2026最新证明：k-Hessian方程奇异集精确到n-1维，终结二十年悬案
还在为非线性偏微分方程的正则性发愁？这篇论文用三个漂亮的几何工具——支撑接触集、John椭球和凸截面覆盖定理——一举证明了凸k-Hessian方程奇异集的Hausdorff维数不超过n-1，且指数最优。纯数学的硬核美感，值得一看。
最新文章
共 1660 篇
UC Berkeley新出发：强收敛酉表示版图再扩容，6条定理一网打尽
把一个“无限大的群”装进一串“越来越大但有限维的矩阵”，还能保证任意代数信息都不丢失——这听起来就像一群数学家在搞“无损压缩”。而且，压缩的对象不是普通文件，而是一个带有无穷多个元素的群结构。更绝的是，这次被“压缩成功”的对象里，有一个此前长期“顽固抵抗”的群，叫作 Gersten 群。话不多说，龙哥先把小板凳搬好。
鲁汶大学最新研究：超表面让波前“弯”一下，近场MIMO信道直接分开
鲁汶大学Caloz团队用超表面把波前“掰弯”，近场MIMO用户信道相关性从接近1直接打到0.1，频谱效率和有效秩同步起飞。6G近场通信的电磁调控新思路，做天线和做算法的都值得一看。
IEEE BigData 2025：CEMD跨域迁移，让胆囊分割暴涨27%还能提速3倍
在医学影像分割的同类探索里，这篇把手伸向了更硬核的跨手术域迁移：胆囊手术学到的东西，能不能直接帮直肠手术做分割？CEMD架构给出的答案是——不仅能用，胆囊类分割还暴涨27%，收敛还快3倍，值得一读。
仅0.0118%参数参与训练，大模型对抗训练FLOPs直降48.1%
大模型对抗训练是真·烧钱大户，光8步PGD就吃掉约80%算力。密歇根州立大学这篇工作把「低秩表示微调」和「电路剪枝代理模型」结合起来，从攻防两端同时压缩计算，平均省下48.1%的FLOPs，可训练参数只有0.0118%。效果不打折太多，性价比直接拉满。
清华自进化新框架：让机器人学会自己找“坑”，失败率狂降67%！
机器人训练有个“鬼打墙”现象：数据越采越多，失败率却纹丝不动。清华这篇工作直接告诉机器人“哪里不行补哪里”——用一个轻量关键性模型引导数据采集，失败率最高降67%，还顺手解决了VLA微调的平台期问题。思路极简，效果很硬，值得一读。
多目标决策太难？这只"狐猴"从人类偏好中学会平衡的艺术
现实世界的决策总在多个目标之间为难：既要跑得快，又要省电；既要安全，又要高效。当奖励函数难以定义时，多目标强化学习该何去何从？LEMUR给出了一个优雅的答案，在多个连续控制任务上全面超越既有方法，逼近全知Oracle的性能表现。
清华TacWAM：触觉卷进世界模型，机器人操控成功率飙升37.5%
继2026年6月聊过物理对称性硬编码的世界模型、7月聊过北大DWM之后，这期看点更有“手感”的：清华TacWAM直接把触觉卷进世界动作模型，四大接触丰富任务平均成功率75%，比最强基线高出37.5个百分点。想看懂机械手怎么“摸”东西，这篇别错过。
遥感分割只盯一张图？中南大学：要学会按需查资料
农田分割遇到难题，让模型再强十倍也可能白搭——关键证据压根不在当前图像里。中南大学这篇FarmSeeker，把分割从“图内思考”拉到“图外思考”，按需查时空影像，把模糊地块查得明明白白。跨11国测试，比一堆老牌方法都稳，值得一看。
高光谱分类破局者：青岛理工最新MSCM-net，0.2M参数实现94.35%精度
高光谱分类就像拿着“放大镜”找茬：CNN只看得到眼前一亩三分地，Transformer倒是看得远，但算力账单吓人。青岛理工团队把多尺度CNN和Mamba塞进一个框架，0.2M参数直接干到94.35%精度，这波混搭真有东西。
W4A4仅掉0.2分！复旦把世界模型量化整明白了
世界行动模型（WAM）又重又慢，部署到机器人上量化是必经之路。但现有PTQ方法在WAM上集体翻车。复旦这篇QuantWAMs，从结构、分布、目标三个维度重新审视校准粒度，在4bit精度下模拟分数几乎不掉点，还在真机上验证了一波，属实有点东西。
浙大最新MoE研究：专家重叠却有效，39组实验打破“几何互补”神话
MoE大模型靠“多个专家干活”撑起千亿参数，但专家之间到底是分工还是打架？这篇来自浙江大学与香港理工大学的最新研究，用39组因子实验拆开了一个反常识真相：专家子空间严重重叠，路由却依然精准；被选中的专家确实更强，但真实上下文反而在“压价”它的优势——作者称之为“连贯重叠”。一句话：光看几何相似度，千万别急着下“冗余”结论。
