AI Paper Digest · September 9, 2026
1. 基于分层扩散先验的医学影像通用分割模型
作者/机构:李思远、王浩、陈晓琳(清华大学、北京协和医院)
问题:医学影像分割模型往往受限于单一模态(CT、MRI、超声等)和标注数据规模,难以在少标注场景下泛化到新器官或新病灶。
方法:提出 HieraDiffSeg,一个采用分层扩散模型作为解剖结构先验的通用分割框架。模型先通过大规模无标注影像训练分层扩散先验,捕捉从器官级到像素级的跨模态一致性;分割时以少量提示点或边界框引导扩散采样,并在中间层注入特征以细化边界。
结果:在 8 个公开医学分割数据集上,仅用 1% 标注即可超过现有全监督方法平均 Dice 3.2 个百分点;跨模态泛化实验中(如从 CT 迁移到 MRI)性能衰减降低 41%。代码与权重已开源。
arXiv链接:https://arxiv.org/abs/2609.03415
2. 自适应多智能体辩论框架用于复杂推理任务
作者/机构:张哲、Olivia Martin、Nikolai Petrov(上海交通大学、MIT CSAIL)
问题:大语言模型在数学、法律等复杂推理任务中容易产生“虚假自信”,单个模型通过自我反思难以稳定纠正错误,而固定角色辩论又缺乏任务自适应性。
方法:提出 AutoDebate,动态生成并调度多个具有不同推理策略(如形式化验证、反事实推演、直觉估计)的智能体。每个智能体根据自身历史表现获得权重,在每轮辩论后通过在线学习调整策略组合,并设置“裁判”智能体负责仲裁与置信度校准。
结果:在 MATH、LSAT、定理证明基准(miniF2F)上,AutoDebate 以平均 7B 参数模型组合达到 70B 模型的准确率,分别提升 12.8%、15.3% 和 20.1%;同时将错误答案的置信度分数平均降低 0.34,显著改善校准性。
arXiv链接:https://arxiv.org/abs/2609.04721
3. 面向长视频生成的时空稀疏注意力与运动流注入
作者/机构:赵一鸣、Elena Fischer、刘子恒(北京大学、Meta AI)
问题:现有视频扩散模型在生成长时间、高帧率视频时,计算复杂度随帧数二次增长,且容易出现运动漂移和物体闪烁。
方法:提出 ST-Sparse Attn 架构,将时空注意力分解为稀疏局部块和全局帧采样,并额外引入一个轻量级运动流预测模块。该模块先估计关键帧间光流,再将运动流作为条件注入去噪网络,从而在不增加全帧注意力开销的前提下维持时序一致性。
结果:在 UCF101 与 Kinetics-700 的长视频生成(512帧,128×128)测试中,FVD 比现有 SOTA 降低 18.7%,推理显存占用减少 62%;在 1024 帧极限测试下生成的视频仍保持物体连续性与语义稳定,用户偏好率超过基线 27%。
arXiv链接:https://arxiv.org/abs/2609.05188









