学姐带你玩AI的博客

围观了港科大等团队的最新综述，发现深度学习+多目标优化近年来也是话题多多，尤其在图像生成、自动驾驶、大模型训练等场景中呈现爆发式增长。简单说来，这种技术不仅能解决传统单目标优化的局限性，还能让模型在复杂场景中实现多任务协同提升，成为当前顶会抢发热点也不奇怪。更别说这方向正处于技术红利期，无论是算法创新还是场景开拓都很有空间。比如应用型研究（医疗/通信/环保）+大模型对齐就比较容易出成果，创新切入点推荐小而精（改经典算法）、跨学科（+脑机接口）等。

最近《Nature》上有一篇多尺度强化学习的新工作，讲的是大脑中的多时间尺度强化学习，具体细节可看下文解析。这方向是目前复杂系统智能化的核心技术，凭借分层决策与动态适应性在工业界有广泛的应用前景。相信有些论文er已经发现了，这些优势也契合了当下的趋势（AI正不断向复杂场景渗透），可以预见，多尺度RL即将迎来爆发式增长机遇。近期的一些高区成果也表明，这方向已跻身顶会顶刊录用率攀升的热门赛道。为帮助各位快速上车，我整理了9篇多尺度强化学习新成果，有代码的已经附上了。

不久前清华祭出了一种长序列建模大杀器——PhyxMamba框架，创新性地将Mamba与物理信息原理相结合，为混沌系统的长期预测提供了新思路！这种创新非常值得论文er关注，一是因为Mamba+物理信息原理属于俩大热门结合，高效性配上可解释性，在众多工业场景中都很有话题度，发展前景可观；二是，这方向交叉性很强，现有研究较少，更容易找到创新切入点。如果感兴趣，建议优先选择与现有Mamba工作结合紧密的领域（如图像处理）进行突破，再逐步扩展到生物医学等复杂场景。

华科大提出基于贝叶斯深度学习的超分辨率成像，成功被Nat. Commun.收录。可以说，这是近期最值得关注的成果之一了。另外还有AAAI 2025上的Bella新框架，计算成本降低了99.7%，也非常值得研读。显然鉴于BNN“不确定性建模”与“概率推理”的优势，这类BNN研究随着数据可靠性需求的激增，已经逐渐成为AI领域炙手可热的研究方向，顶会顶刊占坑无数，尤其在医疗诊断、自动驾驶等高风险场景中尤为受欢迎。不过值得注意的是，当前BNN的研究呈现三大创新趋势：跨学科融合、多模态优化、小样本突破。

分享个目标检测和跟踪领域的黄金组合：YOLO+卡尔曼滤波！近年来自动驾驶、工业自动化等场景需求激增，这类拥有实时性、多目标处理能力和鲁棒性等优势的组合也因此广受青睐，迅速跻身顶会顶刊热门研究方向，高质量成果不少。比如四川大学新提出一种无人机分层搜索方法，在六种不同环境中都性能优越，成功登上中科院1区TOP！还有顶会的Kalman-YOLO方法...大多成果的创新基本围绕动态模型优化、多模态融合、轻量化设计等多维角度，如果有同学想搞，也推荐考虑这些思路。

以往传统时域建模一直占据主导，但如今频域研究异军突起，与时间序列结合，能挖掘出更丰富信息，显著提升模型性能与预测精度。因此，频域+时间序列逐渐成为学术焦点，在金融风控、医疗信号分析、工业预测等领域都实现了突破性应用！比如最近ICLR 2025上的FreDF，只需加入一行代码，就能在主流模型上实现预测精度的稳定提升！还有一区TOP上的TFDNet，在多个基准数据集上均超越SOTA！显然这方向已经成为了顶会顶刊常客。

