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：涨点神器
共 119 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。
10%合成图像就够？nnU-Net心脏分割MRI提升0.27个百分点
全心脏分割（ Whole-Heart Segmentation，WHS ）是医学影像分析中的一项经典任务：给定一张心脏区域的CT或MRI扫描图，模型需要把七个关键结构完整勾画出来——左心室心肌（ Myocardium，M。
机器翻译也玩推理？Qwen3-8B拆句查证，BLEU/COMET双涨
继大模型推理能力在数学、代码领域大杀四方之后，法国索邦大学与SYSTRAN团队把「思考」带进了机器翻译：让模型先从检索到的相似示例里精准切出可复用的平行片段，再动笔翻译。实验覆盖6种语言16个领域，BLEU、COMET与MetricX全面超越传统k-shot与草稿式推理，思路清奇且落地性强，值得每一位NLP从业者细读。
俄亥俄州立&普林斯顿：把失败变成错题集，Qwen2.5-72B单次生成59.2%
测试时扩展很香，但反复采样是真烧钱。这篇论文给出一个反直觉的省钱思路：把小模型犯过的错变成提示词，让大模型一次解码就能绕开坑。单次生成、零额外推理开销，还在Qwen、Llama两大系列上全面超越多次采样基线，值得所有做LLM推理的读者花五分钟看看。
分割精度大涨10个点？被引1647次的UC Berkeley经典只用一招
这是一篇被引1647次的深度学习经典之作。当所有人都在用CNN最后一层特征时，UC Berkeley团队提出“超列”表示，将多层特征融合用于像素级定位，在分割、关键点、部件标注三大任务上全面领先，至今仍是多尺度特征融合的思想源头。
KAIST&MIT最新：无需训练！0.4秒搞定任意特征上采样，各项SOTA
不用训练、不用改模型，单张图优化不到半秒，就能把基础模型低分辨率特征放大成高分辨率特征，还在分割、深度、概率图上一口气刷到SOTA。想给视觉基础模型做“像素级复活”的同学，这篇绝对是宝藏基线。
无人机+智能反射面=移动“防窃听盾牌”，东南大学最新仿真
6G通感一体化（ISAC）系统天生面临一个尴尬：用于感知目标的信号，也可能被目标“偷听”。东南大学团队将智能反射面（IRS）搬上无人机，并赋予其六维自由度（三维平移+三维旋转），通过让反射面在空中“转身挪窝”，在低空视距场景下显著提升保密速率，让窃听者“失聪”。本文拆解该工作的核心思路与算法设计，对无线通信、物理层安全、IRS方向的研究者很有参考价值。
告别一步梯度短视！中科大让LoRA全面反超只需多走64步
微调大模型，LoRA 省显存但总差口气？中科大新方法 LoRA-GA² 表示：只盯一步梯度确实容易“短视”，多走几步、看看真实的微调轨迹，GLUE 直接反超全量微调，显存还一分不多花。
Kimi-VL等三大模型实测：给注意力头"调薪"后，推理更靠谱了
多模态大模型“一本正经地胡说八道”是落地最大痛点之一。这篇CVPR 2026论文把幻觉拆成“感知偏差”和“推理漂移”两类，用不到1%的额外计算找到该加强的注意力头，平均提分4.2%且完全无需训练，插拔即用，值得所有做多模态推理的团队收藏。
乔治梅森大学新框架：o1-preview效果亮眼GPT-4o，医疗问答准确率飙升
这就是社区问答（Community Question-Answering，简称CQA）平台面临的真实困境。
