记忆构成无法告诉我们关于异常检测的什么：覆盖选择器为何偏爱污染，以及最干净的记忆为何不是最优
本文通过稀疏训练污染探针揭示全局覆盖选择器会强烈过度保留污染patch，提出CLEANCON图像级过滤方法将记忆污染降至近零并提升P-AP，但发现最干净的记忆并非性能最优。
计算机视觉
EditStream：如何让视频生成与编辑既统一多任务、又能低延迟流式输出？
EditStream 提出一个统一的 DiT 视频生成与编辑框架，通过双类型条件接口融合六类任务，并以 Velocity Moment Matching (VMM) 蒸馏将双向教师模型转换为少步自回归流式学生模型。
E2S-Pruner：用证据理论解决视觉Token剪枝中的冲突与不确定性
E2S-Pruner 将 Dempster–Shafer 证据理论引入视觉 token 剪枝，通过注意力头级可靠性建模、层级证据递归融合和空间新颖性正则，在无需训练的前提下实现视觉 token 的高效剪枝。
OVIBench：当用户打断视频问答时，模型真的听懂了吗？
提出首个面向在线视频问答中用户中断场景的基准OVIBench，定义三类中断并构建OVI-Train训练集，验证中断感知微调可显著提升模型性能。
ParallelWorld：让具身智能在行动前并行推演多条未来
ParallelWorld 提出一种多步前瞻的测试时扩展框架，通过验证器引导的树搜索在可恢复模拟器中并行模拟多条未来轨迹，从而提升具身主动推理性能。
GaussVid：用3D感知的视频扩散先验修复稀疏视图高斯泼溅
GaussVid将稀疏3DGS修复建模为帧条件重建问题，通过相机注入模块和渐进式训练策略，利用首尾帧条件的视频扩散模型恢复中间帧，消除伪影并提升多视图一致性。
视觉语言模型真的在“看”关系吗？——用掩码消融与线性探针拆解 Qwen3-VL 的混合推理策略
通过合成几何图形数据集和线性探针，分析 Qwen3-VL-4B 在不同深度上如何编码视觉信息，揭示其结合真实视觉推理与语言捷径策略的混合行为。
世界模型离真正的模拟器还有多远？
该综述以传统模拟器的八项能力为外部标尺，对2018–2026年200篇代表性世界模型论文进行逐篇编码审计，量化各技术路线在资产构建、物理引擎、交互、可控性、稳定性、状态反馈、多样性与评估指标上的覆盖与结构性缺口。