深度学习找不到创新点？。作为多模态学习和注意力机制这俩大热点的结合，交叉注意力融合凭借动态对齐与高效建模的优势，在众多多模态任务（比如图像-文本匹配）中脱颖而出，发展前景相当可观，成功成为。这方向尤其在高效计算、弱监督任务中容易产出创新点，而且根据近年顶会顶刊的收录情况，轻量化、自适应融合、弱监督学习等方向非常值得关注。比如CrossMamba方法，在目标声音提取任务中，参数量减少的同时，既保持了高效计算，又显著提升了性能。

今天来聊聊物理信息卷积神经网络PICNN。大家还熟悉PINN吧，当红辣子鸡。PICNN作为PINN的一种变体，引入了卷积层来增强对空间数据的处理能力，在涉及空间特征的场景下会比PINN更高效。因此最近的PICNN在特定垂直领域（比如工程仿真）热度明显上升，各大顶会顶刊都出现了不少相关研究。比如中科院一区TOP上一种基于PICNN的方法、提速400倍的微电网经济调度新方法。为方便各位快速了解这些成果，我从中挑选了9篇最新的值得研读文章分享，可用作参考。

有人说目标检测不好做了？可不见得，作为计算机视觉的核心任务之一，它在2025年仍将是研究热点，也依然会是我们“水”论文的好选择（doge）。不过这方向如今确实卷，而且研究重心正从“精度竞争”转向“实际应用落地”和“解决长尾问题”。比如典型代表YOLO，创新主要围绕引入注意力机制、模型轻量化、与其他新技术结合、损失函数优化、数据增强等等，更注重模型的“实用性”。至于更广泛的目标检测，目前的主流创新思路还是transformer-based、基于多层感知机、扩散模型，还有近期热门的大模型时代的目标检测等。

多模态融合，一个2025年仍然处于爆发期的热门方向，还在持续吸引学术界与工业界的投入。作为顶会顶刊常客，它也依然是当前最好发论文的方向之一。目前，这方向主流的创新思路主要有两大类：改进类创新和结合类创新。改进类创新如可解释多模态融合，核心目标在于实现性能提升。而结合类指的是多模态与其他技术协同，这方面根据结合的具体技术、目标和实现方式，可进一步区分为3个层次（任务、方法、模型）。

最近，强化学习的一项突破帮助我们向AGI又迈进了一大步！那就是清华&上海AI Lab的Test-Time RL（测试时强化学习），无需标注，模型自学，性能飙升159%！Test-Time RL是一种无监督强化学习方法，相较于传统强化学习，这类方法可以解决依赖人工奖励、数据效率低、探索能力弱等问题，有很强的自主性、高效性和适应性，特别适合在奖励稀疏、环境未知或任务复杂的情况下应用，发展前景广阔。

在需要高可解释性且数据复杂的场景，比如医疗、法律、工业等，机器学习+SHAP是个潜力巨大的研究方向，目前也已经成为了学术热点。这是因为这种结合拥有提供模型可解释性、公平性检测、模型调试和优化、业务场景适配等能力，在增强机器学习模型的透明度和可信度方面遥遥领先，解决了我们对可解释性的迫切需求。这种研究热情也体现在近期的成果上，多个中科院TOP期刊都发表了相关论文，推荐感兴趣的同学关注。这边为了帮各位节省查询的时间，我已经整理好了11篇机器学习+SHAP新论文，需要的自取~

在处理复杂、高维和非线性的时间序列数据上，会比传统方法更适合，可以给我们提供更强的建模能力、更高的计算效率和更好的扩展性。这些优势同时也带来了巨大的发展空间，目前该方向已经成功应用于金融、能源、医疗、环境监测等多个领域，多项突破性成果登上中科院一区TOP，已然成为当前的热门研究方向。为了方便感兴趣的同学找参考，加快论文进度，我从近期中挑选了，都是值得深入研读的paper，需要的同学可无偿获取。全部论文+开源代码需要的同学看文末。

