密歇根大学提出PE-Mamba：双向Mamba扫描，AI假图检测冲到96.6%！
AI生成的假图肉眼越来越难辨，可检测器却还停留在“加权平均”的老路子。本文提出的PE-Mamba，把Transformer层间特征当有序序列，用双向Mamba扫描来聚合取证线索，只训练1.3%参数就把主流假图检测基准刷到新SOTA，思路清奇又实用。
标签：涨点神器
共 102 篇
MIRA让SQL纠错记忆精准复用：修复261条错查询仅误伤18条
Text-to-SQL最磨人的不是不跑，而是“跑得动、结果是错的”。MIRA把历史修正记忆拆成乐高式独立修复项，再用数据库证据精准激活——261次成功修复、仅18次误伤，SQL纠错玩出了手术级精度。
武大PROTEUS：水下图像恢复新SOTA，仅2.6M参数登顶U90
水下照片又绿又灰还带雾？武汉大学等机构的最新PROTEUS让你一键还原！它把“退化信息”从累赘变成向导，既用它引导特征调制，又用它控制跳跃连接复用。仅2.61M参数，U90的PSNR刷到25.50dB，LPIPS更是把第二名从0.086打到0.081，轻量又能打，值得一读。
仅1500张图让ViT学会看“鸟喙”，CVPR 2026新方法鲁棒性大涨
本论文针对视觉Transformer在分布偏移下依赖背景等虚假相关性的顽疾，提出概念引导微调（CFT）。仅用1500张图、无需人工标注，让模型注意力从背景转向鸟喙、鱼鳍这类判别性语义概念，五个OOD基准一致提升。CVPR 2026 Highlight，代码已开源，可复现性强，值得细读。
白捡0.5dB？福州大学ANCHOR让视频恢复SOTA还能再涨分
视频恢复网络费尽心思聚合相邻帧信息，却可能在局部区域修出更糟的结果。福州大学这篇ANCHOR不改造网络，而是把低质当前帧当作"锚点"，用物理痕迹推断每一处该信网络还是该信原图，纯后处理就能让多种SOTA模型继续涨分。这种"事后纠错"的思路把"何时该相信时间聚合"这个被忽视的问题摆上了台面，值得一读。
中科院新作：视频大模型幻觉克星VADER，EventHallusion飙至72.6%
视频大模型对着画面侃侃而谈，却常常“睁眼说瞎话”？中科院团队提出VADER，一个纯推理期干预的训练无关框架，让LLaVA-Video-7B在EventHallusion上飙到72.60%，还顺手超越了依赖额外训练的TPO与RRPO。不微调也能这么能打，值得一读。
Meta最新研究：云边协同语音增强，仅增1.5%参数提升3.77dB
戴智能眼镜开电话会，周围人声嘈杂听不清？边缘小模型算力不够，云端大模型又太慢——Meta这次让云边“组队打怪”，边缘只加1.5%参数就能蹭到云端大模型的“听力”，在64毫秒延迟下硬是把语音增强的SI-SDR拉高了3.77dB。真·云边协同新范式，值得一看。
江苏大学ACM MM新作：图像恢复"按需使劲"，LPIPS降12.8%
图像修复这事儿，有点像老小区改造：有的地方墙皮脱落要重刷，有的地方只脏了一小块。可现在的扩散修复模型偏爱"一刀切"，全图一样的约束力度、一样的步长节奏，既不省算力还容易把好区域修出问题。江苏大学这篇ACM MM 2026论文，用局部认知不确定性给模型装了一双"会看重点的眼睛"，该补的补、该跳的跳，LPIPS平均降12.78%、采样时间省8.42%，还能即插即
快手港城大新作HD-REC：生成式跨域推荐的新范式
图2：HD-REC整体架构。（a）HDQ通过全局共享粗粒度量化和自适应路由细粒度量化构建语义ID。（b）DAS MoE结合常驻共享专家与动态选择的特化专家。
零样本图像描述卡壳3年？3个检查点把CIDEr拉到117.6，无需任何配对数据
零样本图像描述三年没挪窝，这篇论文用多检查点对齐评分框架，推理阶段把CIDEr从108.0干到117.6。不重训描述器、不吃配对数据，全靠把评分器插在更多位置上——早该这么干了！
OTFS-GFRA联合估计新范式：结构化稀疏先验带来全场景性能增益
高铁上视频卡成PPT？低轨卫星物联网连不上？这篇南洋理工联合西电、UCD等机构的最新工作，用一套结构化稀疏感知的SS-EP算法，把OTFS免授权随机接入的联合活跃用户检测与信道估计性能，直接推到了逼近理想上限的水平，而且人家还保留了可承受的复杂度。搞6G高移动接入的，这篇值得认真读一下。
多元时序预测新损失CvLoss：114组对比111胜，零推理开销
多元时间序列预测最被忽视的角落，其实是未来变量之间"一起涨跌"的结构关系。这篇来自悉尼科技大学、清华和港科大广州的工作提出CvLoss，一个即插即用的损失正则项，不改模型结构就能在114组受控对比中拿下111胜，推理还零开销。
