深度和速度是核心关键。这篇文章，对搞水
