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。
最新文章
共 1660 篇测试时计算还能这么省？中山大学SVR只需一半token精度反超oracle
数学考试里有个经典场面：学霸写完就交卷，学渣越改越错。大模型推理也有这毛病——简单题算力浪费，难题越修越歪。中山大学这篇新论文，教模型“自我检查”：有把握才交卷，没底就再改一轮。结果平均2.99轮推理，精度反而超过固定10轮，还省了一大半token。这招龙哥看了直呼内行！
CoPE-VideoLM | Codec 结构化视频表征让 VLM 更快更省 token
这是正式入口 dry-run 验证稿，不实际上传微信。
CMU等三校破解20年E值合并猜想：半鞅一招制胜，置信区间逼近最优
E-values是p-value的进阶替代品，这篇论文直接把20年前Wang–Zhao猜想一次性击穿，而且统计口径比原猜想更紧、适用条件比独立更宽，全靠demi-supermartingale这把新钥匙。对做统计检验、多臂赌博机、置信区间收敛的读者，这篇值得精读。
ALIFE 2026：一招哈希撬动开放式进化，空间变大竟触发失控相变？
不用预设智能、不用基因编码，一台哈希函数就能撬动“开放式进化”？本文把最前沿的SCHC模型推到GPU大规模战场，意外发现空间尺度一到L≈300就会出现成核式失控相变，边界条件比想象中更“卡脖子”。极简模型，信息量极大，值得一读。
西南大学新方法：Titans+卡尔曼滤波，冷启动推荐效果飙升2%+
冷启动推荐一直是个老大难问题，新物品刚上线，缺反馈、随时间变化，模型到底该信谁？西南大学的这项研究脑洞大开，把Titans的记忆机制和卡尔曼滤波的时序建模结合起来，用后验协方差作为“不确定性信号”来引导静态语义和时序特征的融合。这一招让推荐效果直接起飞，非常值得关注。
做网络分析别点菜单了，试试张嘴说话——1.7秒延迟的语音新范式
当大语言模型遇上VR网络分析，会擦出什么火花？UC Davis的这项研究把LLM当作“翻译官”，让用户直接用自然语言指挥图形操作——选中高GPA的学生，给妹子节点涂红色，把欺凌关系边高亮…全部动动嘴就行。技术评估显示整套管线延迟仅1.73秒，10位用户亲测后纷纷表示：比打字省心多了！对于想探索沉浸式分析新范式的同学，这篇设计研究绝对值得一读。
5步扩散+状态空间交互：弱监督显著检测首次全面超越全监督
弱监督显著检测一直面临标注稀疏的困境，上海大学团队直接请出SAM把涂鸦变成高质量像素级伪标注，再搭配Mamba+扩散模型做精修。7个数据集上碾压所有弱监督方法，甚至干翻了不少全监督方法。这是一套有工程潜力的弱监督方案，值得细读。
UC Berkeley最新研究：光学扫描投票机不用黑客也会自己翻车？！
大家都以为投票机安全就怕黑客，但其实机器自己就会出错。这篇来自UC Berkeley和Western University的论文，系统梳理了光学扫描投票系统的“非对抗性”故障，用真实案例告诉你——没有黑客，投票结果也可能被悄悄篡改。而且，很多现有审计方法根本查不出来。搞系统安全和民主制度的不可错过。
1200个视觉依赖问题拷问四大模型：渲染偏差让3D推理暴跌15%
继6月聊过商汤“思考with images”之后，团队进一步追问：模型画出来的中间状态，到底是真用了还是仅仅装样子？为此他们构造了1200个视觉依赖样本的See2ThinkBench，并设计了可干预的VAoT协议。结果扎心：模型选动作挺准，但渲染忠实度平均只有60%，3D场景下错误反馈能让准确率暴跌15个百分点——画图推理，远没想象中靠谱。
大佬猜错？C7⊠C7竟然有10个一般位置点，不是9！
图论中看似完美的乘性猜想，被一篇预印本干净利落地推翻。本文不仅给出了路径强积与循环强积的精确公式，更构造出一个个具体反例，让「强积图一般位置数等于因子乘积」的神话破灭。思路清晰，论证优雅，适合图论爱好者品读。
香港中文大学TREK：不用LLM裁判的硬核基准，15个模型全军覆没
继2026年6月聊过EvoMAS和MemInsight之后，又发现一个评估LLM智能体旅行规划能力的硬核基准TREK。它完全不用LLM作为裁判，直接检查每个航班、酒店是否真实存在，时间是否可行，预算是否超支，甚至能检测出用户没明说的隐性需求！结果连最先进的GPT-5.6也才46.2%通过，真是让人大跌眼镜。建议所有做LLM agent的团队都来跑一跑这个基准