2周速成小论文可能吗？有点悬，但有可能。这种“三结合”的优势在于技术成熟度高（经典CNN和LSTM）、创新点灵活性强：如果不改模型结构，可以做新场景应用、超参数优化对比、轻量级创新...再加上实验可模块化，目前已成为机器学习领域热门投稿方向！感兴趣的同学速速关注。另外我也多提一嘴，对于论文er来说，小论文要的不是0到1，而是0.5到0.8，有合适的参考才能更快找到idea！为了帮各位省掉找参考的步骤，加速论文进度，我已备好，无偿分享~全部论文+开源代码需要的同学看文末。

快速傅里叶变换FFT，信号处理的经典算法，通过结合学术热点注意力机制，可以有效解决传统CNN在长程依赖建模、计算效率优化等核心问题上的局限性，应用扩展性高，尤其适合多模态融合等复杂任务。这方向目前已在ICLR等顶会中频繁出现，微软等也提出过SpectFormer，在各CV任务中取得了SOTA性能！可见对论文er来说，无疑是个创新性高，顶会接受度好，适合发论文的研究方向，推荐有论文需求的同学关注。

是目前比较活跃的研究方向，它解决了传统方法在长依赖建模、非线性适配、自动化特征提取等方面的不足，有效提升时序异常检测的性能，是工业物联网、金融风控等领域重要的、值得深入学习的技术。这方向也是，成果产出不少。如果单纯想发论文，可突出一下应用创新和工程优化。如果是有高区需求，还是建议往理论创新（比如新型架构）或跨领域应用方面深入探索，同时也需关注前沿技术，方便引用（比如VAE-LSTM）。我这边已经帮大家整理好了，开源代码已附，如果实在没思路，或者复现遇到困难，欢迎来交流。

从近期各大顶会的论文占比上就可以看出，这方向仍然是今年的发文热点，尤其在医学、自动驾驶等垂直领域。现在顶会对解决实际问题的创新方法接受度较高，而多模态特征融合能够，又得益于其通用性，在教育、娱乐、人机交互等多样化场景中都十分适用。因此这方向无论是创新性，还是发展前景都非常可观，论文er可冲。同时也建议各位结合Mamba等新兴模型与具体应用场景做创新。我这边整理了，可用作参考，需要的同学自取。全部论文+开源代码需要的同学看文末。

当前仍处于早期阶段，关于它的研究还在不断探索中。最近发现它有不少值得关注的成果，比如ESWA的自监督网格生成方法MeshKINN、CMAME的神经网络框架KAN-ODEs。这方向的优势在于既能够遵循物理规律，又能够结合领域知识，给我们提供更透明、更可靠的解释，在需要高可解释性的复杂任务中非常适用，因此是工业界的香饽饽，很适合相关领域有论文需求的同学研究。至于创新点，未来可能会往等方面突破，不过这方向代码实现的复杂度较高，建议大家结合具体应用场景做创新。如果需要参考，可直接拿我整理的，开源代码已附。

9年前AlphaGo杀穿围棋界，如今的Deepseek-R1引爆AI圈，强化学习的长久影响力有目共睹。作为当今AI领域最热门的词汇之一，2025年强化学习依然会是重点研究方向。在最近的RL研究成果中，《Nature》正刊上的Dreamer算法值得关注，它涉及到了未来不可忽视的方向：“通用强化学习”。如果是想要发RL相关论文的同学，强烈推荐研读。另外还有一些RL研究方向，比如当下正热门的RLHF、样本效率提升、多智能体强化学习等，创新多容易出成果。

近两年LLM在学术界与工业界的发展大家都有目共睹。到了今年，以预训练LLM为代表的大模型PK上半场已然结束，接下来就要进入下半场大模型2.0时代了。那么在这新赛道，关于大模型我们还有什么可做的创新？要知道，如今的大模型研究已经从单纯的"规模竞赛"转向"效能突破"与"应用重构"，研究者们致力于构建可持续进化的智能生态系统。因此，多模态大模型、智能体agent等这类围绕大模型技术演进核心矛盾的方向尤其值得关注。

