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%！
标签：AI应用
共 458 篇
杜比实验室新作：AI边看边猜观众哭不哭，1%标注媲美全量SOTA
电影放映前 ，最让人紧张的变量不是画面清不清晰、声音大不大，而是观众看到第 17 分钟会不会笑、第 42 分钟会不会哭、结尾字幕亮起来时会不会觉得这钱花得冤枉。
欧洲vs德州，AI选股竟也“水土不服”？米兰理工新框架破解ESG评分分歧
让AI经理同时考三本“ESG评分教材”，再用高斯过程学习投资经理的内心戏，顺带逛了一圈欧洲、德州等不同“水土”下AI选股的口味差异。谁更爱赚钱，谁更爱地球？量化调参党与ESG信徒都能从中看到自己。
一次预训练让检索大涨55%？遥感基础模型的“成分感知”新范式
很多人第一次看卫星图会觉得诧异：为什么遥感基础模型的检索效果总是不如预期？明明模型参数已经加到几亿甚至几十亿，预训练语料也够大，遇到“港口”“农田”“城市”这类场景，还是经常把完全不同的图像混在一起。
RAW域修复和RGB域修复谁才更强？维尔茨堡大学新基准给出反直觉答案
图像修复该放在ISP前还是ISP后，一直是个争论点。这篇来自维尔茨堡大学的新基准给出了一个略带“反转”味道的答案：选RAW还是RGB不是核心，修复模型的训练分布是否对齐目标成像管线才是决定性因素。结论来自四组手机传感器、两种固定ISP与三档退化条件的系统实验，值得计算摄影研究人员和移动端算法工程师都花时间读一读。
拒绝编程门槛，生态学常用的二部网络它也能画，MiRA免费开源
生物网络分析的工具很多，但可视化一直卡在“要写代码”和“只能看静态图”这两道坎上。本古里安大学团队推出的MiRA把交互式多层网络可视化直接搬进浏览器，免安装、零门槛，还内置七种互补视图模式。如果你做生态、脑科学、微生物或系统生物学，这可能是今年最值得收藏的开源可视化工具。
北大&字节提出UEAP-4k：专治画质增强“翻车”，AP50提升5.7个点！
刷短视频时，原图里正常的人脸经过平台"画质增强"后，可能变得僵硬或文字扭曲。这是平台在后台对用户生成内容（UGC）进行压缩、编码、解码、再增强的结果。
Adobe新作：给扩散模型加“概念级”水印，画风被抄也能溯源91%+
AI生成内容的版权保护一直是个复杂话题。生成一张"梵高风格的戴珍珠耳环的猫"成本不到一秒，但版权归属问题却难以解决。传统水印在像素空间里做文章，但容易失效。
扩散大模型也会被"带偏"？EMNLP 2026新研究：在去噪早期锁死"拒绝信号"更安全
大模型的安全翻车，往往不是因为它"压根不想拒绝"，而是拒绝的念头冒出来了，却没来得及说出口就被覆盖掉了。扩散语言模型尤其如此——去噪步骤和文本位置两条时间线交叉在一起，藏着一条全新的"安全浅滩"。
ETH&哈佛新基准：AI智能体修复电网不收敛，成功率从82.6%冲到100%
把这个问题再往前推一步：潮流不收敛以后，电网调度员通常要反复“试探”——检查网络结构、分析残差、判断是不是无功支撑不够、猜想某个发电机电压定值压得太低，然后带着假设去跑仿真，不行就换个方向再来。
不再纠结选哪个EEG基座：逐样本智能路由，7个数据集全部提升
EEG基础模型已经多到“选择困难”，但这篇论文发现：没有哪个基座模型能对所有脑电样本通吃。昆山杜克大学提出的EEG-AS把模型选择做成逐样本的智能决策，推理时只跑一个轻量锚定模型，却能隔空猜测其他所有基座模型的预测行为，平均准确率从53.7%飙到66.9%。做脑电基座模型部署、神经解码评测的朋友值得一读。🎯
相关系数0.993：这款模拟器让Agent排行榜终于可信了
图1：披露门——五级有序门禁，释放三个深度层级。系统的状态是一扇“门”，而门所释放的是一个“深度”：只有信息深度不高于当前门所放行的层级时，这条信息才有资格浮出水面
