学术研究

VANE 用下一帧预测做视觉预训练，EPIC-KITCHENS-100 超 V-JEPA 2.1 7.1 点

提供统一图像/视频的自监督表示学习路径，证明嵌入空间下一帧预测随模型与数据扩展有效，可作为视觉骨干预训练参考。

首次给出认证规则统一ICL与微调，GPT-2判定正确61,948/64,000流

以信息价值认证数据应存上下文还是权重，可指导数据选择与上下文/微调策略，对优化训练推理有参考价值。

AWS 提出 Priming：不到 1% 成本改造 Transformer 架构

可低成本获得最高 2 倍吞吐，并让混合架构对比不再依赖从零训练，影响推理优化

R${}^2$D 提升 MDM 推理，Sudoku 97%、3-SAT 99%

提供免微调、免奖励的测试时纠错与训练方法，对掩码扩散模型推理优化有直接参考。

OpenAI 与合作方用 数千个 AI agents 在 数百万脑细胞 数据中发掘研究线索

分布式 AI agents 应用于大规模生物数据挖掘，展示了智能体在科研发现中的工程潜力，值得关注。

Meta GenRecs Tokenization 用稳定语义词汇表示广告，带来 +0.35% 转化提升

将 LLM 世界知识与语义理解引入广告匹配，替代逐条评分，为大规模广告推荐提供新的 token 化数据表示参考。

ResGVC 视频压缩框架将 BD-rate 降低 63.7%（LPIPS）和 83.8%（PSNR）

通过显式残差源约束和扩散熵模型大幅降低视频码率，对高保真视频传输和存储具有明确工程价值。

ULME 统一嵌入与生成，MTEB 提升 3.3-4.1 分并跨 Qwen2.5/Qwen3

统一 embedder 和 generator 减少 RAG/agent 系统双模型部署，提升检索与生成一致性。

提出LAW纯自条件语言建模，GSM8K解决率**42.2%**超扩散基线

证明连续生成模型可完全基于自条件，为扩散语言模型提供新训练与采样范式，部分场景接近自回归模型，值得关注。

BIRD-RL 四阶段 agentic RL 将空间效率提升 12.8x，7B/14B 成功率 44.40%/48.00%

为 SQL 等有状态数据任务提供可复用的轨迹隔离训练基础设施，缓解轨迹污染并降低容器开销，对数据闭环中的小模型 RL 有直接参考价值。

提出边感知注意力层，图生成峰值 GPU 内存降 65%，吞吐大幅提升

用 PyTorch FlexAttention 实现图生成注意力，在保持生成质量的同时降低 65% 峰值 GPU 内存，对扩展图基础模型训练有直接工程价值。

EgoX 自我中心重建相机误差降 68.9%

提供自动标注、大规模数据与基准，对具身感知、手物交互和场景重建工程有参考价值。