• 错误驱动的思维链合成，填补工业代码推理数据空白——InCoder用模型与环境错误反馈的多轮交互生成推理轨迹，这套数据合成策略可迁移到任何缺乏公开专家数据的垂直领域。

• CLIP单编码器用了三年，可能只是路径依赖。CoME-VL融合对比与自监督编码器，定位任务提升5.4%，消融实验揭示了融合的scaling边界。

• "调用了工具"不等于"工具帮上忙"：Agentic-MME把工具使用拆成三层审计，最强模型在最难任务上准确率仅23%，大量调用属于无效动作。

• RAG企业落地的瓶颈远不止检索准确率，文档结构、推理链路、可解释性各自是独立失败维度，四轴诊断框架比排行榜分数更能指导优化方向。

也值得关注

• Computer-use agent安全评测聚焦持续操作环境 — 不是聊天场景的越狱，而是跨交互有害行为链的检测。原文
• NVIDIA把GNN洪水预报推向运行级部署 — 多分辨率网格设计是从学术demo到实际预报的关键。原文
• 开放词汇检测推理时去掉文本编码器 — DeCo-DETR将文本知识蒸馏到视觉分支，大幅降低部署开销。原文
• 成员推理攻击在对抗性输入面前不堪一击 — 现有隐私审计工具可能系统性高估了泄露风险。原文
• 首个火星遥感基础模型MOMO — 用model merge整合HiRISE、CTX等三个传感器的独立表征。原文
• 工业质检走向开放集缺陷识别 — 光谱-对比学习让模型检测训练时未见过的缺陷类型。原文
• 轻量即插即用模块抑制多帧跟踪漂移 — 针对历史帧噪声导致的模型漂移问题。原文
• 从稀疏海面卫星数据重建三维海洋状态 — Google用深度感知生成框架填补海洋内部观测空白。原文
• 文本生成手-物体交互网格 — 物理可信度（不穿模、不悬空）是核心挑战。原文

阅读完整版 →