Video2World：评测编码Agent能否从具身视频搭建交互世界模型
Video2World把视频到仿真写成编码Agent任务，发现多数系统能交出可执行世界，但任务成功率仍低，而且更好的几何不等于更高的功能正确。
计算机视觉
WASP：用弱对齐时空对做胎儿脑磁共振到超声的跨模态学习
WASP用孕周和标准切面做熵正则最优传输，在没有同受试者配对时把冻结骨干上的胎儿磁共振特征对齐到超声空间；这是研究原型，不是临床产品，不得外推为临床可用。
LoCoSplat：用最少三维推理做实时前馈三维高斯溅射
LoCoSplat 用细粗网格上的固定局部平均代替沉重三维网络，在 RealEstate10K 的 6/12/24 视角上领先，并在单卡上以 33 毫秒重建六视角场景。
