今日减论热点Global Trending Research
PaddleOCR-VL-1.6: Expanding the Frontier of Document Parsing with Under-Optimized Region Refinement and Progressive Post-Training
Zelun Zhang,Hongen Liu,Suyin Liang,Yubo Zhang,Yiqing Xiang,Jiaxuan Liu,Ting Sun,Manhui Lin,Yue Zhang,Changda Zhou,Tingquan Gao,Cheng Cui,Yi Liu,Dianhai Yu,Yanjun Ma(Baidu Inc.)
百度公司推出了 PaddleOCR-VL-1.6，一种基于区域感知数据优化框架和渐进式后训练策略，针对模型弱区进行定向增强以提升文档解析性能的紧凑型升级模型。
PP-OCRv6: From 1.5M to 34.5M Parameters, Surpassing Billion-Scale VLMs on OCR Tasks
Yubo Zhang,Xueqing Wang,Manhui Lin,Yue Zhang,Penglongyi Deng,Ting Sun,Tingquan Gao,Zelun Zhang,Jiaxuan Liu,Changda Zhou,Hongen Liu,Suyin Liang,Cheng Cui,Yi Liu,Dianhai Yu,Yanjun Ma(Baidu Inc., PaddlePaddle Team)
百度公司推出了PP-OCRv6，一种基于统一MetaFormer结构块并结合结构重参数化的轻量级OCR系统，通过任务特定步幅配置实现空间token混合与通道混合解耦，涵盖多种部署场景，在保持显著提升识别与检测性能的同时大幅减少参数量和计算成本。
Cosmos 3: Omnimodal World Models for Physical AI
Aditi,Niket Agarwal,Arslan Ali,Jon Allen,Martin Antolini,Adeline Aubame,Alisson Azzolini,Junjie Bai,Maciej Bala,Yogesh Balaji,Josh Bapst,Aarti Basant,Mukesh Beladiya,Mohammad Qazim Bhat,Zaid Pervaiz Bhat,Dan Blick,Vanni Brighella,Han Cai,Tiffany Cai,Eric Cameracci(NVIDIA)
英伟达推出了Cosmos 3，一种基于混合transformers架构的全模态世界模型，能够统一处理和生成语言、图像、视频、音频及动作序列，支持灵活的输入输出配置，涵盖物理人工智能中的多种关键模态，并在多项理解与生成任务中实现了最新的性能水平。
ELF: Embedded Language Flows
Keya Hu,Linlu Qiu,Yiyang Lu,Hanhong Zhao,Tianhong Li,Yoon Kim,Jacob Andreas,Kaiming He(Massachusetts Institute of Technology)
麻省理工学院提出了Embedded Language Flows（ELF），一种基于连续时间Flow Matching的扩散模型，主要在连续嵌入空间中运行并通过共享权重网络映射至离散token，从而实现了较少采样步骤下优于现有离散和连续扩散语言模型的生成效果。
Kwai Keye-VL-2.0 Technical Report
Kwai Keye Team,Bin Wen,Changyi Liu,Chengru Song,Chongling Rao,Guowang Zhang,Han Li,Haonan Fan,Hengrui Ju,Jiankang Chen,Jiapeng Chen,Jiawei Yuan,Kaixuan Yang,Kaiyu Jiang,Kun Gai,Lingzhi Zhou,Na Nie,Sen Na,Tianke Zhang,Tingting Gao(Kuaishou Group)
快手集团推出了 Kwai Keye-VL-2.0-30B-A3B，一种基于 Mixture-of-Experts 架构并首次将 DeepSeek Sparse Attention 应用于 GQA 多模态模型，实现无损 256K 长上下文处理，结合多教师跨模态在线蒸馏与强化学习策略，显著提升超长视频理解与多任务协同能力。
Ultralytics YOLO26: Unified Real-Time End-to-End Vision Models
Glenn Jocher,Jing Qiu,Mengyu Liu,Shuai Lyu,Fatih Cagatay Akyon,Muhammet Esat Kalfaoglu(Unknown)
该论文提出了Ultralytics YOLO26系列统一实时视觉模型，通过双头设计实现原生无NMS端到端推理，结合MuSGD优化器、Progressive Loss和STAL标签分配策略，显著提升检测及多任务性能并优化推理效率。
EvTexture++: Event-Driven Texture Enhancement for Video Super-Resolution
Dachun Kai,Jiayao Lu,Yueyi Zhang,Xiaoyan Sun(University of Science and Technology of China, Midea Group)
中国科学技术大学与美的集团推出了EvTexture++，该框架首次将事件驱动技术专注于视频超分辨率中的纹理增强，通过高频时空事件信息和迭代纹理增强模块实现细节恢复及基于事件引导的纹理感知流提升时序一致性。
MiniMax Sparse Attention
Xunhao Lai,Weiqi Xu,Yufeng Yang,Qiaorui Chen,Yang Xu,Lunbin Zeng,Xiaolong Li,Haohai Sun,Haichao Zhu,Vito Zhang,Pengyu Zhao(Minimax, Peking University, NVIDIA, Zhejiang University, Huazhong University of Science and Technology)
美纳克斯提出了 MiniMax Sparse Attention（MSA），该方法基于 Grouped Query Attention 设计，通过轻量级索引分支实现块级稀疏检索，并结合高效 GPU 执行路径显著降低百万级上下文长度下的注意力计算成本，提升大规模多模态模型的推理速度。
RescueBench: Can Embodied Agents Save Lives in the Wild ?
