扔掉ONNX！100行内核搞定CPU大模型推理，三星苹果实测表现炸裂
语音增强模型部署一直是老大难？这篇来自汉阳大学的最新工作，直接把FastEnhancer-Medium模型编译成纯C int8运行时，在Apple M2上跑到0.069 RTF，比ONNX Runtime快3.3倍，质量只掉了0.006 PESQ，而且完全无依赖！不碰模型结构、不重新训练，全栈优化+int8量化搞定一切，还公开了源代码，简直是把语音增强部署的
标签：AI应用
共 437 篇复旦+字节跳动ISSTA'26：一招让LLM学会API测试常识
API测试最头疼的“冷启动”问题——没有OpenAPI规范、没有历史日志，只有一个请求样本，能自动写出靠谱断言吗？Restor告诉你，用强化学习（GRPO）微调一个轻量LLM，这事儿能成，而且字节跳动已经在生产环境跑起来了，采纳率直接干到96%以上。一篇来自复旦和字节跳动的ISSTA'26工作，实打实的工业级神器。
肯特大学最新HOYS巡天：144颗婴儿恒星黑子分布首次揭晓，冷星点更短命？
抬头看星星，那些闪烁的亮斑没准儿就是年轻恒星脸上的“青春痘”——太阳黑子看多了，那你知道宇宙婴儿恒星上的黑子长啥样吗？今天这篇来自肯特大学和全球几十位业余天文爱好者联手的大规模巡天，就是用小型望远镜看穿了144颗不到400万岁的年轻恒星，告诉你它们的“斑”到底有多“花”。
GPT-5改写邮件语气效果曝光：121人16880封邮件揭示惊人中介效应
继6月聊过AI+同伴反馈对学术写作的影响后，这篇论文更直接：AI帮你写邮件，语气竟然比是否用AI更重要！121人16880封邮件的田野实验，结果让人意外——直接效果为零，但情绪中介效应显著。想了解怎么优化你的AI写作工具？这篇必读。
水下照片秒变清晰！DY-LUT仅3.56M参数，4K推理仅7ms，速度比扩散模型快300倍
水下图像增强一直面临空间不均匀衰减的棘手难题，大多数方法要么效果不错但慢得离谱，要么轻快但恢复质量堪忧。DY-LUT直接把场景深度和YCbCr色彩分离这两个自然线索揉进四维查找表，用极小的参数量（3.56M）实现了质量和效率的双赢。自适应4K推理只需要约7毫秒，比那些笨重的扩散模型快了两个数量级，还能给下游检测和特征匹配带来实打实的提升，很值得关注。
西北大学联手Chaincode Labs，搞定比特币交易最优排序
比特币矿工每天面对海量待确认交易，怎样在依赖关系和费用之间找到最优排序？这不仅仅是性能优化，更关系到区块网络的去中心化。西北大学与Chaincode Labs共同提出SFL（生成树线性化）算法，将经典的数学规划思路落地成可直接在交易依赖图上迭代合并分裂的高效操作。在真实mempool数据上，SFL比传统GGT参数化流方法快2-3倍，且具备了“随时可中断”的a
Yann LeCun团队新作：用JEPA学钢琴“因果”，6M参数性能媲美95M大模型
就在大家还在讨论JEPA能不能搞定音频的时候，Yann LeCun团队直接把钢琴演奏变成了隐空间预测游戏——Music-JEPA。它用动作（琴键+踏板）预测未来声音的潜在表示，无需重建原始音频。更有意思的是，6M参数提取的特征在节拍追踪、作曲家识别等任务上居然踢馆95M的MERT，还能通过规划反过来转录钢琴。这是一篇把世界模型从视觉搬到音乐领域的硬核尝试，值
3DMM法线图+视频扩散，TUM新作ViDS让表情控制告别“盲猜”
在视频生成领域，肖像动画一直是个既要保身份又要跟表情的棘手活。传统3DMM渲染生硬，纯扩散模型控制不准。本篇来自TUM和丰田的ViDS巧妙地把3DMM法线图作为视频扩散的条件，实现了精细、稳定的肖像动画生成，FID低至21.29，用户评分领先对手一大截。
GenVC：首个压缩导向视频扩散模型，码率省62%秒变15fps
继7月聊过北大用0.005bpp还原视频细节之后，微软亚洲研究院带着GenVC来了——这是**首个面向视频压缩、从头训练的像素域视频扩散模型**。它不自欺欺人地继承百亿参数预训练骨架，而是用5.78亿参数干到码率省六成、解码15fps。更关键的是，它发现直接暴力蒸馏会让运动卡死，于是提出了**自适应分数蒸馏**来精准纠偏。想搞懂视频压缩+扩散模型的最强实战，
谷歌新方法：推理级Shapley近似，LLM数据审计空间缩减99.1%
继6月聊过Adobe的定量LLM评判器之后，Google这篇直接将数据审计玩出了新高度。不重训练、不跑几千次微调，靠推理前向传播就能近似Shapley值，把审计搜索空间干掉99.1%，在HelpSteer2和HH-RLHF里揪出了一堆人类标注翻车的样本，甚至发现评估基准里藏着“错误答案才是正确”的坑。对搞LLM对齐、数据质量的同学来说，这是真正的降维打击。
对GPT-4o用粗鲁语气，准确率更高、成本更低？
每次跟AI聊天，你都以为只是“好好说话”？宾州州立大学的这篇新研究告诉你，你的语气决定了LLM的“烧钱”速度和回答质量。对GPT-4o吼一顿，竟然比礼貌请求更准更便宜。最高推理成本差异达到44.3%！想省token？先学学怎么“怼”模型。
北邮最新：双锚点训练让信道估计与图像重建秒杀扩散模型
语义通信是6G热门方向，但MIMO信道下非完美CSI导致的级联误差是老大难。北邮这篇工作巧妙地将信道估计与均衡误差统一建模为级联修复流匹配问题，用双锚点扰动训练+少步ODE推理，在信道估计和图像重建上大幅超越扩散基线。生成模型在通信物理层落地？这篇给出了漂亮的答案。
