多语言文生图被曝"语言不平等"！LingT2I基准：10种语言33K提示词，通义千问也翻车
这几年文生图模型卷得飞起，从扩散模型到自回归模型，画质越来越惊艳，英语提示词玩得风生水起。无论是谷歌的Nano Banana，还是阿里的Qwen-Image，你用英语输入"一只在沙滩上戴墨镜的柯基"，出图效果基本都能当壁。
标签：AI应用
共 437 篇
遥感分割的黑盒难题，被熵中心XAI破解了？
深度模型在遥感分割里跑得欢，可它凭什么这么分？黑盒不拆，谁敢拿去搞灾情评估和土地利用监测？本文提出熵中心XAI方法，用熵不确定性给分割模型的决策画热力图，还顺手设计了一个H-SIT评估框架揪出“假重要区域”，在WHU数据集上把Grad-CAM、Score-CAM和Seg-Sobol都甩在身后，值得一读。
AI教育故事翻车现场？德国高校实测：叙事清晰4.11分，连贯性仅2.92分
这篇论文没急着吹AI能写多好的教育故事，反而请了22位高校STEM被试真的玩当AI写故事：教育场景生成的质量瓶颈在哪里？ “这故事写得挺顺，但怎么一到测验题就变得这么尴尬？” 这句话可以说是本论文读者最真实的反应。想象一下：一个AI自动生成的互动小说，故事讲得流畅透顶，玩家一路做选择、推进情节，到了关键时刻，突然跳出一个NPC，脸上的表情仿佛在说“来吧，先答
首发！乌特勒支大学×伦敦大学学院：1127条氧K边XAS谱库，给NMC811正极材料做“指纹”建档
电池材料研究里，氧K边X射线吸收谱是窥探局域电子结构的利器，但一直缺少针对高镍NMC811真实多组分无序体系的公开计算数据库。这篇论文不仅补上了这个空白，还送上了开源的自动化工作流，值得材料计算与AI交叉领域的研究者一读。
告别高精地图？循环注意力让视觉定位精度跃升32个百分点
自动驾驶定位一定要靠高精地图和昂贵传感器吗？长安大学这篇工作直接用普通摄像头+卫星图，把时序信息做成“记忆库”，平均误差从3.8米砍到1.57米，真实车辆零样本跑出96.86%的5米内召回。低成本方案又要卷出新高度了。
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。
ACM MM 2026：让AI"听声作画"不再是玄学！中科大联合电信AI构建32.3万高质量数据集
音频生成图像终于有了像样的"教材"！中科大联合电信AI研究院打造的A2I-Set数据集，32.3万组高质量三元组，配合FAT-Fusion的AudioCanvas模型，让"听声作画"不再是鸡同鸭讲。数据开源的诚意之作，值得细品。
ACM MM 2026中科院新作：矿区端到端驾驶，碰撞率直降75%！
城市道路的自动驾驶已经卷成红海，矿区这种“路不成路、灰比雾厚”的硬骨头却少有人啃。中科院团队让规划器学会区分“看得见的安全”与“看不见的风险”，碰撞率直降七成多，这波操作值得研究！
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。
意大利都灵大学最新研究：一个基因位点，提前预测炎症性肠病生物制剂疗效？
同样的生物制剂，有人药到病除，有人却毫无反应。这项来自意大利都灵大学的研究发现，只需检测一个IL-10基因位点，就能提前预测炎症性肠病患者12个月后的生化缓解概率，为精准用药提供了全新思路。
MIRA让SQL纠错记忆精准复用：修复261条错查询仅误伤18条
Text-to-SQL最磨人的不是不跑，而是“跑得动、结果是错的”。MIRA把历史修正记忆拆成乐高式独立修复项，再用数据库证据精准激活——261次成功修复、仅18次误伤，SQL纠错玩出了手术级精度。
机器人｜光纤定位器越做越小，电机先撑不住了？混合R-θ方案给出新答案
天文仪器不只是反射镜和CCD，光纤定位同样硬核。这篇论文将DESI久经考验的旋转机构与压电弯曲驱动结合，以极简结构实现140V下6mm偏转、闭环2μm精度，为下一代高密度光谱巡天提供了一个相当务实的新选项。
