把CT、胃镜、化验单喂给AI后，胃癌诊断AUC涨了6个点
胃镜、CT、化验单、报告，医生从来不是单看一样就下结论。Gastric-X把这个真实逻辑搬进了AI基准：四期CT+内镜+生化指标+报告全部对齐，还配了2.6万条VQA。想让医疗VLM真正学会"综合判断"，这份基准值得一读。
标签：数据集
共 128 篇
LLM重构“症状时间线”：新基准MedTempo发布，CRAFT迭代精炼最高涨9.3个点
临床叙述时间线重建一直被当成“关系分类”来做，单篇报告缺时间锚点就抓瞎。本文用生成器-验证器迭代精炼的思路，配合新基准MedTempo，让大模型把症状先后顺序逐步“捋”清楚，GPT-4.1上EM最高提升9.3个点，思路干净、验证扎实。
上海交大最新基准：视频画质高≠机器人操作迁移成功，11个模型实测最高84.6
你第一眼看到的那种画面流畅、动作丝滑的机器人操作视频，可能只是“好看”，并不是真的“会干活”。上海交大与上海AI实验室等提出的H2R-Bench基准，把11个主流视频生成模型拉到真实的人类演示数据上逐一“体检”，结果发现视频画质与跨实体迁移成功率的相关系数只有0.14。想搞清楚视频生成模型到底能不能帮机器人学数据，这篇必读。
水下照片不再蓝绿蒙蒙？这个合成数据让特征匹配暴涨近7倍
水下照片总是蓝绿蒙蒙一片？印度理工学院这次把海洋光学的"家底"全搬进了合成数据——十种Jerlov水体、深度依赖辐照度、生物荧光一次建模到位。合成数据FID比最强竞品直降46%，四个增强架构跨六个真实数据集全面反超。搞水下视觉的朋友，这份物理知识+数据工程的双拼值得仔细品品。
多语言文生图被曝"语言不平等"！LingT2I基准：10种语言33K提示词，通义千问也翻车
这几年文生图模型卷得飞起，从扩散模型到自回归模型，画质越来越惊艳，英语提示词玩得风生水起。无论是谷歌的Nano Banana，还是阿里的Qwen-Image，你用英语输入"一只在沙滩上戴墨镜的柯基"，出图效果基本都能当壁。
首发！乌特勒支大学×伦敦大学学院：1127条氧K边XAS谱库，给NMC811正极材料做“指纹”建档
电池材料研究里，氧K边X射线吸收谱是窥探局域电子结构的利器，但一直缺少针对高镍NMC811真实多组分无序体系的公开计算数据库。这篇论文不仅补上了这个空白，还送上了开源的自动化工作流，值得材料计算与AI交叉领域的研究者一读。
斯坦福2013年神作：递归张量网络把情感分析SOTA推到85.4%
被引9624次的NLP镇馆级论文，情感分析必读经典。斯坦福团队一口气端出两样硬货：215,154个短语级标注的Sentiment Treebank，以及把张量带进递归网络的RNTN，直接终结了“词袋模型统治情感分析”的时代。
ACM MM 2026：让AI"听声作画"不再是玄学！中科大联合电信AI构建32.3万高质量数据集
音频生成图像终于有了像样的"教材"！中科大联合电信AI研究院打造的A2I-Set数据集，32.3万组高质量三元组，配合FAT-Fusion的AudioCanvas模型，让"听声作画"不再是鸡同鸭讲。数据开源的诚意之作，值得细品。
ACM MM 2026中科院新作：矿区端到端驾驶，碰撞率直降75%！
城市道路的自动驾驶已经卷成红海，矿区这种“路不成路、灰比雾厚”的硬骨头却少有人啃。中科院团队让规划器学会区分“看得见的安全”与“看不见的风险”，碰撞率直降七成多，这波操作值得研究！
字节等发布RGBA视频生成新作：跳过35%透明token，1.2倍提速画质不降
游戏行业离不开RGBA动画，但“先生成RGB再抠图”的老路子，一到半透明边缘就翻车。字节联合北大清华带来一个反直觉方案：既然alpha本身就是可见性信号，那干脆用它来跳过计算——用2.4K个游戏资产视频训练RGBA生成器，1.2倍提速，FVD 174.4，质量几乎无损。
GPT-5.4也翻车？港科大（广州）新基准：长文档重建关系数据库，F1仅75
当业界还在用单表抽取评测文档理解时，港科大（广州）团队直接抬高了门槛——Doc2DB-Bench要求从长文档里重建完整的关系数据库，边从表格到数据库：为什么文档理解需要新范式 先看一个真实场景：一份几十页的金融报告，里面写了好几家公司的现金流数据、股权关系、投资链路。传统做法是让大模型把里面的公司名称、金额、年份挨个抠出来，填进一张大表里完事。
港大清华开源XPolicyLab：42个机器人策略一套接口打通，集成效率提升10倍
机器人领域最缺的不是新模型，而是让模型跑起来的"标准化插头"。港大MMLab与清华联合开源的XPolicyLab，把N个策略连M个环境的成本从O(NM)压到O(N+M)，实测集成时间从5小时干到30分钟，是真实工程痛点的一记重拳。
