AIAA 2026新方法：贝叶斯潜在高斯过程把气动不确定性校准到95%
这篇论文最有意思的地方，不是又套了一个高斯过程，而是把“输入不准”和“输出不准”一起收拾了。对气动不确定性量化来说，这种做法比只调均值靠谱得多，尤其适合稀疏真值和外推场景。
标签：AI应用
共 451 篇
ISM到Hybrid：多通道增强为何差这么多
房间模拟这事，很多人总觉得“差不多能用就行”。这篇论文偏不，它直接拿真实测量数据做评测，结果很扎心：模拟越像现实，多通道语音增强就越吃香，最高能把中位词错误率相对降掉38%。
LLM不只会写代码，还能修内存？MOA给出答案
内存优化最烦的不是“找不到问题”，而是“找到也修不完”。MOA把这事拆成三段：先从 profiling 里挖出反模式，再自动长出静态检查器，最后批量生成补丁，挺像给性能工程装了一条流水线。
ImageNet经典：152层ResNet拿下SOTA
这篇论文最狠的地方，不是把网络堆到了152层，而是证明了“更深”本来不该更难训练。残差连接一出，深度网络终于不用跟梯度和退化问题死磕了。
武汉大学新方法：低分辨率文本搜图提升5.7%
监控里的图一旦糊成马赛克，文本搜图就容易“认错人”。这篇 CRST 不去硬修像素，而是直接把高分辨率的语义和排序能力迁移给低分辨率检索，思路很实战。
Citi Bike老年轨迹被学歪了？Qwen3-4B也没救
老年人出行不是“年轻人缩小版”，这篇论文把这个常识用数据钉死了。更关键的是，它还顺手证明：训练集一旦被多数群体主导，连大模型也会把少数群体的轨迹学歪。
2026新作REAR：奖励分解后，偏好对齐更稳了
这篇论文最有意思的地方，是它没有继续给模型“加班训练”，而是把问题搬到了测试时：先拆奖励，再重排输出。对偏好对齐、推理加速、树搜索都很友好，属于那种工程味很浓、落地门槛也不高的工作。
FedLAB来了：联邦多模态图学习首次把“可追溯”做成码本
联邦图学习最烦的不是没效果，而是模型一张嘴就“说不清证据链”。FedLAB直接把模态证据、节点语义、拓扑上下文拆成三层码本，既能学，也能查，算是把黑箱拧成了可审计的抽屉。
低黏度也稳？这篇ALE方法给出数值证据
移动域上的不可压流体，最烦的不是方程本身，而是域还在动、散度还不能乱。本文把 ALE、空间时间 DG 和 Piola 变换拧在一起，直接把“压力污染速度”这件事按住了。
LM多机器人交互新发现：610条解释里藏着什么
这篇论文不研究机器人“会不会说话”，而是研究它们“为什么要插话、该不该插话”。610条解释日志把LM编排器的调停逻辑摊开给人看，读起来像一份多人协作里的“裁判判词”。
DeepMind新作：DINOv2拉直视频，假视频现形
假视频越来越像真视频，传统只看像素伪影的办法已经不太够用了。这篇 DeepMind 的 ReStraV 反其道而行，盯着视频在 DINOv2 特征空间里“走路直不直”，思路简单，效果却很能打。
共享自主不再猜来猜去：控制努力降低27%的新方法
共享自主最怕的不是机器人帮倒忙，而是“帮得对却让人看不懂”。这篇工作直接把问题掰开：让机器人用动作把自己的判断说出来，实验里理解率和协作感都明显提升。
