对称检测新SOTA！去噪+等变匹配双管齐下，F1冲到65.52%
对称检测模型一遇到旋转图像就"掉链子"？这篇来自广东实验室的工作给出了答案：用非对称区域去噪配合旋转等变特征匹配，在DENDI上将F1提升到65.52%刷新SOTA，还捎带手构建了多干扰的GMSYM新基准。方法不复杂，收益很实在，值得一看。
标签：人工智能
共 701 篇FAST新发现：2.36小时最轻双中子星，爱因斯坦又赢了
两颗中子星手拉手2.36小时转一圈，总质量却是已知最轻——中国天眼FAST又立功了。更妙的是，这套“宇宙级天平”把广义相对论又称了一遍，爱因斯坦依然稳坐钓鱼台。🛰️
相变理论70年后的大一统：边界条件彻底沦为“工具人”
Lee-Yang零点理论诞生近八十年后，Rutgers团队给出了一个异常干净的定理：只要配分函数的零点在复数平面上不贴着实轴，粒子数密度和涨落就乖乖收敛到热力学极限，且边界条件说了不算。把相变与零点分布之间的因果链又拧紧了一圈。
康奈尔等五机构新框架：用交叉验证拆穿S形曲线的“伪复杂”
一篇能刷新认知的网络科学论文。它用复杂度评分+节点级交叉验证证明：很多被当成“复杂传染”的S形核，可能只是异质性简单传染被平均出来的假象。看完会忍不住重新审视过往的复杂传染研究。
牛津等5校最新证明：随机噪声竟是细菌爆破解药？
先想象一个场景：一群大肠杆菌在培养皿里"觅食"，它们游向营养物质浓度更高的地方。这不是什么高深的智能，而是由化学梯度触发的定向运动——趋化性（Chemotaxis）。这种看似简单的生物行为，背后却藏着一个困扰数学家半个多世纪的偏微分方程系统。
反射膜贴错就废？CUSP原型机踩坑实录：光收集效率成最大短板
太阳耀斑爆发释放的能量抵得上几十亿颗原子弹，可它的硬X射线偏振到底是什么样，人类至今几乎没有可靠数据。CUSP这台6U小卫星就想干这件大事——2026年7月B阶段刚收官，原型机的首次完整表征结果出炉：有好消息也有硬骨头，光收集效率不足直接卡住了25 keV阈值验证，但物理原理和系统设计被证明是靠谱的。想看看立方星怎么给太阳做「偏振CT」？这篇值得一读。
文生视频最难啃的骨头，被cIPO用"重建误差"啃下来了
文生视频最讨厌的就是中间有几帧突然崩坏，而现有DPO类偏好优化连"错题"都找不准。快手Kling团队这篇cIPO，直接从模型自己的去噪重建误差里抠出偏好信号，把优化火力集中到高错误时间窗口，不用人工标注、不用外部奖励模型，MotionBench上Forensic从0.830涨到0.876，思路清奇且工程上很容易复现。
最新活体基准实测：17个大模型，8.8%到94.5%的诚信断层！
AI能被骗去当假新闻帮凶吗？pattrn.ai搞了个每周更新的“活体”基准，拿俄罗斯、伊朗、中国的真实宣传材料去钓17个大模型。结果最稳的Claude Sonnet 5有94.5%概率拒稿，最配合的Ministral 14B只有8.8%会摇头——同一道题，差距大得离谱。
Mamba线性复杂度为何在L=196时反被Transformer反超
这篇论文把双时相卫星影像变化检索的“查询成本”算得明明白白——固定CLIP骨干、统一训练策略，系统对比注意力、Mamba、瓶颈压缩三类共八种融合方案，还用10个随机种子做了统计检验。结论很干脆：免训练级联检索能省10-15倍延迟而不损召回，Mamba的理论线性复杂度在L=196时没有带来实际速度优势。做遥感检索或高效多模态融合的朋友，这篇相当解渴。
大连理工ACM MM 2026：视图不齐也能聚类，ACC提升近6%
多视图聚类最怕数据对不齐：设备故障、存储分离，大量样本的视图配对关系直接丢失。大连理工这篇ACM MM 2026工作，用锚点图加匈牙利算法的双重对齐策略，把对齐从“一次完成”升级为“二次校准”，在六个数据集上ACC最高比第二名提升5.97%，还顺手缓解了单次对齐误差大的老毛病。想看看GCN怎么在错位数据里找回结构的，这篇值得读。
非均匀回放何时有效？ETH等机构给出答案，样本效率提升14%
回放缓冲区是强化学习的核心组件，但何时该采用非均匀回放一直是个谜。本文通过三个关键因素给出了答案，并带来一种简单高效的截断几何采样方法，值得每位强化学习研究者关注。
四大缩放维度首次系统对比：本地CUA堆算力不如“选对维度”
这篇来自汉阳大学的实证研究，把本地电脑使用代理的推理时扩展拆成上下文、时间、结构、并行四个维度逐项考察。结论有点反直觉：额外算力常常不是提升成功率，而是把失败模式从“死循环”改写成“假成功”。对做本地部署的团队来说，这是一份难得的避坑指南。
