ICSME 2026实证：VRT查出18.5%非样式缺陷
视觉回归测试（VRT）天天在跑，可它对开发者讨论和合并流程到底有什么影响？这篇ICSME 2026实证研究挑出307个VRT关联PR，给出硬核数据：合并中位时间长3.8倍、评论多10倍、代码改动放大数倍，还挖出近两成非样式性缺陷。想搞懂VRT真实价值与工程代价的开发者，值得一读。
最新文章
共 1660 篇
最新FDIR：压缩图恢复不再纠结，3.5K训练图拿下7/10下游任务
JPEG一压狠了，画面就糊成一团。传统方法要么回归均值磨平纹理，要么生成式模型脑补纹理骗过人眼却坑了下游模型。FDIR用两阶段解耦把这笔“三角债”理清了，只用3.5K张图就拿下7/10下游任务领先，值得做压缩恢复的同学都看一眼。
印度团队出手：让AI Agent"不敢乱动"，F1 88.5%还能全员验证
给AI代理发工具权限就像借车给实习生——怕他乱开。Niyam-AI直接上密码学“行车记录仪+电子围栏”：每次工具调用都得先过轻量Judge模型，再生成零知识证明，F1 88.5%、误报率仅1.1%，关键是任何第三方都能在53毫秒内验证“安全检查真的发生了”。同类工作里把ZK证明用到agent工具调用验证上的，这是头一遭。
快手Kling团队新作：16 FPS实时生成多镜头连贯视频，一个模型搞定生成、参考与编辑
告别逐镜头生成的割裂感，快手Kling团队联合清华、南大提出的ContextMaster，把生成、参考和编辑统一进一个模型，在单卡上跑到16 FPS的同时，还能让角色和场景在多镜头之间保持一致。🔍 想看懂这套固定预算稀疏路由怎么在有限算力下留住完整记忆？这篇值得细读。
苹果谷歌联手开源：16B扩散模型6层线性化，推理提速1.73倍
大模型推理贵、响应慢，一直是落地最扎心的痛点。苹果、谷歌DeepMind、哈佛这次联手给16B扩散语言模型LLaDA 2.1动了场小手术：6层注意力换成线性版本，只训练约60小时就换来最高1.7倍解码加速，代码已开源。扩散模型也能线性化，这波操作值得细品。
华中科大SimWAM：单目摄像头91.5 PDMS登顶NAVSIM，视频生成零开销！
视频生成模型在自动驾驶里一直是“吃钱大户”，训练花钱推理更花钱。华中科大这波操作骚气：让视频大模型只在训练时当“免费家教”，推理时直接扔了它，结果单目摄像头91.5 PDMS登顶NAVSIM，延迟还比别人低一大截😏 这便宜占得，值得好好看看。
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。
身份相似度0.988！四校联手端出免训练人脸修复新范式
手机里存了三年的糊脸照片，AI一顿猛修，结果亲妈都不认得了？扩散模型人脸修复最怕"五官漂移"，南邮等四校带来WaveFreqAnchor：零训练、零微调，只用波结构锚定+频率校正，把身份相似度一路抬到0.988，修完还像本人！
图像恢复新SOTA！FIT用可变形tokenization摘得多任务接收，平均30.72dB
图像恢复圈的老问题——固定patch切割总在退化边界上“切错地方”，导致修复完还留着一道道网格伪影。FIT把tokenization本身变成可变的，让patch边界跟着雨线、模糊核、景深走，五任务平均PSNR一口气拉到30.72dB，比JIT基线提升1.44dB。一句话：patch不“卷”了，改“弯”了。
残碑补字新范式：字符级掩码扩散让Ithaca都成了配角
当大模型都在卷token时，这篇论文反着来：用字符级离散扩散处理古希腊残卷，把修复误差从24.6直接干到15.5。更难得的是，它把训练语料和11个去污染检查点全部开源，还承诺每个残破文本都能找到一个"从未见过它"的模型来做修复。数字人文的"可复现良心"，大概就长这样。
浙大最新：零差距≠真恢复！SA-PPG揭示基准污染修复被严重高估
评测行业深水炸弹："零差距"可能根本不是修复成功，而是正负误差抵消的假象！浙大新作直指现有污染缓解指标G-AP的两大致命缺陷，并给出SA-PPG评估指标与RailCap缓解策略。多模型多基准验证下，旧方法的"完美修复"排名被彻底翻盘。做评测、做数据清洗的，这篇不能错过。
首个小步快跑：A_n箭图重数终于有了正组合规则
同一个从箭图到晶体：一个正组合规则的诞生 这篇论文讨论的对象叫箭图（quiver），说白了就是一个有向图。给箭图的每个顶点安排一个有限维复向量空间、给每条箭头安排一个线性映射，就得到了一个箭图表示（quiver representation）。
