清华、上交等联合发表Nature子刊：「分片线性神经网络」最新综述
其本质是利用有限数量的线性函数对复杂的非线性系统进行精确建模，即在保持局部线性特性的同时，使整体建模表现出非线性特性。
SRCNN：基于深度学习的超分辨率开山之作回顾
本文提供了与SRCNN论文的总结和回顾，如果你对于图像的超分辨率感兴趣，一定要先阅读这篇论文，他可以说是所有基于深度学习的超分辨率模型的鼻祖卷积神经网络通常用于分类，目标检测，图像分割等与某些与图像有关的问题中。在本文中，将介绍CNN 如何用于单图像超分辨率（SISR）。
一文梳理冷启动推荐算法模型进展
| 作者：朱勇椿| 单位：中国科学院大学| 研究方向：跨域推荐、多任务学习如何给新加入的用户推荐可能感兴趣的物品？如何将新上架的物品推荐给潜在的用户？这两个问题分别是用户冷启动和物品冷启动，统称为冷启动推荐。
Qi 函数：定义与性质
Qi 函数：定义与性质 / The Qi Function: Definition and PropertiesQi 函数说明：Qi 函数是偶函数型幂非线性变换，仅对输入幅值做缩放，输出恒为非负，不保留原始符号。
干货！ASSANet：让PointNet++更快更强
例如，ASSANet 在 S3DIS Area 5 上的性能比 PointNet++ 高 7.4 mIoU，同时在单个 NVIDIA 2080Ti GPU 上保持 1.6 倍的推理速度。
网易超分辨率技术预示全新移动端视频体验时代来临
泛娱乐与社交领域相融合所形成的泛娱乐社交正在帮助企业打开全新的文娱布局。泛娱乐应用社交与互动性强成为共同特征，而具备这些特性的产品往往都集中在直播、短视频、图片分享社区等社交化娱乐产品。
视频清晰度优化指南
随着移动互联网的深入发展，视频消费场景逐渐变成主流，早期由于手机硬件的限制问题，导致生产出来的视频画质、清晰度存在较大的问题，用户体验不太好，当时的网络也处于4G的发展阶段，网络的限制也无法持续支持高清视频的消费，但是现在5G发展地如火如荼，网络的高速发展，手机硬件性能的提升，用户越来越不满足于低画质和低清晰度的视频。
ICLR 2026 | PIL：基于线性代理的不可学习样本生成方法
但若这些数据被用于训练图像分类模型，其测试准确率可能会从 90% 降至 10% 左右。例如，REM 方法在 CIFAR-10 数据集上的扰动生成时间超过 15 GPU 小时;