佛蒙特大学用数据科学“拆解”《老友记》：剧情套路越多，评分越高？钱德勒果然最“尴尬”！
当《老友记》遇上计算叙事学，这波跨界直接把我看呆了。佛蒙特大学团队没去搞图像识别，反而把“TVTropes”里的剧情套路和剧本、评分联动起来，发现了“剧情套路的密度”和“评分”之间的秘密。更骚的是，他们还把1974个套路分成了15个语义簇，结果发现——钱德勒的莫妮卡式“尴尬”和莫妮卡的“控制欲”，原来都被套路化了？这篇文章让我们看到，AI不仅能看懂图像，也能
标签：AI应用
共 451 篇
快手KDD 2026新作：冷启动推荐告别“噪音”，线上指标最高涨近3%！
从快手真实场景痛点出发，直击冷启动推荐中隐式反馈的噪音问题。DIF方法思想巧妙（用内容相似的温物品做伪标签），理论扎实，落地强悍（线上指标全面大涨），是工业界和学术界都非常值得一看的佳作。
FlashRT开源：27倍加速，边缘AI推理告别“重计算”，秒变“快照恢复”
当机器人每次重启都要重算大模型，或边缘设备LLM冷启动慢到怀疑人生，这篇论文给出了天才解法：把整个推理的“当时状态”像游戏存档一样快照，下次直接读档。FlashRT通过“执行状态胶囊”，让低延迟、小批量的边缘AI服务延迟狂降27倍，并在LLM、TTS、机器人策略上统一了这套机制。简单说，就是让AI推理变得像按快门一样快。
维也纳工大联手UCLouvain：高熵工程把Fe2VAl热电模块效率拉到新高度，输出功率2.8W！
工业生产余热若不能有效利用，便是巨大浪费。本文没有追求实验室里“毒性强、成本高”的顶尖热电材料记录，而是通过高熵工程把早已证明有“可加工性好、成本低”等潜力的Fe 2 VAl基全Heusler材料性能再次提升，并一步到位制成了能在375K温差下输出2.8W功率的高效模块。这是将实验室成果转化为可实际应用的热电发电机的绝佳范例，值得借鉴！
西北大学&亚马逊AGI最新研究：让大模型学好“纠错”，推理能力暴涨，4B模型打趴8B！
让大模型第一步就做对，这要求有点高。但如果允许它错几次，再一步步修正呢？ 西北大学联手亚马逊AGI提出的REVES框架，精准点出了当前“测试时扩展”技术的核心瓶颈——训练与推理的“步数”不匹配。它巧妙地通过把“接近正确”的错解转化为修正样本，用单步强化学习高效地训练模型学会自我纠错，在代码、数学上全面领先，还用4B模型在圆球填充任务上追平了8B系统的SOTA
仅用7%成本就吊打全场？北卡大学提出TIMEPROVE，让长视频问答学会“先找证据再说话”
长视频问答一直是个“贵”且“难”的活儿——处理一小时视频，光视觉token就超200万。北卡大学夏洛特分校的TIMEPROVE，提供了极其优雅的解决思路：先用轻量级的动作检测模块“侦察”出关键证据片段，再只把这些精挑细选的短片段送给VLM做“终审”。结果准确率涨了7.3%，VLM调用次数锐减75%，推理成本暴跌93%！这简直就是给LVQA这个“烧钱”领域的一
排名也有偏见？巴西学者提出SMAA-Fair，给多准则决策中的排名加上“公平滤镜”
当你在多准则决策中用SMAA方法计算排名时，有没有想过这个排名可能对某些群体“偏心”？巴西学者提出的SMAA-Fair正是来解决这个问题的。它不改变你的模型，只调整每个模拟排名对最终结果的“投票权重”——排名越公平，权重越高。简单有效，思路清奇。
告别黑箱审计：CODE-AUGUR如何让LLM的安全判断变得可验证、可复用
继2026年6月聊过AI智能体安全评估之后，这次新加坡国立大学团队带来更猛的干货：不是让LLM当黑盒猎头，而是让它把“觉得安全”的判断写成可执行的断言，再用模糊测试来挑战这些断言。结果？在DARPA的AIxCC基准上比顶尖智能体多发现34%-63%的漏洞，还挖出了22个真实世界的0-day！这才是AI安全审计该有的样子。
流感预测大PK：17个模型“华山论剑”，混合专家模型夺冠！
流感预报影响万千人健康，从ARIMA到PatchTST再到各种大模型，谁才是预测流感传播的“预言帝”？弗吉尼亚大学这篇论文，用17个模型在真实场景下进行了1-4周预测大PK。结果很有意思：混合专家模型稳居C位，而用大语言模型做时间序列预测，这次表现真是不太能打... 一起来看看到底谁是C位，谁又该回炉重造吧。
机器人总“掉链子”？ Fail-RAG：让 VLM 一眼看穿故障，准确率飙升 25%
给大模型加个“外挂经验库”，不用微调就能让机器人自己看懂各种故障。Fail-RAG 思路巧妙，效果扎实。无论是识别“夹爪歪了”还是“轮子卡了”，准确率都实打实提升了。想知道怎么做到的？看下去就对了。
告别Sora幻觉，数据视频进入可编辑时代
做汇报还在手动敲PPT、剪GIF动图？港科广的DataMagic直接端到端解决：上传表格+一句话，自动生成带配音、动画、配乐的数据故事视频。新引入的DVSpec规范确保图表和数据的绑定关系一清二楚，再也不用担心AI“算错”数字。更香的是，这还是个“能编辑的视频”，直接划界面改图表、抠文本，甚至指点AI加新镜头，整个数据呈现流程变得前所未有的丝滑。
EA联合大作：强化学习如何让游戏NPC告别“脚本味”？
玩过3A大作的朋友都知道，一个“蠢”NPC有多毁沉浸感。EA这次没有跟你聊概念，而是直接把强化学习塞进了EA SPORTS FC 25和Battlefield 6的AI系统里，并总结了一套极具价值的实战方法论，告诉你如何让NPC从“脚本”进化到“有灵魂”。这是游戏AI从学术走向工业的关键一步。
