斯坦福2013年神作：递归张量网络把情感分析SOTA推到85.4%
被引9624次的NLP镇馆级论文，情感分析必读经典。斯坦福团队一口气端出两样硬货：215,154个短语级标注的Sentiment Treebank，以及把张量带进递归网络的RNTN，直接终结了“词袋模型统治情感分析”的时代。
标签：模型架构
共 307 篇
顶级会议新研究：让语音增强模型学会唱歌，原能力还不掉
一边是700小时的大规模语音增强数据，一边是只有35小时的歌声分离标注集，AI界“贫富差距”在这篇论文里被LoRA一招填平。只需6-12%额外参数，就能让语音增强模型“开口唱歌”，还稳稳保住原有看家本领，这买卖划算。
CVPR 2026新作：广西师大砍掉60%模板Token，跟踪精度只掉0.4%
多帧视觉跟踪里模板帧越堆越多，效果却可能越堆越差？ETCTrack用一个可学习的ATC模块把历史模板Token动态压缩60%，MACs直降21.4%，精度只掉0.4%，还在七个基准上拿下SOTA。代码已开源，看完这篇也许能重新理解“给Transformer减负”这件事。
代尔夫特理工新作：MoMQ让实时视频多路径传输延迟直降70.3%
多路径传输一直在“盲人摸象”——调度器只看字节，不懂视频帧的关键程度。代尔夫特理工这篇MoMQ，首次把MoQT的元数据变成路径调度规则，在Starlink+WiFi真实测试床上把P99.9延迟从384.7ms砍到114.1ms，实时视频终于能跑进150ms交互预算。想法巧妙，实验扎实，值得一读。
字节等发布RGBA视频生成新作：跳过35%透明token，1.2倍提速画质不降
游戏行业离不开RGBA动画，但“先生成RGB再抠图”的老路子，一到半透明边缘就翻车。字节联合北大清华带来一个反直觉方案：既然alpha本身就是可见性信号，那干脆用它来跳过计算——用2.4K个游戏资产视频训练RGBA生成器，1.2倍提速，FVD 174.4，质量几乎无损。
最新理论证明：展开网络只相当于多项式滤波器，图像去噪还能这么玩？
算法展开（Algorithm Unrolling）一直是可解释深度学习的招牌做法，把迭代优化变成可学习的网络。这篇论文却给这个招牌泼了一盆冷水：图拉普拉斯去噪器的展开网络，无论怎么学，都只是多项式图滤波器，而且可达集还是测度零的严格子集——值得所有做可解释深度学习的人看一眼。
六种音频编码器正面PK！澳洲高校首次系统性评测：从分类到推荐，谁才是音乐推荐的最优解？
分类任务的学霸，放到推荐系统里可能就成了学渣，这事儿你敢信？澳洲高校团队把六种主流音频编码器拉到KNN、SASRec和TIGER三种推荐范式下正面对决，还顺带拆解了语义ID的量化玄机。音频推荐选型，看这篇就够了。
密歇根大学提出PE-Mamba：双向Mamba扫描，AI假图检测冲到96.6%！
AI生成的假图肉眼越来越难辨，可检测器却还停留在“加权平均”的老路子。本文提出的PE-Mamba，把Transformer层间特征当有序序列，用双向Mamba扫描来聚合取证线索，只训练1.3%参数就把主流假图检测基准刷到新SOTA，思路清奇又实用。
武大PROTEUS：水下图像恢复新SOTA，仅2.6M参数登顶U90
水下照片又绿又灰还带雾？武汉大学等机构的最新PROTEUS让你一键还原！它把“退化信息”从累赘变成向导，既用它引导特征调制，又用它控制跳跃连接复用。仅2.61M参数，U90的PSNR刷到25.50dB，LPIPS更是把第二名从0.086打到0.081，轻量又能打，值得一读。
把催化内存搬进流式算法：4遍算Fk、2遍算F2，对数空间新范式
流式算法里“精确计算频率矩”是个老大难：空间要小、结果要准，过去直接不可能。这篇新论文把复杂性理论里的“催化内存”搬进流式场景——内存随便借用、用完必须还原，居然在对数空间内四遍精确算频率矩、两遍算F2，顺带解决三角计数与重击者识别，硬核又上头。
仅1500张图让ViT学会看“鸟喙”，CVPR 2026新方法鲁棒性大涨
本论文针对视觉Transformer在分布偏移下依赖背景等虚假相关性的顽疾，提出概念引导微调（CFT）。仅用1500张图、无需人工标注，让模型注意力从背景转向鸟喙、鱼鳍这类判别性语义概念，五个OOD基准一致提升。CVPR 2026 Highlight，代码已开源，可复现性强，值得细读。
西工大最新研究：一步超分不用蒸馏，FLOPs狂降6倍、质量反超CTMSR
一步超分又有新玩法：西工大MeanSR不靠教师模型蒸馏，直接学习低分辨率条件下的平均速度场来显式建模恢复轨迹，CLIPIQA、MUSIQ、MANIQA全面涨，FLOPs只有之前最强单步方法CTMSR的约1/6，推理还快了近一倍。感兴趣怎么实现的，往下看。
