斯坦福北大联手，QWM让Q学习用上世界模型，操作成功率大幅飙升！
世界模型和Q学习还能这么玩？斯坦福北大团队提出的QWM，把世界模型当成“预言家”，只做测试时搜索，不让模型误差污染训练，操作成功率全面飙升。继7月末聊过ActSWM这类JEPA世界模型的规划玩法后，本期这篇把Q学习和世界模型的结合推到了一个新高度。
标签：涨点神器
共 119 篇
LVLM遇模态缺失就“趴窝”？TTSD-FAR用0.629%参数把F1从0.48救回0.51
传感器掉线、字幕丢失、画面损坏……LVLM一遇模态缺失就肉眼可见地“降智”。这篇TTSD-FAR偏偏只更新0.629%的参数，就把50%文本缺失下的F1从趴窝的0.4785拉回0.5124，还顺手解决了持续适应的漂移问题。方法不算复杂，思路非常实用，值得所有做多模态落地的朋友读一读。
GNN解释错在哪？中南大学查明：掩码是病根，噪声才是解药
先问一个问题：当你想知道一个图神经网络（GNN）为什么做出某个预测时，最直接的办法是什么？
西安交大M-Net：条件数+散度+旋度，医学分割新范式
纯数据驱动的医学分割模型已经够卷了，但几乎没人把线性代数和矢量微积分“硬塞”进网络。M-Net直接给出答案：把条件数、散度、旋度当先验注入U-Net，肝脏分割Dice比基线猛涨12.37%，还能端到端训练。想了解“数学+深度学习”还能玩出什么花活？这篇值得细品。
密歇根州立大学最新研究：两阶段框架精准识别透明隐形眼镜，虹膜识别EER直降28.3%
透明隐形眼镜正在悄悄拉低虹膜识别的准确率，却因为“看不见”而长期被忽视。本文不仅量化了这个威胁，还用一个两阶段框架加分数校准，把识别错误率最高降了28.3%，思路相当务实。
隐式函数也能精准提取拓扑？单调性约束让网格临界点一个不多一个不少
还在为隐式神经表示（INR）提取拓扑头疼？这篇论文给出一个极简却扎实的思路：只要确保网格边相对底层函数单调，PL网格的临界点就不会“凭空冒出来”。方法不需要复杂的符号计算，纯点采样加细化就能在INR上准确找回临界点，实现又省又稳。
最新图像配准算法：不靠深度学习，亚像素误差降近5倍
图像配准要做到亚像素精度，传统傅里叶-梅林方法经常"差口气"。这篇论文把辅助函数方法无缝融入傅里叶-梅林框架，缩放、旋转、平移误差全面下降，还不靠深度学习，适合资源受限的落地场景。
PRISM新范式：一个模块找回跨品类隐藏偏好，推荐系统告别“偏科”
序列推荐（Sequential Recommendation，SR）的任务是根据用户过去买过、看过、点过的一串东西，猜用户下一个最可能想要什么。
医学分割新范式：把JEPA搬进KAN函数空间，UUEKAN也被甩开
KAN架构虽然把可学习的函数搬到了每条边上，但训练时却只盯着聚合后的节点输出，边函数本身一直缺一个直接的优化目标。哈工大与港大这篇FS-JEPA，直接把自监督预测学习搬进了KAN聚合前的函数空间，用多半径签名当预测目标，把最强KAN方法平均Dice拉高2.25个百分点，思路清奇又扎实。
图像配准｜仅2分钟+零真值，韩国团队让3D大模型位姿、深度更准更一致
VGGT、DA3这类3D视觉基础模型，前向一次就能出位姿、深度和点云，但训练时没做显式多视角几何约束，结果经常“自相矛盾”。本方法把特征匹配得到的2D像素对应点当作伪真值，在测试时给模型补上显式几何约束，单场景最快2分钟完成自适应，6个模型、4个数据集位姿与几何估计全部一致提升，主打一个即插即用。
多模态检测也能减肥？Qwen2.5-VL当裁判，剪掉70%参数依然能打
多模态目标检测要落地，先把“双分支胖模型”瘦下来。InterPruner首次把结构化剪枝搬到RGB-红外检测上：剪掉一半通道，FLIR精度反而涨0.6%，70%剪枝率下依然稳得住。轻量化的正确姿势，这篇给了一个参考答案。
中科院自动驾驶"错题本"：26毫秒现学现卖，Navtest冲到94.1
老司机最怕的不是路况差，而是同一个坑栽两次。这篇论文给自动驾驶大模型装上一个"失败记忆库"，用结构化解耦检索加上解耦LoRA测试时训练，让模型现学现卖、遇险纠偏，还把NAVSIM双榜SOTA收入囊中，代码已开源。
