研究前沿
共 46 篇 · 第 2/2 頁
-
FIFA × Adidas × Lenovo 在 2026 世界盃上線多套即時 AI 推論：10 cm 越位警示直推裁判耳機、感應球每秒 500 次回報
2026 年世界盃於 6 月 11 日在墨西哥城開幕，FIFA 同步部署多套即時 AI 推論系統，貫穿裁判判決、轉播製作與戰術分析三個層面，且均為生產環境上線，不是賽前 demo。
-
避開硬體綁定運算元：SwiftVR 的部署路線選擇
生成式影片修復要做到即時，模型品質往往不是最難的關卡。難的是把模型搬上消費級 GPU 時遇到的兩道牆：高解析度下注意力計算量隨空間大小平方成長，以及大型影片自動編碼器的記憶體峰值。現有 one-step diffusion（單步擴散）修復方案在這兩點上都卡得很痛。
-
清華、中山、NUS 把壓縮重做一遍：生成式先驗模型，地球觀測資料最高縮 10,000 倍不失科學價值
清華大學、中山大學與新加坡國立大學（NUS）研究人員提出一套生成式壓縮框架，以地球長期重複觀測歷史作為先驗，按需達成 100 至 10,000 倍資料縮減，同時保留科學分析所需的資訊量。核心轉變是：壓縮從儲存後處理，成為基礎模型的主動能力層。
-
JHU、MIT、Google 揭 ThoughtTrace：前沿 LLM 猜不透使用者意圖，個性化助理缺的是「內心獨白資料」
Johns Hopkins、MIT 與 Google Research 研究團隊推出 ThoughtTrace，首個將真實人機對話配對使用者自述想法的大規模資料集，同步記錄使用者「為何發出這個 prompt」以及「看到回覆後有何反應」。
-
繞開整合地獄：Apple 用 vision LLM 重押 Siri AI 的技術路線
WWDC 2026 的 Siri AI 公告，最值得細看的不是功能清單，而是 Apple 選擇了哪條技術路，以及為什麼偏偏是現在。
-
RoPE 的位置增量不必固定為 +1，而這件事讓模型開口說話了
3/ 可解釋性的角度：這可以當作 attention map 之外的第二個探針。attention 告訴你模型「在看哪個 token」，位置增量告訴你模型「認為這些 token 有多遠」。兩者量的是不同維度，理論上能互補而非替代。
-
港中大聯手華為重構語音輸入表徵，TextPro-SLM 在 3B/7B 兩尺度達目前最低 modality gap
香港中文大學與華為研究人員提出 TextPro-SLM，把縮小語音-文字模態差距的主戰場從輸出端移到輸入端。他們設計統一語音編碼器，同步抽取文字 tokens 與韻律嵌入（prosody embeddings），讓語音輸入在進語言模型之前就更接近文字表徵。
-
教原理還是示範行為？Anthropic SDF 的對齊實驗與自駕車驗證方法的交集
Anthropic 近期公開了一項訓練實驗的細節，結論有些反直覺：要讓大型語言模型在對齊上表現更好，示範「正確行為」的效果，遠不如教它「為什麼這樣做是對的」。這套做法被稱為 SDF，具體操作是把憲法檔案與虛構故事混入預訓練的 next-token 預測任務，不靠強化學習（RL）塑形行為。
-
三星 MeKi：用「查詢記憶庫」取代「擴大參數」的 LLM 擴展新路線
三星研究提出 MeKi（Memory-based Expert Knowledge Injection），核心思路是給模型掛載一個可動態查詢的專家知識記憶庫，而非透過增加參數來內化更多知識。論文摘要聲稱在效率與準確度上優於標準 scaling 方法，尤其在推理與事實回憶等知識密集型任務上表現突出。
-
理論說「吸引力驅動聚類」，真實模型說：不對
3/ 第一條崩：理論要求互動能量單調遞增，但在每個模型、每個 prompt、每種溫度下都出現下降。聚類是真實的，但背後不是理論描述的純吸引梯度流。這是普遍性的反例，不是邊緣案例。
-
幾何重建連霸、資料牆被捅破、遊戲成基座：讀懂 CVPR 2026 三條主線
CVPR 2026 在丹佛落幕，74 篇入圍、5 篇獲獎。略過花名冊，三條主線值得做研究和建產品的人記好。
-
Raschka 2026 上半年 LLM 精選論文清單出爐，重心悄悄位移