Attention+LSTM+特征融合，时间序列预测的主流方法之一。这种结合的优势在于动态特征筛选与多源数据整合能力，特别适合处理复杂时序关系，在工业预测、金融股价预测等应用场景如鱼得水。这方向目前也是中科院一区常客，比如ESWA上的CIR-DFENet框架、Energy and AI上的DGL-STFA、EAAI上的GD-CAF 模型...我从中挑选了14篇Attention+LSTM+特征融合新论文，整理好了原文PDF和代码，方便需要参考的同学找idea。如果实在没思路，可以考虑往跨领域迁移、多模态融合

SAM自推出以来，已经广泛应用于CV各任务，各种创新层出不穷。到了2025年，SAM仍然有相当大的优化空间，尤其是通过结合多模态图像融合，可以进一步提高分割精度和效率，增强适应性，大幅拓宽应用场景。对论文er来说，这也意味着创新空间更大了。目前在CVPR、IJCAI等顶会上已经出现了不少相关成果，比如性能超越SOTA的SAGE方法、鲁棒多模态3D目标检测框架RoboFusion。感兴趣的论文er抓紧时机！

CNN的局部感知，加上Transformer的全局视野，再加上Mamba的高效建模，能产生怎样的火花？厦大图像修复模型RestorMixer给出了答案，它在多个图像恢复任务中都实现了SOTA性能。事实上，这类结合Mamba、CNN和Transformer的混合架构是当下深度学习领域的热门研究方向，不仅适合发论文，也能推动模型在效率与性能上的双重突破，在工业界应用前景相当广阔（比如腾讯混元T1）。

作为AI和数据科学的核心方向之一，在2025年依然保持着强劲的发展势头，稳站各大顶会顶刊投稿主题前列。关于它的研究，目前在结合传统统计方法和深度学习的基础上，已延伸至频域等数理工具与神经网络的交叉创新。同时针对垂直领域痛点的算法优化也成为重点突破方向。本文汇总了2025年时间序列一些可做的创新点，来自，分为算法融合、模型架构、算法优化、训练技巧、数据增强5个大方向，涵盖上述频域+时序、小波变换+时序等热门组合。全部论文+开源代码需要的同学看文末。

尽管SAM在处理大规模序列比对数据上难以替代，但它在速度、准确性、灵活性及功能扩展方面仍然有所欠缺。为了解决这些问题，研究者们，比如近期清华＆英伟达推出的SAMEO框架，以及实现100倍的加速推理的TinySAM。另外还有很多成果已被顶会顶刊收录，简单看了点就有ICLR 2025上的MTSAM、SAMRefiner两篇，Nature Methods（中科院1区）的μSAM工具...可见现在有关SAM的研究有多热门。为了方便论文er快速了解前沿，这次我从中挑选了。

核心优势在于Mamba的长序列建模能力，可以替代Transformer，在高分辨率或复杂场景的实时修复等任务中优势显著。这意味着，Mamba+图像修复会在热门的医学图像、自动驾驶等领域发展迅猛，落地前景可观。再加上，近年主流顶会（比如CVPR）对SSM类模型接受度较高，比如横扫14个图像修复任务的MaIR、降低150倍计算复杂度的Serpent...非常适合有论文需求的同学研究。本文整理了，大多都开源了，想快速出成果的同学可以直接拿来做参考，同时也建议从等角度做创新，比较容易上手。

Transformer还能怎么做创新？西工大＆台湾清华等3位 IEEE Fellow给出了思路：一种异构窗口 Transformer的图像处理方法，在去噪时间上仅占流行Restormer的30%。其实，近两年一直很活跃，因为Transformer核心的自注意力机制比CNN更能灵活处理目标检测、分割等CV任务，尤其是高效结构设计、跨模态应用和领域适配等。因此这个方向的研究多，顶会顶刊成果也不少，比如IEEE TIP的SENet、CVPR 2025的PFT模型...都值得研读。

