超越基准分数：审计医学视觉语言模型的胸片结核筛查可迁移性
IIT Indore 在四个胸片队列、五个固定提示族上审计 BioMedCLIP、CheXficient、MedSigLIP 与 OpenCLIP，表明模型排名、分数可靠性和阈值约束支持不同的可迁移声明，且不能外推为临床就绪。
目标检测基准并不完整：标签错误与标注不确定性的作用
Osnabrück、Wuppertal 与 Wayve 用高召回众包流水线重标 COCO、Pascal VOC、Cityscapes 与 KITTI，用至少 11 名标注者的软标签揭示漏标主导的标签错误，并给出面向软标签的检测评测与真实漏标检测基准。
OmniVBench：面向全要素参考到视频生成的基准与大规模数据集
腾讯与港科广发布 OmniVBench 与约 34 万条 Omni-R2V 数据，按内容、运动、风格、结构、叙事及多参考把 R2V 拆成因素级评测与可训练配对。
MAGIC：用双边际最优传输做免训练的多向量视觉文档检索压缩
MAGIC 在冻结的 ColPali 风格页面补丁向量上，用检索需求源边际与均衡目标边际做双边际熵正则最优传输，免训练地压成少量 facet。
VGGT-CAD：用几何先验从单图或多视角视频还原可编辑参数化CAD
VGGT-CAD 把预训练 VGGT 几何先验与相机条件编码迁到参数化 CAD 序列预测，用可变视角聚合和非自回归解码，并发布 VideoCAD 基准。
MintAct：用一套视觉Agent统一界面定位、跨端导航和看图调工具
MintAct 在 2B/4B/8B 规模用同一套权重统一 UI grounding、手机/桌面/网页多步导航与视觉工具使用，并以多阶段监督加异步强化学习稳住跨域训练。
Edit-VAR：在预训练视觉自回归模型上做免训练、不求逆的文本引导视频编辑
Edit-VAR 把源视频直接编成多尺度离散词元，用概率引导替换与注意力调制的逐词元、分尺度保真控制，在 InfinityStar 上做免训练、不求逆的文本视频编辑。
Cube-Splat：用立方体贴图分解与伴随一致优化做高保真全景高斯SLAM
Cube-Splat 把每帧 360° 影像分解为共光心的四面虚拟针孔图，用伴随映射把多面梯度折回单一主位姿，实现全景 GS-SLAM，并发布 SynPano 评测集。