人工智能
GTR:面向高效密集预测的门控 Token 递推
GTR 用无 softmax 的门控线性递推、四方向扫描和 Spatial SwiGLU 做单尺度骨干,只蒸馏教师最后一层 patch 特征,再换任务头覆盖六种密集预测。
SAM-V:把多视图几何注进 SAM,跨视角分出同一个物体
SAM-V 在掩码解码前融合冻结的 SAM 与 VGGT,并用相机 token 和提示位置的局部特征锚定稀疏点,从而一次前向预测跨视图的同一实例。
QuantWM:保住时间一致性的两比特键值缓存量化
哈尔滨工业大学(深圳)与新加坡国立大学的 QuantWM 在不训练的前提下,用敏感聚类和主子空间补偿减轻 2-bit Key 量化造成的注意力错位,从而在压低键值缓存的同时改善帧级画面。
GameDirector:把玩法规则从画面渲染里拆出来
腾讯、南洋理工、新加坡国立与 A*STAR 的 GameDirector 用外置控制层维护血量、技能和胜负,再把合法动作写成提示交给 Wan2.2 世界模型去画,从而让玩家改配置时仍守住战斗规则。
FleXray:用 CT 投影学习的全身临床X光解剖分割
FleXray 用已标注 CT 的在线投影、生成式外观编辑和 60 类标签协调,训练可重叠的全身X光分割模型;它是研究模型,不是临床诊断产品。
换一句提示,就换一套三维部件切法
太原理工、腾讯 Visvise 等机构把点选、文本和整件分解收成同一个自回归部件假设模型,并在列出的对照表里取得更高的掩码交并比;这篇已被 SIGGRAPH Asia 2026 / ACM TOG 接收。