视频异常检测告别光流！朱拉隆功大学YOLO+CLIP飙到51FPS
视频异常检测一直是监控系统的刚需，但以往方法又要光流又要姿态估计还要密度评分，管线拖到只有15FPS根本跑不动实时。这篇来自朱拉隆功大学的工作把整个流程砍到只剩YOLO+CLIP两个模型，不依赖光流、不用密度估计、不需要异常样本标注，端到端跑出51.39FPS，直接3.36倍提速。做法不炫技，但工程和产品层面很能打，部署友好的路线值得一看。
标签：AI应用
共 458 篇
2026科研团队生存指南：从3-2-1备份到事后复盘
2025年，美国政府上演了一出“自己打自己”的戏码，对自家科研机构发起了一连串史无前例的攻击。2026年，GitHub首次跌破90%可用性，科学界一片哗然。
UW最新研究：VLM+MR给路痴导航，场景识别提升22%
方向感差不是智商问题，而是注意力投错了地方。这篇论文用20人的VR眼动实验抓出了路痴和认路高手的本质差异，再把这个差异翻译成VLM提示词，做成了混合现实导航系统——直接让场景识别率提升22%，地标回忆数量翻倍。导航软件终于开始考虑“让你记住路”而不是“替你走完路”了。
字节跳动UBASE：万亿向量检索吞吐3倍，内存直降80%
这不是又一棵刷榜的韭菜，而是字节跳动万亿级生产系统UBASE首次系统公开。它真正解决的是大模型时代最扎心的痛点：向量海量增长，内存和成本双双爆炸。吞吐3倍、索引内存降80%、成本降86%的硬核数据，值得每个搞RAG和向量检索的人细品。
拦截弹怎么分？数学证明：均匀分配完胜随机，效率可差近5倍
多枚拦截弹打多个来袭目标，究竟怎么分配才最优？这篇论文用严格的数学证明给出了答案：均匀分配不仅优于随机分配，而且就是最优策略。看似简单的结论，背后藏着几十年的悬而未决，值得一看。
高棉语OCR新范式！一个模型同时搞定识别和分词，延迟大幅降低
高棉语这种低资源小语种，连词与词之间都没有空格，OCR完还得单独做分词。这篇论文直接端到端二合一，一个CTC解码器同时吐字符和词边界，合并任务延迟大幅下降，精度还不掉队。低资源语言NLP的工程落地，值得一看。
三个数据集实测：GPT-4o排序垫底，当推荐解释官却比模型更通用
这篇论文很有反差感：一边证明GPT-4o等LLM做复购排序确实打不过传统监督模型，一边又发现LLM引用的行为特征在跨模型掩码评测里真有信号。对做推荐系统、做LLM可解释性的朋友都值得一读，尤其那句“排序质量≠解释质量”，值得反复琢磨。
ITMO大学新研究：探索器便宜94%也能用
代码修复里最容易被忽略的，其实是“先去哪找”。这篇论文把仓库探索单独拎出来做基准，直接比较探索器的质量和成本，结论很实用：便宜模型未必差很多，但也不是谁都能省得漂亮。
752M模型压到1.58比特：常识还在知识全丢？
模型压缩领域一直有个终极诱惑：既然大模型这么贵，能不能把权重压到极致？三值化（Ternary Quantization）就是这条路上的狂飙选手——把每个权重压缩到只有三个取值{-1, 0, +1}，理论上每个权重只需要约。
零样本也能修！芬兰新方法让InSAR相位恢复时空残差直降68%
InSAR相位恢复一直靠固定滤波器硬扛，可每一对影像的几何参数都不一样，这就像用同一副老花镜看所有距离的物体。芬兰团队提出FiLM-GPNet，给网络装上“几何调节旋钮”，时间残差直降68%，而且换个城市不用重新训练，零样本直接上手。
GPT-4o当裁判，Qwen2.5答得更靠谱，背后其实是一张评分表
奖励信号怎么给，才能让大模型在开放域问答里真正学会“有理有据、条理清晰”？苹果这篇最新论文把笼统的偏好打分换成了多维评分细则，效果直接涨了6.5%。路子够巧，值得一读。
少花10倍算力！ASIL让开源小模型操作软件涨14个点
当Claude Code、Codex在代码世界里大杀四方时，GUI软件依然是智能体的"最后屏障"。上海交大与BIGAI提出ASIL，用结构化JSON观测+语义化代码动作替代截图点击，让GPT-5.4在380个任务上拿下81.6%的成功率，而同样的任务截图控制只有6.6%。一句话操作就能完成截图控制15次点击都完不成的活，这可能是智能体交互的一次范式革命。
