现有扩散模型微调方法多采用静态策略，导致在处理复杂结构和精细纹理时效果不佳。针对此问题，新加坡国立大学 LV Lab 团队提出了 FeRA (Frequency-Energy Constrained Routing) 框架。该框架基于扩散去噪过程“低频到高频”演变规律这一核心发现（第一性原理），设计了动态路由机制。FeRA 通过频域能量指示器(FEI)实时感知潜空间特征的频域能量分布，软频域路由器动态调度不同的 LoRA 专家模块，并引入频域能量一致性正则化(FECL)确保训练稳定性。实验证明，FeRA 在 SD 1.5、SDXL、Flux.1 等模型上，于风格迁移和主体定制任务中均取得了优异的生成质量和文本可控性。这项工作为未来扩散模型在视频生成、3D 生成等复杂任务中的微调提供了新思路。
文章介绍了一项由空军军医大学唐都医院李妍教授团队和深圳清华大学研究院朱锐团队联合完成的 COMPARE 研究，该研究提出了一款基于 OCT 影像的 CA-GPT 垂直领域 AI 系统。在经皮冠状动脉介入治疗（PCI）的决策制定中，CA-GPT 系统在关键决策指标上显著优于 OpenAI 的通用大模型 ChatGPT-5 和初级介入医师。该系统采用了“小模型 + 大数据 + 大模型”的 RAG 复合智能体架构，有效地结合了深度学习的精准分析能力和大模型的逻辑推理能力，能快速准确地提供医疗决策支持，有助于弥补资深专家资源的不足，提升县域医院的医疗水平。
本文介绍了 Adobe Research、澳大利亚国立大学和纽约大学联合团队的一项最新研究，颠覆了此前“ImageNet 准确率越高表征越好”的普遍认知。研究发现，在指导生成式训练时，视觉编码器表征的空间结构（如图像块间的相似度）对生成性能的影响远大于其全局语义信息。基于此发现，团队提出了一种简单而高效的 iREPA 方法，通过替换 MLP 投影层为卷积层和引入空间归一化层，仅用极少代码改动就显著提升了 REPA（表征对齐）的收敛速度和图像生成质量，且具有广泛的通用性和可扩展性。
文章详细介绍了 ByteDance Seed 团队针对通用机器人灵巧操作中高质量操作数据获取难的问题，提出的“臂-手共享自主框架”（DexGrasp-VLA）。该框架巧妙地将人类操作员负责机械臂高层定位和避障，而自主 AI 系统（DexGrasp-VLA）则负责灵巧手的精细抓握，显著降低了操作员的认知负荷，使得数据采集效率提升 25%。研究核心在于构建了包含 DexGrasp-VLA 策略、人机臂手协同框架、臂手特征增强模块和纠正性人机闭环的完整技术体系。特别强调了星动 XHAND1 灵巧手的高精度触觉反馈对鲁棒抓取的重要性，并展示了在多种物体抓取任务中接近 90%的成功率。这项技术为灵巧操作从实验室走向工业应用奠定了基础。
本文介绍了一种名为 4DSloMo 的创新性 4D 重建解决方案，旨在解决传统高帧率 4D 采集成本高昂及复杂高速运动难以准确捕捉和重建的问题。该方案结合了“异步采集”硬件优化和“视频扩散模型修复”软件算法。异步采集通过让多个低帧率相机错峰拍摄，无需额外硬件即可有效提高时间分辨率至高达 200FPS，从而在高时间维度上获取丰富信息。视频扩散模型则专门用于修复异步采集导致的“稀疏视角”问题所产生的伪影，并通过构建针对性训练数据集和微调大规模预训练视频模型，确保修复后的视频在时间维度上连贯平滑，实现了高质量的细节补全。整体方案形成了一个迭代优化框架，该方法在 DNA-Rendering 和 Neural3DV 等公开数据集上的性能超越了多种当前顶尖方法，并在真实多视角捕捉系统中得到了有效验证。
