• 离散扩散VLM首次被验证可用于GUI定位，双向注意力在空间任务上展现结构性优势，数据多样性带来20点平均提升，CVPR录用

• LoRA的零空间压缩程度与任务性能正相关，可直接用作合并权重信号。不依赖标签和任务类型，在异构视觉任务上达到SOTA

• 视觉骨干的效率研究几乎默认高并行硬件：CPUBone针对无AI加速器的边缘设备做了系统设计，在CPU上减少计算量不等于减少延迟

• AI水印从阈值检测升级为精确信息恢复——在扩散模型初始噪声中嵌入结构化信息，能无损还原完整生成元数据，对生成质量零影响

也值得关注

• 概念擦除会误伤语义相邻概念 — 邻居感知的局部编辑方法减轻这个副作用。
• 参数高效微调同时修正VLM的公平性偏差 — 面向临床部署场景，缩小不同人群间的性能差距。
• 全局特征融合会被精细局部篡改稀释 — mask级语义融合更能捕捉多模态虚假信息。
• 多主体个性化的现有评测过于宽松 — 压力测试benchmark专门测身份混淆问题。
• 恶劣天气下的测试时域适应 — 互补双缓冲区同时做特征增强和噪声通道抑制。
• 开放词汇3D分割不能只蒸馏2D特征 — 层次化几何引导恢复被压制的3D空间信息。
• 第三方平台可能声称用官方T2I模型但实际替换 — 边界prompt优化实现模型身份验证。
• 模型封闭程度如何威胁科学研究可靠性 — MIT论证信息限制系统性地影响基于该模型的推论。
• 微动作理解的首个专用benchmark — 测试MLLM对细粒度人类情绪动作的感知能力。

阅读完整版 →