ICLR 2026新作：自动驾驶微调为何越训越忘？
自动驾驶里最容易被忽略的坑，不是模型不会开车，而是学会开车后把老本行忘了。这篇论文第一次把“灾难性遗忘”做成可量化基准，还给出了一种不乱改权重的解法，挺适合认真看一遍。😊
标签：数据集
共 128 篇
14个视频搞定AI尿检？这篇方法先把图拍清楚了
尿检这件事，卡住的往往不是模型，而是显微镜前那一步“得先拍出一张够清楚的图”。这篇工作很朴素：不用昂贵自动对焦，改成手动调焦录视频，再把最清楚的片段拼成全聚焦图，适合基层实验室看门道。
Roblox联合伯克利新作：3D评测管线比模型更关键？
这篇论文最有意思的地方，不是又测出一个“更强的评审模型”，而是直接把评审这件事拆成了管线问题。模型、视角、输入、提示词，谁都别想装作无关；结果也很实在：六视图RGB加规则提示，成了最稳的低成本默认方案。
Apple最新论文：音乐搜索长尾召回涨7.93%
Apple Music 的搜索问题很典型：热门词好搜，长尾、拼写错误、跨语言查询最难办。ELISE 的厉害之处不在“模型更大”，而在于把语义召回、旧词项检索和分布校准接到一起，最后还真在全球线上实验里把转化率和无结果率一起打下来了。
UNC+CMU新作DenseReward：逐帧奖励学会看翻车
机器人强化学习最怕的不是“学不会”，而是“根本不知道哪里错了”。DenseReward偏偏把失败这件事做成了数据，顺手把奖励从“看终局”升级成“看过程”，这就很对路。 项目视频：https://dense-reward.github.io/assets/videos/DenseReward.mp4
北京理工大学新方法：让模型“说实话”再追求精准
这篇论文把一个很现实的问题挑明了：多模态大模型不是不会说细节，而是细节一多就更容易“翻车”。GRANFACT、层级评测和RP-DPO三件套，正好把“说得更细”和“说得更准”这对老冤家拎到台面上狠狠干一架。
音乐大模型别只看准确率：这套体检把“真懂”测出来了
这篇论文最狠的地方，不是分数有多高，而是它把“高分幻觉”拆得很难看：二元问答能蒙混过关，真到区分相近乐器、长上下文和时间定位时，很多模型立刻露馅。对做音频大模型评测的人来说，这篇更像一份体检单。
SENSE-VAD来了：自动驾驶异常检测，终于开始看“关系”了
自动驾驶异常检测最怕的，不是“看不见”，而是“看见了也不知道危险在哪”。这篇论文把问题从运动统计拉回到社会关系，直接把现有方法的盲区掀开了。
ICLR 2025后续新作：BRACE让屏幕拍照条纹退场
屏幕拍照最烦的不是糊，而是那种彩条、锯齿、色偏混在一起，像手机在认真拆台。BRACE干脆换了思路：不再死磕单帧，直接上多帧包围曝光RAW，把“看不清的条纹”变成“能对照的证据”。
CVPR 2026思路：Bricker+BRACE让屏幕条纹去除更稳了
屏幕拍照最烦的不是糊，而是那层像“屏幕自带纹身”的闪烁条带。本文直接把问题拆成数据集和模型两块，Bricker 负责把复杂退化喂给模型，BRACE 负责把条纹按住。
Citi Bike老年轨迹被学歪了？Qwen3-4B也没救
老年人出行不是“年轻人缩小版”，这篇论文把这个常识用数据钉死了。更关键的是，它还顺手证明：训练集一旦被多数群体主导，连大模型也会把少数群体的轨迹学歪。
SA-Homo新方法：8倍尺度差异也能稳住
单应性估计看着像“老题”，但一碰到尺度差异就容易翻车。SA-Homo的思路很直接：先用重模块把大尺度错位拉回来，再用轻模块做精修，工程味很足，HMSA数据集也补上了真实痛点。
