极值理论搞定非同分布SNR：这篇论文把6G链路选择讲明白了
这篇论文不搞花活，专盯无线通信里最常见也最烦的一个问题：当信道条件不一样时，怎么把“第k大信号”算准。它把κ-µ衰落、极值理论和6G场景串成了一条线，理论不花哨，但很实用。
标签：涨点神器
共 102 篇
无GPU也能跑：眼底增强新法把SSIM推到0.91
这篇工作不靠大模型、不拼训练数据，直接用“先调亮、再增强”的老办法把眼底图像做得更稳。更关键的是，它不是只在一张图上好看，而是把 DRIVE、STARE、CHASEDB1 三个数据集都跑了一遍，还给出统计检验和筛查速度，落地味道很足。
CMU+Apple提出RayRoPE：多视图位置编码终于统一了
多视图Transformer最怕什么？不是算力不够，而是位置编码“认不出同一块内容”。RayRoPE直接把patch绑到射线上，再让模型自己猜深度、补不确定性，结果就是：既要几何一致，又要多频细节，还能保持SE(3)不变。Apple Research这篇，属于把老问题拆开后重新装对了。🤨
华为诺亚这篇PUe：有偏标记也能纠偏
这篇论文盯住了PU学习里最烦人的那个坑：标注不是随机来的，而是“挑着标”的。PUe的思路很朴素——先估计偏差，再把权重掰正，最后让分类器少吃冤枉亏。
南工大AspectCLIP：组内严管组间放松
CLIP最烦人的地方，不是不会对齐，而是对齐得太“粗”。这篇论文把文本语义当作“方面标签”，先分组再约束，思路很顺，实验也比较扎实，适合想看表征空间怎么被真正修干净的人。
报告文本太强了：掩码后AUROC仍0.973
这篇论文最有意思的地方，不是模型把胸片分类做到了多高，而是它专门证明了：有些“高分”其实是报告文本在偷跑。对于做医疗多模态的人，这篇更像一场防作弊演习，值得认真看。
CVPR 2026前沿：TCA-Net让低光增强不再乱融
低光增强最怕的不是“亮不起来”，而是“亮起来还把颜色搞脏了”。这篇 TCA-Net 盯住的正是这个老大难：强度和色度怎么可靠再融合，思路很工程，结果也够实在。
ICML 2026新思路：MLLM回读似然，零样本变奖励模型
这篇论文最有意思的地方，不是又训练了一个奖励模型，而是把“奖励”这件事倒过来做了：让预训练多模态大模型回读提示词，看图能不能把原话读回来。结果很直接——不用偏好标注，不用再养模型，照样能把文生图强化学习带起来。
ECCV 2026新作CUST：轻量超分更快还更清晰
轻量超分最怕两件事：一是只顾省算力，结果图像糊成一锅粥；二是只顾补细节，显存和延迟直接炸锅。CUST这篇的思路挺实在，先用跨窗口相似聚类把“远处但相关”的信息拎过来，再用误差驱动的局部注意力补纹理，最后在精度、显存、速度之间给出一个比较像样的平衡。
16智能体成本降7.63倍：AAFLOW+的零拷贝KV编排
这篇论文很对工程胃口：它不再把 KV cache 当成“模型内部小零件”，而是直接提升为分布式系统对象。结果也很硬，长上下文、多智能体、分支推理这些最烧钱的场景，TTFT、内存和吞吐都被明显改写。
ImageNet经典：152层ResNet拿下SOTA
这篇论文最狠的地方，不是把网络堆到了152层，而是证明了“更深”本来不该更难训练。残差连接一出，深度网络终于不用跟梯度和退化问题死磕了。
FedLAB来了：联邦多模态图学习首次把“可追溯”做成码本
联邦图学习最烦的不是没效果，而是模型一张嘴就“说不清证据链”。FedLAB直接把模态证据、节点语义、拓扑上下文拆成三层码本，既能学，也能查，算是把黑箱拧成了可审计的抽屉。
