YOLOv8n多种子实测：真实数据更能打
合成数据不是万能药，校园垃圾检测这篇论文把“多造图就涨点”的幻觉直接按在地上摩擦。它最值钱的地方，不是跑赢了谁，而是用多种子评估把“看起来有效”的方法拆穿了。
标签：模型训练
共 155 篇
CVPR级VLM翻车点曝光：图像先说还是问题先说，差26个百分点
同一张图、同一个问题，顺序一换，VLM就可能答歪。本文没有搞花活，而是直接抓住这个“看起来不该存在”的差距，用测试时训练把弱分支往强分支拉，顺手还把强分支也抬了一点，属于很实在的修模型思路。
Eindhoven大学新方法：AE+分割学习省下10.2倍通信
边缘设备想微调大模型，最先炸掉的往往不是显存，而是通信。AE-PSL的思路很实在：先把中间特征压小，再用两阶段对齐把“压缩器”调顺，最后把精度守住。
冻结Qwen3-VL也能加音频？Fusion Embedding统一四模态
这篇论文最有意思的地方，不是“又做了一个多模态模型”，而是 冻结基座不动，也能把音频硬塞进统一空间 。更狠的是，文本、图像、视频的原有结果还能保持 bitwise 一致，工程味很足。
Stanford新方法：无标注学3D医学影像，少样本分割强到离谱
3D医学影像最缺的不是模型，而是能长期喂饱模型的标注。MASS偏偏反着来：不用专家画框，靠自动掩码就把自监督做成了“临床味儿”很足的预训练，少样本分割和冻结编码器分类都能打。
北大DWM新法：规划成功率最高提13.1%
世界模型最怕的，不是不会预测，而是把“环境自己在变”和“动作造成变化”混成一锅粥。DWM专门盯住这个老毛病下手，训练阶段分开学，推理阶段却不加戏，思路很干净。
LLM人格提示翻车了？Claude Opus被图书管理员“劝退”编码
一顶会级别的受控实验，把“给模型套人格”这件事狠狠干了一遍。结果挺反直觉：人格不是万能开关，Claude Opus会认真演角色，GPT-5.5却像没听见。
nuScenes上实测：红灯竟比大车更“有戏”
自动驾驶模型最怕的不是“看不见”，而是“看见了却不知道到底信了谁”。这篇工作直接把单个目标从画面里抹掉，再看轨迹怎么变，黑盒里谁在捣鼓方向盘，终于有机会被点名。
扩散去噪当视图？这篇论文把判别和生成一起做了
扩散模型平时最擅长“画图”，这篇论文偏要让它顺手把分类也干了。D3CL的思路很直接：把不同去噪步当成不同视图，再用LoRA轻量改造Stable Diffusion，结果判别和生成两头都没掉链子。
IFT后推理会丢？这篇论文用合并法救回来了
推理模型最怕的，不是不会做题，而是微调完把“会想”这件事顺手弄丢了。这篇论文给出一个很朴素但很能打的解法：先把任务学进去，再把推理习惯捞回来。
8张H20实测：Muon在RL后训练里真能赢AdamW？
Muon 在预训练里已经很能打，但到了强化学习后训练阶段，表现却一直不清不楚。这篇论文不讲玄学，直接拿三种优势估计器和学习率做对照，结果很扎眼：有的场景能涨 88%，有的场景却几乎没戏。
Anthropic最新研究：Claude Opus 4.7安全与能力双线升级
Anthropic这份系统卡很像一份“体检报告”：一边告诉读者 Claude Opus 4.7 在软件工程、长上下文、代理搜索上更能打，另一边把生物、网络、对齐风险也摊开讲清楚。好看的不是口号，是它把“能力提升”和“安全边界”一起量化了。
