训练零成本，孔径感知INR让动态散斑去噪PSNR猛涨5.8dB
散斑噪声是相干成像（SAR、数字全息、光学相干断层扫描）里绕不开的"毛玻璃"，动态场景下尤其难缠。本文用孔径感知最大似然+时空隐式神经表示，做到完全无训练去噪：不需要干净参考、不需要配对数据、甚至换孔径都不用重训，模拟和实验室实测都在时间一致性和细节恢复上赢了监督模型。思路相当clean，值得一读。
最新文章
共 1660 篇
杭州电子科大最新审计：别吹个性化模态加权了，一个全局权重就够了？
多模态推荐里个性加权被吹上天，杭州电子科大的审计团队偏偏不信邪：六个加权头、四个数据集、同一骨架公平对决，结果全局权重几乎吃满全部增益，个性化加权沦为“气氛组”。想看清推荐系统里“个性化”这三个字到底掺了多少水？这篇是绕不开的清醒剂。
凭什么说所有安全调度都是CIPS特例？一文看懂统一调度框架
信息从生成到失效，中间能安全用多久？这个问题在自动驾驶、无人机、网络缓存里被各领域分别回答。奥克兰大学的这篇论文给出统一数学答案。它不仅证明现有安全调度策略都是其特例，还在V2V车队与无人机SLAM中把通信与计算干预量分别砍掉99.3%和86%，值得一读。
斯图加特大学：现成CLIP零微调，天生就会预测人类眼动？
有句老话叫“所见即所知”，斯图加特大学这篇新作直接把它变成了“所听即所看”：只拿一个现成的CLIP模型做归因，不微调、不标注、不用任何生成架构，就能复现视觉世界实验里经典的预测性眼动——人类听到“eat”还没听到“cake”就把目光移向蛋糕，模型居然也“看”向了同一个地方。
最新SOTA！多目标强化学习不用改算法，只换网络结构就能让HV暴涨132%？
单目标强化学习靠“换网络结构”就能白捡一大截性能，多目标强化学习却还在算法泥潭里打转？马萨里克大学和阿托大学的最新研究直接把SimbaV2架构搬进MORL，HV暴涨132%，证明“算法不够，架构来凑”这条路在多目标领域同样走得通。对正纠结算法创新还是架构升级的读者来说，这篇论文给出了一个极具性价比的新方向。
量化新范式：给残差上"户口"，净收益13.52%→19.10%
把特征拼一起，就像把所有水果丢进一台榨汁机——最后没人知道哪一口是苹果、哪一口是橙子，更不知道是哪个"果"在犯错。西湖大学这篇新工作干脆给残差上"户口"：先分清谁的错，再动手修。实测同一批特征、同一批树上限，扣费收益从13.52%干到19.10%、夏普1.42→2.09。这份"残差代数"，值得所有做表格学习、量化选股的人细品。
江苏大学ACM MM新作：图像恢复"按需使劲"，LPIPS降12.8%
图像修复这事儿，有点像老小区改造：有的地方墙皮脱落要重刷，有的地方只脏了一小块。可现在的扩散修复模型偏爱"一刀切"，全图一样的约束力度、一样的步长节奏，既不省算力还容易把好区域修出问题。江苏大学这篇ACM MM 2026论文，用局部认知不确定性给模型装了一双"会看重点的眼睛"，该补的补、该跳的跳，LPIPS平均降12.78%、采样时间省8.42%，还能即插即
EM湍流让电子逆袭，两套聚变代码首次交叉验证
托卡马克这个“人造太阳”里，电磁湍流居然是电流的搬运工？瑞士洛桑联邦理工和普林斯顿的最新非线性模拟发现：过去被嫌弃“太轻没存在感”的电子，在电磁湍流中居然靠麦克斯韦应力主导了动量输运，电流剖面都可能被它悄悄改写。文中还首次在GENE与CGYRO两套代码中补全了电磁动量通量诊断，并做了交叉验证。
SIGCSE 2025最新研究：超半数学生天生就“挑老师”？一学期数据揭示偏好如何悄悄改变
上网课时，同一个知识点好几位老师都讲了视频，你会固定只点某一位老师的来看吗？本期论文用一整学期的点击流数据告诉你：超过一半的学生打一开始心里就有“偏向”，而且这个偏好还会随着学期推进悄悄改变。教育技术还能这么量化研究，有点意思。
港城大MirrorWorld：AI画镜子终于不再“睁眼说瞎话”
最近，来自香港城市大学和斯旺西大学的研究团队提出一个名为 MirrorWorld 的框架，专门解决视频生成中的镜子反射一致性问题。
快手港城大新作HD-REC：生成式跨域推荐的新范式
图2：HD-REC整体架构。（a）HDQ通过全局共享粗粒度量化和自适应路由细粒度量化构建语义ID。（b）DAS MoE结合常驻共享专家与动态选择的特化专家。
开源模型的防盗锁来了？Apple用DLR-Net让微调成本暴涨4倍
这是龙哥近期看到的最有“反常识”的AI安全论文：正常防御都是让模型变笨或推理变慢，Apple却反手把训练成本拉满，推理保持原速，还顺手把自适应攻击者挡在门外。方向清奇且实验扎实，值得一读。