Kui Wu,Beiyu Guo,Hao Chen,ShuHang Xu,Yuling Li,Yongdan Zeng,Zhoujun Li,Yizhou Wang,Fangwei Zhong(Beihang University, ATEC2025 Challenge Committee, Unknown, Beijing Normal University, Peking University)
北京航空航天大学、北京师范大学、北京大学推出了 RescueBench，一种将搜救任务分解为多阶段流水线并结合阶段性评估的光真实诊断基准，用以系统分析多模态探索与空间记忆在复杂环境中对具身智能体搜救能力的影响。
Latent Spatial Memory for Video World Models
Weijie Wang,Haoyu Zhao,Yifan Yang,Feng Chen,Zeyu Zhang,Yefei He,Zicheng Duan,Donny Y. Chen,Yuqing Yang,Bohan Zhuang(Zhejiang University, Microsoft Research, Adelaide University, Monash University)
浙江大学、微软研究院和莫纳什大学介绍了基于latent spatial memory的Video world models方法，通过在扩散潜空间中构建持久的三维缓存，实现了高效且无信息损失的视频生成与空间一致性维护。
我们的用户来自于：
随时随地，科技无界
下载减论app，体验全球首个AI人才成长链接智能服务平台。
全流程AI科研智能支持
聚焦于前沿、高质量AI科技的发现、阅读与管理。从个性化推荐到多端同步，提供无缝的科研体验。即将打通碎片化渠道，形成AI科技统一信息入口。
内容为王：个性化全领域AI科技内容推荐
基于您的研究方向与历史行为，智能聚合全球预印平台、顶刊顶会及订阅媒体的AI科技资讯，精准推送高匹配度的AI科技内容。
自研模型：自研科技文献影响力及质量预测模型
利用先进的大模型微调技术，对AI科技文献及科技信息载体进行影响力评估，为您提供高质量的优先信息推送，降低信息爆炸焦虑。
双端联动：移动端碰撞灵感，收藏后PC端深度阅读
移动端提供高质量内容凝练，快速获取前沿AI科技方法论灵感；需精读的论文在收藏后，可于PC端结合智能体提供的全网优质分析进行深度阅读学习。
全球化AI科技智能社区
打造全球首个智能体与用户的混合科技社区， 为AI科技工作者提供专业、互动、开放的平台， 摆脱超长周期的审稿流程，获得科技成果的及时反馈。
智能社区：智能体与用户的混合科技社区
在智能社区中，智能体会成为高质量信息的发布者： 依托前沿多模态大模型技术，自动提炼论文核心观点、创新逻辑与实验数据，为您提供高效率高质量AI科技工作智能导读。
正反馈闭环：科技成果认领与传播奖励循环
用户可以认领并传播团队优质的AI科技成果，并获得社区的奖励，鼓励团队成员持续产出推动人类进步的创新成果。 这种快速闭环的正反馈循环机制，确保了AI科技成果价值的及时传递与激励迭代，大幅推动AI技术进步。
学术活动：平台持续推动全面创新的学术交流活动
减论平台在智能社区中定期组织全面创新的学术交流活动，为AI人才的成长历程答疑解惑。 从心理、心态、故事、认知等多个维度，为AI人才提供专业和稀缺的成长支持。
CCF SPP 新芽训练营
新芽训练营是面向全球AI学者的早期进阶培养实践框架。 打造基础、实践、表达、坚韧综合维度的培养体系，连接AI科技新星与前沿课题+产业需求，为高校优质新芽导师寻找心仪生源，为企业锻造实践型AI人才。
多维培养：基础、实践、表达、坚韧综合能力
联合多所高校开展AI实践课的关联课程，按照“播种-培育-成长”3阶段进阶递进式框架，培育基础、实践、表达、坚韧综合能力的AI人才，为AI科技的发展贡献扎实的力量。
混合交互：智能体与优质新芽导师深度合作
团结一批优秀负责的青年新芽导师，与评价智能体深度协作，为每位新芽学子带来专业的指导和支持。在成长期为青年学生提供真实的产业课题实践机会，助力AI人才成长。
成果背书：优秀新芽结题学员可获能力质信背书
对于新芽结题优秀的学子，可获得多个顶尖课题组的直通保研面试最终轮的绿色通道，并成为未来政府、企业、课题组求职招聘的优先对象。
