多语言文生图被曝"语言不平等"！LingT2I基准：10种语言33K提示词，通义千问也翻车
这几年文生图模型卷得飞起，从扩散模型到自回归模型，画质越来越惊艳，英语提示词玩得风生水起。无论是谷歌的Nano Banana，还是阿里的Qwen-Image，你用英语输入"一只在沙滩上戴墨镜的柯基"，出图效果基本都能当壁。
标签：数据集
共 112 篇
首发！乌特勒支大学×伦敦大学学院：1127条氧K边XAS谱库，给NMC811正极材料做“指纹”建档
电池材料研究里，氧K边X射线吸收谱是窥探局域电子结构的利器，但一直缺少针对高镍NMC811真实多组分无序体系的公开计算数据库。这篇论文不仅补上了这个空白，还送上了开源的自动化工作流，值得材料计算与AI交叉领域的研究者一读。
斯坦福2013年神作：递归张量网络把情感分析SOTA推到85.4%
被引9624次的NLP镇馆级论文，情感分析必读经典。斯坦福团队一口气端出两样硬货：215,154个短语级标注的Sentiment Treebank，以及把张量带进递归网络的RNTN，直接终结了“词袋模型统治情感分析”的时代。
ACM MM 2026：让AI"听声作画"不再是玄学！中科大联合电信AI构建32.3万高质量数据集
音频生成图像终于有了像样的"教材"！中科大联合电信AI研究院打造的A2I-Set数据集，32.3万组高质量三元组，配合FAT-Fusion的AudioCanvas模型，让"听声作画"不再是鸡同鸭讲。数据开源的诚意之作，值得细品。
ACM MM 2026中科院新作：矿区端到端驾驶，碰撞率直降75%！
城市道路的自动驾驶已经卷成红海，矿区这种“路不成路、灰比雾厚”的硬骨头却少有人啃。中科院团队让规划器学会区分“看得见的安全”与“看不见的风险”，碰撞率直降七成多，这波操作值得研究！
字节等发布RGBA视频生成新作：跳过35%透明token，1.2倍提速画质不降
游戏行业离不开RGBA动画，但“先生成RGB再抠图”的老路子，一到半透明边缘就翻车。字节联合北大清华带来一个反直觉方案：既然alpha本身就是可见性信号，那干脆用它来跳过计算——用2.4K个游戏资产视频训练RGBA生成器，1.2倍提速，FVD 174.4，质量几乎无损。
GPT-5.4也翻车？港科大（广州）新基准：长文档重建关系数据库，F1仅75
当业界还在用单表抽取评测文档理解时，港科大（广州）团队直接抬高了门槛——Doc2DB-Bench要求从长文档里重建完整的关系数据库，边从表格到数据库：为什么文档理解需要新范式 先看一个真实场景：一份几十页的金融报告，里面写了好几家公司的现金流数据、股权关系、投资链路。传统做法是让大模型把里面的公司名称、金额、年份挨个抠出来，填进一张大表里完事。
港大清华开源XPolicyLab：42个机器人策略一套接口打通，集成效率提升10倍
机器人领域最缺的不是新模型，而是让模型跑起来的"标准化插头"。港大MMLab与清华联合开源的XPolicyLab，把N个策略连M个环境的成本从O(NM)压到O(N+M)，实测集成时间从5小时干到30分钟，是真实工程痛点的一记重拳。
港城大MirrorWorld：AI画镜子终于不再“睁眼说瞎话”
最近，来自香港城市大学和斯旺西大学的研究团队提出一个名为 MirrorWorld 的框架，专门解决视频生成中的镜子反射一致性问题。
CVPR 2026浙大新作：2万对物理真实模糊数据，局部去模糊SOTA
拍跑步的人、旋转的车轮，结果只有物体糊背景清晰——这就是局部运动模糊。过往数据集要么合成失真、要么采集昂贵且对不齐。浙大这篇CVPR 2026工作用工业相机物理级还原曝光过程，搞出2万+真实配对数据，训练出的模型在ReLoBlur真实场景上照样能打，这活儿干得漂亮。
FDA最新研究：病理图像评估不用纠结，换个特征提取器，相关性飙8倍？
先来聊一个问题：怎么判断一张“造假”的病理切片图像到底像不像真的？
银河系首次确认中等质量剥离恒星！WR 2-1填补恒星演化关键拼图
银河系里“失踪”了半个世纪的中等质量剥离恒星，被SDSS-V巡天逮个正着。这颗名为WR 2-1的天体不但是银河系首个明确样本，还带着Wolf-Rayet风格的风，质量却只有3.2到5.8个太阳——卡在热亚矮星与经典WR星之间的关键空档，是双星演化的珍贵实验室。
