6G无线基础模型来了：一套框架搞定四类任务
6G无线网络最头疼的，不是“算不出来”，而是“每个任务都得单独算一遍”。这篇论文直接把信道表示和任务决策拆开，试图用一套底座同时扛住信道估计、波束成形、用户调度和波束选择，思路很硬核，也很工程。
标签：模型架构
共 307 篇
CMU+Apple提出RayRoPE：多视图位置编码终于统一了
多视图Transformer最怕什么？不是算力不够，而是位置编码“认不出同一块内容”。RayRoPE直接把patch绑到射线上，再让模型自己猜深度、补不确定性，结果就是：既要几何一致，又要多频细节，还能保持SE(3)不变。Apple Research这篇，属于把老问题拆开后重新装对了。🤨
IFT后推理会丢？这篇论文用合并法救回来了
推理模型最怕的，不是不会做题，而是微调完把“会想”这件事顺手弄丢了。这篇论文给出一个很朴素但很能打的解法：先把任务学进去，再把推理习惯捞回来。
把视频“偷摸”压缩的事告诉大模型：微软新方法令牌省93%
视频理解模型往往要把每一帧都当成独立图片来处理，这又慢又浪费算力。微软和斯坦福的研究人员直接从视频压缩算法中取经，用轻量级的运动向量和残差代替大部分图像的密集编码，让首帧生成时间快了86%，令牌用量暴减93%，同时性能还不降反升！这个方法与之前的Quickviewer等非均匀采样思路不同，它是在编解码层面做“减法”，从根源上避免了冗余。
2026新方法：ASK-NN把幻觉检测做成统计检验
LLM 幻觉检测最烦的地方，不是“看不出来”，而是“参考样本”和“查询样本”天生不对称。ASK-NN 直接顺着这个现实来做，把近邻检验改成非对称版本，理论和工程都更像样。
腾讯+中山大学新方法：视频生成提速2.11倍
视频生成最怕的不是“算不动”，而是“算力明明省下来了，GPU却在等别人”。FVAttn抓住的正是这个系统级痛点：自适应稀疏注意力一边提质量，一边制造负载不均。论文把运行时修负载、空闲算力再利用和计算通信重叠串起来，思路很工程，也很实用。
腾讯+中山大学新作：视频生成提速2.11×，靠的是RLB和SASA
视频生成最贵的地方，不是模型不会画，而是算力先被注意力“拖死”了。FVAttn的思路很实在：先把多卡负载不均修掉，再把空出来的等待时间塞回高价值计算里，属于工程味很浓、也很能打的一类工作。
厦门大学新方法：跨图像提示让SAM3更懂伪装目标
伪装目标分割最烦人的地方，不是模型不够大，而是提示一旦打偏，结果就直接跑偏。GFR-SAM干脆把“点提示”换成“跨图像示例”，再用过滤和细化兜底，思路很顺，工程味也很足。
NVIDIA开源TTT-E2E：128K上下文快2.7倍
长上下文这件事，表面上是“把更多字喂给模型”，本质上却是在逼模型做一道很残酷的选择题：到底是要 记得更全 ，还是 跑得更快 ？全注意力模型像个记性极好的学霸，什么都想翻一遍，代价就是上下文越长，算得越慢；RNN 和一批线性/滑窗方案则像记笔记很快的同学，速度稳了，但一长起来就容易把关键线索漏掉。
ICASSP 2026新作：场景驱动Hadamard排序，30%采样也能稳拿高质量光谱图
单像素光谱成像最怕“拍得慢还拍不准”。这篇论文的思路很直接：先拍一点点，再让模型决定后面该拍哪些 Hadamard 模式，结果在仿真和近红外实拍里都比固定排序更稳。
USTC新方法：视频遗忘不改模型也能做
这篇论文最有意思的地方，不是“删掉了什么”，而是“删掉之后还能不能把视频保住”。SIRUS把遗忘、保真、质量、鲁棒性和效率拆开测，终于不再让概念擦除只靠一张嘴说服人。
低信噪比下反超MVDR！这篇论文把语音增强改成了“看输出”
这篇论文最有意思的地方，不是又造了一个波束成形器，而是把“选参数”这件事倒过来了：不先盯输入信号，而是先看输出好不好，再决定用哪个候选方案。对低信噪比和麦克风统计失真的场景，这个思路很实在。
