EviReform：多跳问答检索新范式！边查边问补全证据链，Recall@5飙升5.59
多跳问答里有个坑：第一轮检索到的证据，往往已经暴露了原问题没写明的“桥接信息”，可后续检索却还死死盯着原问题不放。EviReform的做法很直接——看完证据，反手改查询：把没查到的部分写成残差查询，再和原问题一起喂给图检索。结果：三个多跳数据集上，Recall@5最高涨了5.59个点。
最新文章
共 1660 篇
跨域分类不用纠结：MLLM当调度员，让每张图找到最懂它的专家
做AI的都知道，图像分类这活儿，看着简单，做起来全是坑。尤其是当你把模型从实验室搬到现实世界，面对的不是单一数据集的“温室环境”，而是医疗影像、卫星图、人脸表情、日常物体照片混在一起的“修罗场”。
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。
告别黑盒！CT基础模型终于肯“说人话”，预测还能手动干预
CT基础模型很强，但诊断这事，光给个"恶性概率57%"谁敢签字？亚利桑那大学把两个CT基础模型蒸馏成8个放射科概念+结节尺寸的可编辑预测器：内部AUROC 0.86、外部0.73，关键是预测能逐项拆解还能手动干预——AI终于肯"说人话"了。
首次把DPO用到视频配音，CLIP分数冲到13.65
视频配音总是慢半拍？清华联手上海AI Lab把RLHF里的偏好优化搬进了视频配音任务，音画同步和听感双双拉满，还顺手解决了重建损失"听着对、感觉不对"的老毛病。
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。
UCLA最新：体积视频流实时“隐身术”，私物秒删还能保持30FPS？
想象你在家里开着VR远程会议，头顶一圈RGB-D相机从六个角度同时拍摄。你以为自己只是坐着聊天，实际上，你手边的手机、墙上的照片、桌上的文件，甚至镜子里一闪而过的倒影，都正被多台相机同步捕捉，并实时融合成一个可自由旋转视。
京东人大新研究：让购物Agent学会“听劝”，NDCG暴涨47%
你有没有被电商AI导购气得牙痒痒过？明明说了“今天就要”，它偏给你推明天才发货的。京东和人大这篇新研究，就是让购物Agent学会从真实用户的吐槽和购买行为中自己进化，不用人工标注，推荐效果直接起飞。
美团&南信大新框架RAGSieve：RAG投毒攻击成功率67.4%→14.0%
RAG系统的知识库就像一面可以随时被外人涂改的墙——只要往里面塞几篇精心构造的文档，AI助手就可能一本正经地输出攻击者想要的错误答案。南京信息工程大学与美团提出RAGSieve，不给模型加补丁、不依赖干净语料库，而是用“自己身边的检索结果”当参照物，把攻击成功率从67.4%压到14.0%。
巴西团队最新预测：π介子一撞，已知强子分子变身更重三体结构？
强子世界也玩“套娃”？LHCb发现的Tcc(3875)本身已经被认为是D-D*强子分子，巴西团队这回来了一手“分子上再叠积木”：把一颗π介子扔向Tcc，用相干固定中心近似算了一通，预言在4055 MeV附近出现近阈值类共振增强。思路清奇，结果还会更清晰。