文章介绍了约翰斯·霍普金斯大学一项关于神经网络训练的重大发现：1100 多个不同架构的神经网络，即使在不同数据集、初始化和超参数下训练，最终习得的权重也会收敛到一个共享的低维子空间。这一发现暗示存在一个“先验的”数学结构，神经网络在训练过程中是在“发现”而非“创造”它，突出了模型架构对学习结果的关键作用。该研究有助于解释过参数化模型的泛化能力、相似表示学习以及 LoRA 等技术的有效性，并为模型压缩、快速适应新任务和理论洞察等应用开辟了新途径。文章还探讨了“通用子空间”涌现的潜在原因，如神经网络的谱偏好、架构的归纳偏置和梯度优化方法的特性。同时，文章也提出了对这一假说的审慎观点，包括任务多样性验证、跨架构比较的局限性，以及如果所有模型都收敛于同一子空间可能带来的内在天花板和偏见问题。
文章详细报道了 OpenAI 发布的最新顶级模型 GPT-5.2 在上线 24 小时后遭遇的普遍负面评价。尽管官方宣称其在专业知识工作和基准测试中刷新 SOTA 水平，但用户反馈却集中于其常识推理能力（SimpleBench 测试）、编程代码生成质量、情感智能表现（情商堪忧、不通人性）以及过度的安全审查与拒绝机制。文章通过具体案例对比了 GPT-5.2 与 GPT-4o、Gemini 3.0、Claude Opus 4.5 等模型的表现，尤其是在对“garlic 有多少个 r”的回答、编程可视化效果、以及处理情感对话和伦理困境时的差异，凸显了 GPT-5.2 在实际交互中的不足。评论认为，这种“智能”的倒退可能源于 OpenAI 致力于企业市场而忽视了更广泛用户群体对模型“人性化”的期待，并质疑现有基准测试的有效性，强调模型在真实世界应用的理解力、情感智能和用户体验远比单一分数更重要。
文章介绍了新加坡科技研究局与新加坡科技设计大学团队提出的 AdaMCoT（Adaptive Multilingual Chain-of-Thought）框架。该框架旨在解决多语言大模型在跨语言任务中选择“思考语言”的难题。AdaMCoT 通过引入自适应路由机制和基于奖励的微调，让模型能够根据问题特性，动态选择最佳语言进行链式思考，并结合双路径推理（跨语言思维链和直接生成）。实验结果表明，AdaMCoT 在多个多语言基准测试中全面超越传统方法，显著提升了事实推理准确率和跨语言一致性，特别是对低资源语言的性能提升巨大。通过 Logit Lens 和 UMAP 分析，研究揭示了其通过语义空间对齐和早期事实路径锁定来提高效率的机制。
该文章详细介绍西安交通大学团队提出的 EfficientFlow 方法，旨在解决生成式策略在机器人具身智能领域面临的数据依赖性高和推理速度慢两大痛点。EfficientFlow 通过引入加速度正则化，优化流匹配学习到的流场，使其曲率更小，从而减少推理所需迭代步数，提高了动作生成效率，使生成轨迹更平滑、更快速。同时，利用等变网络实现模型“举一反三”，将局部对称性泛化到全局，大幅提升数据效率和模型鲁棒性。此外，文章还介绍了时间一致性策略，通过重叠预测和周期性重置，确保长期执行的连贯性与多模态探索，平衡稳定性和灵活性。实验结果表明，EfficientFlow 在多个机器人操作基准上达到了 SOTA 性能，并在单步推理上实现了 56 倍加速，极大地推动了高效具身智能的发展。
文章介绍了 Google DeepMind Gemini Robotics 团队提出的一种创新性机器人策略评估系统，该系统基于视频生成模型 Veo。针对传统机器人评估中真实世界实验的高成本、高风险，以及传统物理仿真器真实感不足等挑战，该系统通过生成带动作约束的多视角一致性视频仿真，实现了高度真实的视觉效果和对机器人细粒度控制的合理响应。结合生成式编辑技术，系统能无需物理搭建生成多样化场景变体。文章通过 1600 余次真实世界实验，验证了该系统在分布内评估、分布外泛化评估和红队测试方面的有效性。尽管视频建模在机器人领域仍处于早期阶段，该研究清晰展示了利用视频仿真世界实现机器人策略可扩展评估的潜力。
