南科大BlindPSNR：让低光增强自动选最优，Top-1达89.5%
还在手动挑低光增强参数？这篇论文发现7个主流无参考质量评估指标在候选选择任务上全军覆没（Top-1准确率全部为0%），并推出BlindPSNR——不依赖任何参考图就能预测PSNR，在场景未见数据上Top-1准确率飙到89.5%，后悔值仅0.026dB，代码已开源。对任何要落地低光增强的团队都是一份实用参考。
标签：预测模型
共 151 篇
PowerUp 2026：储能投资的“缺钱问题”被MIT用MDP模型证伪
储能是新能源时代的“香饽饽”，但把它放进充满不确定性的电力市场里，它的运行策略和投资价值会怎么变？MIT这篇论文用一套精巧的随机控制框架，剖析了需求不确定性如何让储能变得“畏首畏尾”，以及这种“预防性储能”策略如何彻底改变长期投资格局。结论有点反直觉，但非常清醒。
机器人规划新范式：自动学习有向时间成本，14点提升不是梦
还在发愁机器人规划里怎么设计奖励函数？来自香港浸会大学的这篇论文直接告诉你：不用愁！它从无奖励的演示日志里“挖”出时间距离，让世界模型规划得又快又准，导航成功率直接拉满，操作任务也大幅提升。这正是龙哥一直在说的：比起花里胡哨的模型结构，搞清楚“规划目标从哪来”往往更重要。
学习助手让STEM毕业率提升9%，弱势群体提升20%
教育公平是热点议题，但缺乏大规模量化证据。这篇论文基于十年数据，用多层模型揭示了学习助手对STEM学生毕业率的显著提升，尤其对弱势群体效果惊人。结论扎实，对于教育管理者有直接参考价值。
CFL-2S：诺基亚贝尔实验室两阶段聚类新方法，流量预测误差最高降51%
管理型Wi-Fi网络里各AP的流量模式千差万别，用单一全局模型肯定不够聪明。诺基亚贝尔实验室这篇论文，提出了一种两阶段聚类联邦学习（CFL-2S），核心是找到“信息量最大”的那个最小AP集群，帮模型学得更准，最高能比标准FL降低51%的预测误差。方法轻巧、开销小，非常适合资源受限的部署场景。
药物代谢预测新突破：MEGA-CL前瞻验证误差仅2.5倍，代码全开源
药物研发早期，ADMET预测的准确性直接决定候选分子的命运。传统的QSAR模型在小数据和高噪声面前往往力不从心，而中国药科大学团队提出的MEGA-CL，用图外部注意力+对比学习，在1亿分子上预训练，不仅刷新了13个标准基准和21个ADMET任务的SOTA，更在前瞻性验证中表现出令人信服的泛化能力——肝清除预测误差仅2.5倍内，CYP450抑制分类准确率73.
植入体通信标准怎么定？IEEE 802.15.6信道模型全揭秘
智能手表测心率已经够酷了？那如果告诉你在身体内部植入一个小设备，它可以通过无线信号实时监控你的健康状况，甚至传输高清影像，你会不会觉得这更像是科幻电影？其实，这个技术早就不是幻想了，关键就在于怎么让信号在复杂的人体组织里准确无误地传播。今天这篇来自IEEE 802.15.6标准化组的研究，就全面回顾了植入体通信的无线传播模型，甚至动用了3D虚拟现实平台和活体
武汉大学提出MissHyper：一招修复临床时序预测的“预传播瓶颈”，SOTA三连杀！
病历数据又乱又稀疏？ICU里仪器报警此起彼伏，却常常漏掉关键趋势？武汉大学团队提出的MissHyper，在时序预测前就把同一时间戳的各种指标“合体”成病例快照，让超图模型一上来就有全局视野，三个临床基准统统领先！
GPT-4.1“扮演”美国选民：8/9州预测正确，医疗意见准确率0.94，但偏见暗藏！
继2026年6月推送“AI投资天团”之后，龙哥又挖到一篇角色模拟领域的硬核评估论文——GPT-4.1扮演美国选民预测大选，8/9州全中！还能预测你对孩子打疫苗的态度（准到94%）。但别急着欢呼，深入一看，偏见比数据更顽固。这篇工作把角色模拟的“高光”和“暗面”一起扒了个干净，值得每一位关心AI可控性的同学细读。
A类预印本新方法：Power Diagram让抢修分区更均衡
停电恢复里“被遗忘的角落”最扎心——偏远小区往往要等更久。这篇论文首次把故障概率密度纳入分区，让每个片区等待时间几乎一样，标准差从6直接降到2.87。数学上漂亮，工程上实用，值得所有搞电力调度的同学看一眼。
金融仿真不翻车：CIR弱收敛到O(1/N)
金融模型里最烦的事之一，不是公式长，而是数值一跑就把“正数”跑没了。CIR 这篇就专门盯着这个老问题，把隐式离散方案的弱收敛率补上了严格证明。
WMFM-OOD来了：无线基础模型也要先过“安全门”
6G最怕的不是模型不够大，而是模型在陌生环境里还“自信满满”地胡说八道。本文专门抓住无线多模态基础模型的信任危机，用几何原型把OOD检测做成了一个几乎不拖慢推理的安全闸门，工程味很足。
