SandwichQuant：量化前后，哪些参数真正值得动？
提出两阶段归一化仿射参数校正框架 SandwichQuant，在 PTQ 前后分别利用低维归一化仿射子空间进行预条件与残差校正，在不增加推理算子的情况下提升低比特量化模型性能。
PengChao
LUCAID：把病理AI从单任务工具变成可验证的智能体系统
LUCAID是一个经前瞻性临床验证的智能体多模态AI系统，通过LLM智能体协调九个定量分析模块，覆盖肺癌病理诊断全流程，在临床可操作决策上达到93.0%的一致性，显著优于五位资深胸科病理学家（68.3–81.1%）。
TurboT2VA：把19B视频-音频模型从40步压到4步，质量与多样性如何兼得？
TurboT2VA 通过渐进式 dCM→sCM→sCM+DMD 课程蒸馏与架构感知推理栈，将 19B 参数联合视频-音频模型从 40 步蒸馏至 4 步，在 1024×1792 分辨率下实现 54.67× 生成器加速。
界面与世界的解耦：Game2World引擎如何把真实游戏视频变成世界模型训练数据
提出G2WEngine数据引擎与GameCleaner模型，将含HUD的真实游戏视频自动转换为无UI的干净数据，用于提升世界模型训练质量。
DoublesEval：用职业羽毛球双打诊断视觉语言模型的多智能体战术推理
提出 DoublesEval 诊断框架，以职业羽毛球双打为测试平台，通过关键帧分层探针定位 VLM 在多智能体战术推理中的失效点，并提出无需训练的测试时一致性检查器 TacticCheck。
Luce：把PBR材质分解直接写进高斯表示，单图生成可重光照3D资产
Luce提出一种体素化多模态PBR高斯表示，通过结构化潜在VAE与rectified-flow transformer从单张图像联合生成几何与材质，输出可重光照的PBR高斯和带切线空间法线贴图的纹理网格。
LAION-BVD：千万小时开放视频数据如何改变多模态预训练
LAION-BVD 是一个包含 10M 视频小时、55M 视频/音频片段和 300M 帧-文本对的开放多模态预训练数据集，在视频-文本、音频-文本和图像-文本任务上均展现出有竞争力的性能与扩展性。
Gen2Physics：让生成式3D网格真正落地物理世界
Gen2Physics提出一个统一框架，通过多视角材质分割、2D到3D一致性投影、VLM语义精炼与部件补全，将生成式3D网格自动分解为可直接用于刚体物理引擎的仿真就绪组件。
机器人世界模型真的遵循动作吗？诊断与对齐动作条件生成
本文提出 WorldEcho 基准诊断动作条件世界模型在 off-expert 动作下的跟随失败，并提出 WorldSync 训练方案从分布覆盖、表征接地和干预效应对齐三方面提升动作跟随能力。
世界模型中的柏拉图表示假说：预测一致性如何驱动表示收敛
本文通过DINO-WM框架验证：在相同状态转移目标下训练的世界模型，其predictor内部表示会向共享的潜在结构收敛，且该收敛受架构归纳偏置约束。