ML 研究者 Sebastian Raschka 釋出個人策展的 2026 年 1–5 月 LLM 論文清單，涵蓋架構設計、推理效率、KV cache、RL/RLVR 等十大類別。作者明確自承這是偏向個人工作需求的精選清單，非全年完整盤點。
-
CBS 把擴散時間軸切成難度等價的段
均勻一網跑整條時間線是浪費。CBS 以 de Boor 原理將時間軸切成難度等價段，用 Dirichlet 能量與幾何度量估計複雜度，複雜處分更多容量。模型容量可沿時間軸排程，做擴散模型的研究者值得記下這個正規化。
-
LoomVideo 5B 對決 13B+ 主流框架，零開銷條件注入打破影片編輯序列翻倍死結
統一影片生成與編輯框架長期被一個計算瓶頸卡住：把來源影片 token 直接拼接進序列後，序列長度翻倍，self-attention 複雜度四倍暴增，讓實際部署成本高到難以接受。
-
小鵬 CVPR 拒答路線之爭：VLA 與世界模型雙軌協同，Tesla、Waymo、英偉達同台聆聽
CVPR 2026 首屆具身智慧基座模型部署研討會上，特斯拉、Waymo、英偉達等物理 AI 第一梯隊悉數到場。受邀登台的唯一中國企業是小鵬。小鵬通用智慧中心負責人劉先明被問及「走 VLA 路線還是世界模型路線」，給出第三個答案：小鵬物理世界基座模型既是第二代 VLA、也是世界模型，二者用不同訓練訊號協同進化。
-
智在無界 Being-H-Flash 月費 150 元落地端側，隱式路線把世界模型成本打到英偉達 Cosmos 的 2%
智在無界發布隱式世界模型產品 Being-H-Flash，在單台機器人每日掃碼千件的流水線場景中，月算力成本僅需 150 元，相當於一張 GPT Plus 訂閱費，是英偉達 Cosmos 方案的 2%、比 VLA 架構的 Pi0.5 便宜 70%。
-
材科源圖將 AI agent 推進光刻膠研發，下一站指向 EUV
蘇州材科源圖（MatSource）發布有機高分子應用 agent，首選技術壁壘最高的 ArF 光刻膠作為驗證場景，據稱已完成從樹脂設計、配方篩選到效能預測的全流程實測。核心架構整合了材料知識圖譜、多模態資料與領域機理模型，目標是將難以傳承的專家經驗轉為可複用的數位能力。
-
跨維智慧奪下 WorldArena Track 2 全球第一，世界模型的勝負標準從畫面真實轉向資料可執行性
WorldArena 5 月 25 日截止的最新榜單顯示，跨維智慧的世界模型 DSCFuncWorld 拿下 Track 2（Data Engine）全球第一，比分顯著領先第二名，並超越 WoW、BLM 等國際旗艦模型。
-
NUS 余浩泳 ICRA 2026 直指：外骨骼遲遲沒普及，問題出在研究者自己手上
新加坡國立大學教授余浩泳在 ICRA 2026 醫療機器人 keynote 拋出反直覺命題：外骨骼需求明確（老齡勞動力、工傷防護、建築與物流的肌骨損傷全是剛需）但普及率低迷的根源不是市場沒準備好，而是研究者把裝置做得太重、穿戴太麻煩、控制太複雜、成本太高。
-
上海交大王賀升 ICRA 2026：從畫地圖到預測未來，動態 Gaussian SLAM 正打破靜態世界假設
2026 年 6 月 2 日，上海交通大學教授王賀升在奧地利維也納 ICRA 2026 上，系統性指出傳統 SLAM 的結構性侷限：整套架構建立在「環境靜止、結構穩定」的假設之上，面對自動駕駛場景的車流行人、或手術機器人面前持續形變的人體組織，已逼近天花板。
-
LongLive-RAG 把 AR 長影片生成轉型成 RAG 問題，以非區域性記憶對決滑動視窗漂移
自回歸（AR）影片擴散模型雖能生成任意長度的影片，卻有一個結構性死穴：滑動視窗注意力一旦累積外觀錯誤，後續幀只能在已劣化的軌跡上繼續生成，誤差與身分漂移會越滾越大，且無法回頭修正。LongLive-RAG 提出的解法是把問題定性重寫，長影片生成本質是個 RAG 問題，而非單純的上下文延伸。
-
xAI Ethan He：影片模型的智慧源自 LLM，下一個 Sora 是影片 Agent
前 NVIDIA Cosmos 世界模型主導工程師 Ethan He 加入 xAI 後，率小型團隊在三個月內從零建出 Grok Imagine，並在 Latent Space podcast 拋出反直覺核心論點：影片模型的「智慧」主要來自 LLM，不是來自看更多影片訓練資料。這個判斷直接改寫了影片生成的下一步路線圖。