MapRoute++：用代理引导的语义路由，把概念擦除从“删掉”变成“改道”
MapRoute++ 在冻结的 Stable Diffusion v1.4 中插入轻量残差 MLP 映射器，通过两阶段训练与语义路由将目标概念重定向到代理概念，在 Genµ 2.0 挑战基准上以 0.721 的平均 ERR 分数超越现有基线。
深度学习
网格保持的知识蒸馏：在数据稀缺下向视觉Transformer迁移卷积归纳偏置
提出 iBKD 框架，通过保持空间网格完整性的可学习跨架构对齐、可变形增强与卷积交叉注意力融合，将 CNN 的归纳偏置迁移到 ViT，在数据稀缺场景下显著提升性能且无推理开销。
结构化局部差分建模：让AI生成图像检测不再被语义主导
RippleNet通过选择纹理复杂与简单区域、构建多方向多尺度邻域差分表示，并在差分token空间中进行注意力建模，以抑制语义主导、增强低SNR伪造痕迹的跨生成器泛化检测。
BrainWAM：为什么自动驾驶的语义与预测不该在原始 token 里硬融合
BrainWAM 提出一种受脑功能特化启发的动作空间协调框架，将 VLA 语义推理与 WAM 预测世界建模转化为两条独立动作通路，通过 CAB 和 CIF 在紧凑动作表示层面协调，避免原始 token 融合中的注意力分配失衡。
PixSDS：潜在 SDS 为何产生噪声像素，以及如何用 VAE 一致性修复它
PixSDS 诊断了潜在 SDS 中由 VAE 引起的像素漂移这一失效模式，并提出一种轻量的 VAE 一致性梯度修复方法，在保持语义内容的同时显著减少结构化伪影。
TRAPSBench：视觉语言模型内部编码但无法表达认知克制
TRAPSBench 通过 1,404 对匹配的 MuJoCo 物理视频对证明：VLM 内部能编码可回答性信号（跨域 AUROC 最高 0.91），但自发弃答率极低（最佳 PECS 仅 0.292），瓶颈在表达而非感知。