Thinker-Talker双流架构：低延迟翻译更稳了
流式语音到语音翻译最烦的不是“会不会翻”，而是“能不能边听边翻还不崩”。这篇论文的狠活在于：只用约2k小时配对数据，就把长篇流式S2ST做到了很能打的水平，而且还把读写策略和语音生成拆开，思路很干净。
最新文章
共 1665 篇
OVOD-Agent：无大模型也能做视觉推理？
开放词汇目标检测最尴尬的地方，不是“看不见”，而是“看见了却只会机械对词”。这篇论文把检测器改造成会做视觉推理的轻量代理，还尽量不把系统搞成大模型重灾区，思路很对路。
TOFU也翻车了：无oracle认证有极限
机器遗忘最怕的不是“忘不掉”，而是“看起来忘了，实际上还记得”。这篇论文直接把评估体系拉回现实：别只盯着训练探针，得看它是不是能恢复到匹配重训的分布。
Simon-SR：可学习提示+空间调制，超分更稳了
这篇论文的意思很直白：超分不一定非得靠人工文本标注硬喂，模型自己也能学出可用语义，再把语义按空间位置“精准打光”。它把提示学习和空间自适应调制接起来，思路不花哨，但很像能落地的工程方案。
何恺明团队这篇ResNet论文证明：跳连别乱改，1000层才能稳住
这篇论文不靠花活，专盯一个老问题：为什么残差网络一加深就训练不顺。结论很直接——跳连和加法后激活别乱动，保持“直通车”最重要，1000层网络才有机会真的跑起来。
CMOS+3D打印联手，THz成像把0.2mm看清了
THz成像最烦的不是“看不见”，而是“看见了也看不清”。这篇工作把3D打印透镜和65nm CMOS源阵列拼成一套完整系统，直接把0.2mm细节、QR码和多层PCB内部结构都拎出来了，工程味很足。
UniRank开源基准来了：15模型同台，7亿样本怎么比才公平
排序模型最怕的不是“谁更强”，而是“到底谁更公平”。这篇 UniRank 直接把数据管道、任务定义、训练流程和效率优化一起统一，15 个模型、5 个大数据集同台比武，终于不再靠各家自说自话。
量子核效应也能去噪？UChicago新框架不用重训
量子模拟最烦的事，不是算不准，而是算得太贵。这篇工作把核量子效应拆成“经典统计 + 解析高斯去噪”两半，单个去噪器就能跨温度、同位素和边界条件复用，思路相当干净。
时间序列基础模型别急着上岗：后训练五分法来了
时间序列基础模型不是“预训练完就万事大吉”，真正决定能不能落地的，往往是后训练这一步。这篇综述把后训练拆成五个干预点，思路很清楚，适合想把模型从“会说”变成“会干活”的读者。
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。
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。
