中科大&美团CHAP：生成式检索告别逐层解码，线上成交大涨2.98%
传统生成式检索有个"中看不中用"的槽点：每个语义ID都要逐层解码，重型Transformer要在线跑好几遍，工业场景根本扛不住。中国科大联合美团提出CHAP，把多步解码压成单次Transformer加轻量残差块，线上A/B测试支付订单量直接涨了2.98%，看完只想说一句：这才是能落地的检索新范式。
标签：模型架构
共 307 篇
南大SPLG-Mamba：让遥感显著目标检测告别“缺胳膊少腿”
这篇论文精准踩中当前视觉领域两大热点：Mamba架构与遥感显著目标检测。南京大学团队用“平滑-细节分治”的思路，把局部Mamba留给浅层细节、全局Mamba留给深层语义，配上门控跨尺度融合，在三大基准上全面刷新SOTA，窄目标F指标涨幅直接冲到1.46个百分点。代码已开源，适合想做遥感分割、结构保持任务的读者直接复现上手。
4.9倍吞吐反超SODiff，JPEG修复终于不挑硬件了
先聊一个很多人每天都会碰到、但完全没意识到的问题：你手机相册里那一张张照片，绝大多数都是JPEG格式。JPEG为什么能统治世界这么多年？因为它用一个巧妙的"分块变换+量化"策略，用很小的体积换来了还算能看的画质。
752M模型压到1.58比特：常识还在知识全丢？
模型压缩领域一直有个终极诱惑：既然大模型这么贵，能不能把权重压到极致？三值化（Ternary Quantization）就是这条路上的狂飙选手——把每个权重压缩到只有三个取值{-1, 0, +1}，理论上每个权重只需要约。
根特大学最新研究：频谱自适应损失让高频重建误差直降15%
语音增强有个老毛病——噪声压下去了，说话声的高频细节也跟着"缩水"了。根特大学这回不堆模型，而是从损失函数下手，让网络学会按频率和语音能量"区别对待"，高频重建误差直降15%以上。方法轻巧，思路值得一看。
5.3倍参数压缩还更强？交大PixelIR单步超分效率杀疯了
聊超分绕不开一个千古难题：又想马儿跑得快（细节丰富、观感锐利），又想马儿不吃草（结构保真、贴合原图）。这两件事在底层视觉里长期互相打架，逼着研究者要么偏科要么和稀泥。
BMVC 2026：零遗忘图像恢复，3.6%参数换15.25dB
先问一个很真实的问题：一个部署在野外监控杆上的图像恢复系统，第一年只需要去噪，第二年碰上了雾霾天开始需要去雾，第三年台风季又来了要处理雨纹。每一次新需求，难道都要把旧数据翻出来重新训练一遍？
ECCV 2026南开新作：像素看不清？超像素来救！7M参数横扫雨雪雾
恶劣天气下的图像恢复，难点从来不在“去除”而在“组织”——雨雪雾在空间上分布极不均匀，而现有状态空间模型（SSM）却用固定轨迹逐个像素扫描，总把语义冲突区域硬凑成一段。南开大学等机构提出SSR，把扫描粒度从像素提升到超像素，让状态沿着语义边界“顺流而下”，再配合区域级门控做通道校准，参数量仅7.05M，却在六个基准上刷新了SOTA。思路干净，性价比极高，值得
Yann LeCun新作｜视频预训练算力暴降20倍，丢掉95%Token反而更强
Yann LeCun参与的最新视频预训练工作，把JEPA家族的防坍塌机制全砍了，只用单一编码器加SIGReg正则，预训练算力直接降到原来的二十分之一，甚至95%的token随机丢掉反而精度更高。视频预训练终于不再是算力大户的专属游戏，这篇值得所有做视觉自监督的读者细读。
跨域事件抽取不再迷路：领域条件化让小模型逆袭大LLM
事件抽取模型一出自家门就迷路？德国DFKI与奥尔登堡大学联合提出统一多域多任务生成框架：给T5加上领域指示和任务提示词，单模型就能横跨网络安全、生物医学、新闻等6大领域做事件抽取，多域联合训练还让多个数据集性能不降反升，这种"一个模型通吃天下"的玩法，值得认真聊聊。
语义损失全方位效果优于加边方案：省参数还涨点，BioKG提升最猛
知识图谱里明明写着“A是B的子类”，模型却视而不见？查尔姆斯理工把这种类层级关系变成“语义损失”约束，让链接预测MRR在BioKG上直接涨了15.5%，而且比把层级关系硬塞成图边更省参数。想在KG嵌入里优雅地利用本体的同学，这篇值得细读。
5张人脸见证：GAN引导扩散PSNR提升4.40dB
GAN快但不够稳，扩散稳但太磨叽，这俩能不能别打架、搭个伙？本文给出了一个简单又实用的答案：把冻结的WGAN-GP中间特征当“导师”，用交叉注意力喂给扩散U-Net，在CelebA人脸去噪上直接涨了4.40dB。方法不复杂，但对混合范式感兴趣的读者值得一读。