众所周知的热门组合。搜前沿的时候发现它在领域高质量成果不少。比如登上1区TOP刊的混合DL架构TBConvL-Net、CFFormer混合模型、医学图像分析模型Sdr-former...原因在于这类混合架构可以更准确地识别和定位病变区域，提高诊断准确性，同时减少对标注数据的依赖，非常契合当下医学界的需求（比如计算资源有限的问题），研究前景广阔。如果需要发论文，这方向是目前比较好的选择，搞创新的话可考虑等角度，建议论文er从临床痛点反推模型设计，不要单纯堆叠模块。本文整理了。

是真挺热的，简单看了几篇研究，不是一区TOP就是CCF-A。比如AAAI 2025的Mentor系统、顶刊IEEE IOTJ的SketchTriplet方法（下文都会细说）...另外还有LeCun谢赛宁的新作，验证了SSL在多模态任务中超越CLIP的潜力。非常建议对多模态自监督学习感兴趣，且有论文需求的同学研读。我这边也打包好了，无偿分享！掌握这些idea顶会顶刊中稿率up！...没思路的同学可以深入挖掘一下。全部论文+开源代码需要的同学看文末。

近期看见很多，其中拿YOLOv8n、YOLOv5改的比较多，当然还有最新版的，发一区到三区的基本都有，可创新空间很大，看来YOLO依然是我们“水论文”的好选择。分享几个高区成果：Neurocomputing（二区）上的YOLO-ELWNet，基于YOLOv3改进，猛猛超越其他轻量级OD模型；还有Comput Electron Agric（一区）上的CO-YOLO，基于YOLO11n架构，实现大幅提高姿态识别效果。另外还有一些新研究，非常推荐想用YOLO发论文的同学研读，无偿分享。

谷歌也是厉害，不久前1天之内连发2篇Nature，都是关于的，模型都叫AMIE，分别对诊断对话和诊断推理做了优化，并做了随机双盲实验，验证了AMIE出色的辅助诊断能力。当然，作为AI领域最被看好，且一直不缺讨论度的方向，我们国内也不缺医疗LLM优秀成果：杭州“智诊科技”的WiseDiag，实现三甲专家人人可用，是全球领先的医疗AI大模型！这些成果证明了医疗LLM市场的火爆，在科技界大佬们的推动下，研究前景只会愈发广阔。这里也推荐一些需要参考的可直接领取我整理的，基本都有代码，方便复现找灵感。

有新突破了！清华和华科大推出了INP-Former，从单张图像中提取正常模式，展现出卓越的性能和强大的泛化能力！成功被CVPR 2025收录。仔细一瞧，今年的CVPR上异常检测相关的研究还挺多，比如最新零样本工业缺陷异常检测SOTA：AA-CLIP，还有突破跨领域限制的UniVAD，通过统一模型实现无需训练的泛化异常检测！这些成果也足以证明，而且根据其在AIGC等新兴技术领域的拓展，未来在方面应该会更有搞头。同时，我们也可以关注可解释、低资源等核心挑战，再结合垂直场景的深层次需求做创新。本文整理了。

想必各位都碰到过大模型瞎回答的情况，也就是大模型“幻觉”。而，就是解决这个问题的核心技术之一，在提升大模型回答的准确性和可靠性上，它拥有不可替代的作用。鉴于大模型发展的必然趋势，以及对效率、可信性、实时性持续增长的需求，关于RAG的研究也必然是焦点。再加上，未来文本、图像等多模态扩展和垂直领域应用将成为主流，RAG的发展机会只多不少。今年，我们对RAG的创新主要围绕等方向。建议论文er注意结合新兴技术与实际需求，多关注技术落地中的瓶颈问题。为方便找idea，我这边还整理了，需要参考的直接取。

