同济新基准专治文生图“没文化”：GPT Image画隐喻也翻车，结构准确率仅78%
让AI画“时间就是金钱”，它可能真画一个挂满钞票的时钟；让AI画“知识就是力量”，它又可能把书本和哑铃硬拼在一起。文生图模型能把物体画得很真，却常常画不出“画外之音”。同济大学等机构提出VMetaphor-Bench，把“视觉隐喻生成”这件事第一次系统性地量化评测，结果连GPT Image 1.5也栽在结构组合上。
最新文章
共 1573 篇
广工等三校提出RVSD：剪掉67%视觉token，视觉大模型反而更少幻觉
大型视觉语言模型（LVLMs）的视觉幻觉问题，本质上是个“看图说话翻车现场”——模型明明没看见那个物体，却说得言之凿凿。
北航港大新作：扩散模型怕模拟存算噪声？早随机晚确定FID暴降2.58倍
模拟存内计算（CIM）这几年在AI硬件圈几乎成了“低功耗加速器”的代名词：它把矩阵向量乘法直接塞进存储阵列内部，省掉了芯片上最烧钱、最耗电的数据搬运，用来跑需要几十上百次迭代的扩散模型，理论能效相当诱人。
复旦携手小红书最新：给文字渲染装上“定位锚”，生成长文准确率暴涨10.3%
让AI准确渲染又长又密的文字，是图像生成的“最后一公里”。复旦携手小红书放出一招“位置锚定”新设计，把文字准确率直接拉高一大截，海报再密也不怕了。
图像生成｜别只卷画质了！新基准专测"逻辑作画"，最强开源模型不到32分
当所有文生图评测还在卷画质和指令跟随，UIUC这次直接把“答案藏在图里”的推理题丢给模型。2000道题、9个主流生成模型，最强Gemini 3 Pro也只拿64.6分。想看生成模型到底有多少“真推理”，这片试金石值得收藏。
清华&Z.ai新作：把推理草稿提到正文前，长上下文难题准确率暴涨近3倍？
写代码时如果发现bug，你会不会把错误日志贴到代码最前面，一边看一边改？清华与Z.ai这篇新作就是干这个的：让大模型先自己想一遍，把推理草稿提到长正文前面再来一次，GraphWalks上准确率直接从29.2%飙到81.8%！
视频生成不懂物理？川大新框架用事件链思维，物理正确率暴涨至72.5%
大模型生成视频"看起来美，动起来假"的顽疾有解了。这篇来自四川大学的工作，不去堆算力，而是给视频生成装上"物理事件链"大脑，用可量化的物理公式约束每个中间状态，在PhyGenBench上把物理贴合度均值提升到72.5%，值得做视频生成与世界模型的朋友细读。
西南科大新研究：去掉文本Dice从91.61%暴跌至40.76%，医学图像分割真的离不开文字？
每次看到给医学图像分割加文本引导的工作，龙哥都会问一句：那行文字到底起多大作用？这篇论文用5个预训练医学视觉语言模型和4种融合算子做了系统性交叉实验，还提出一个轻量诊断工具做证据解耦，把“换融合头不涨点、去文本却崩盘”这类反直觉现象掰开揉碎了讲清楚，值得做多模态医学影像的读者花几分钟细读。
首次打破超临界魔咒，无散度漂移让F-P方程仍有全局解
如果要为“随机运动＋确定性外力”写一本演化账本，动力学 Fokker–Planck 方程（kinetic Fokker–Planck equation）大概是出场率最高的公式之一。
首尔大学新框架：语音合成“中英混读”不尬了，外语短语零成本母语腔
一个韩国人用中文说“昨天吃了sushi”，sushi到底该按中文腔读还是日文原味读？首尔大学这篇论文，专治语音合成里的“中英混读尴尬症”：不加训、不加模块，光靠推理阶段的巧劲，就能让夹在句子里的外语短语瞬间回到母语腔。
6 fb⁻¹数据查完B_s⁰→D_s⁻π⁺，CPT完好如初
粒子物理界的“对称性守门员”LHCb又出手了。这次他们用6 fb⁻¹的质子对撞数据，在B_s⁰介子衰变里把CPT与洛伦兹不变性的破缺上限往前推了一大截，灵敏度直达10⁻¹⁴ GeV量级。结果依然是“没破缺”——但这种没找到，恰恰是宇宙基本对称性依然坚挺的最好证据。硬核、干净、不浮躁，值得一读。
BESIII首次看到粲偶素双奇异末态，分支比仅2.84×10⁻⁶
一个粲偶素粒子“临终”前，罕见地吐出了两代奇异粒子的组合。BESIII在27.12亿个事例里翻箱倒柜，终于以11.5σ的把握抓住了这个概率只有百万分之几的衰变。
