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。
SigLIP
噪声下VLM视觉token剪枝为何失效：聚类选择与残差收缩的免训练解法
提出ClustRS，一种免训练的两阶段视觉token剪枝方法，通过注意力加权Huber k-means聚类选择代表性token，并用鲁棒残差收缩去噪，在极端压缩和噪声条件下显著提升VLM鲁棒性。
EOVSAM：让SAM 3一次看懂所有物体
提出EOVSAM，将SAM 3改造为无需提示的掩码生成器，并通过Attentional Aggregation实现端到端的单次前向开放词汇分割，在精度和速度上均显著优于原始SAM 3。