新成果发表在Applied Energy（中科院1区TOP）上，一个基于频域物理信息的神经网络FD-PINN，在三维时空风场预测任务中性能出众。这种结合通过将频域物理约束融入PINN的损失函数，提升模型对频变特性的捕捉能力，在许多应用场景，尤其是波动主导的物理场景中拥有不可替代的作用，如果准备入手，今年比较推荐高频Helmholtz方程求解，声学超材料逆向设计，电磁散射快速仿真等课题，同时也建议论文er从具体应用痛点切入，设计问题导向的频域优化策略。需要参考可看我整理的，有代码。

近年来，相关的成果在顶会顶刊上接受度普遍较高，经常上榜ICLR、Nature、Science等。比如ICLR 2025上的一篇Spotlight，由清华团队提出，介绍了一种SmODE网路，让深度强化学习的控制更加丝滑！另外还有复旦、同济等联合提出的全新社区布局生成方法，也是基于深度强化学习...从这些成果来看，目前关于深度强化学习的研究多围绕合，尤其是结合注意力机制、GNN等，因为可以明显提升算法性能，已经成了顶会的大热选题。如果想深入挖掘，除了以上这些角度，也可以考虑。

自从KAN的原始论文发表，相关研究就层出不穷，比如前段时间港中文提出的很有代表性的U-KAN，在准确性以及计算成本方面遥遥领先。还有刚公布录用的ICASSP 2025，其中关于KAN的创新成果更是不少。Nature子刊以及IEEE上也有优秀成果陆续发表，比如CKANs模型、PIKANs架构...可见从这些成果来看，目前关于KAN的创新大多都从等角度切入，大家找idea也建议从这些开始，需要参考可直接看我整理好的，基本都有开源代码。

UNet自被提出以来，已经被引用超过5万次，至今仍然是各大顶会顶刊的常用baseline，关于它的改进自然也是相当火热，近些年更是频频登上Nature子刊。简单看了一些成果，可以说是五花八门，主要围绕等几个方向展开。不过除了医疗这个核心场景，UNet在工业与新兴领域也有了不少拓展，对于论文er来说，等于又有了新的创新空间，建议感兴趣的同学抓紧搞起。如果需要参考，我这边也整理了，包含了上述的几个细分方向，基本都有代码，无偿分享~全部论文+开源代码需要的同学看文末。

一方面，Mamba相关的研究不算太卷；另一方面，Mamba强大的全局建模能力和高效的计算效率，完美切合遥感图像领域计算效率、长距离建模、多时相分析等方面的需求。因此，在众多对实时性要求高的场景（比如城市规划、国防安全等）中，Mamba+遥感图像的优势巨大，它的落地前景自然广阔。相对的，关于它的研究成果也逐渐增多，不少高质量新成果陆续发表，比如顶刊TGRS上的ChangeMamba。如果大家感兴趣，趁这方向还处于低饱和状态，抓紧上车。创新建议紧扣遥感数据特性（比如多模态、多尺度），重点在上突破。

有人说现在研究CNN已经没啥意义了？不如先看看今年CVPR'25上超多的CNN成果。这其中，港大最近重磅推出了新型纯CNN架构OverLoCK，性能连超传统CNN、Transformer与Mamba！实力证明而且，CNN在图像、视频等领域仍然是主流，我们在轻量化和结构创新上的改进也在持续推进CNN的效率与性能，现在的CNN在一些新兴的应用场景（比如元宇宙）中也有了进一步拓展，因此，对CNN感兴趣或有需求的同学不要犹豫，抓紧时间搞创新。目前围绕CNN的创新主要有（比如LSTM），其中结合小波变换相当火。

其实不仅仅是这领域，这种技术在需要处理大尺度图像、长程依赖、多模态数据的任务中都很关键，源于其结合了UNet的多尺度特征提取能力和Transformer的全局建模能力，因此应用场景相当广泛。对应的，近年关于Transformer+UNet的研究越来越火热，论文数量持续增长（如CSWin-UNet、GS-TransUNet、TSUBF-Net等），可参考的优秀成果相当多。不过目前这方向在计算效率、多模态融合、轻量化设计、特定场景下的优化等方面依然还有改进空间，值得我们深入挖掘。