SUREON：面向手术视觉推理的基准与视觉语言模型
研究团队推出手术视频问答数据集与基准 SUREON，用对抗猜测模型过滤掉不看画面也能答对的题目，含 76K 训练问答对、覆盖 168 种手术，另有 340 道经外科专家核验的测试题。
#多模态
arXiv · cs.AI模型评分4848 arXiv · cs.AI模型评分3535 VisualSphinx：面向强化学习的大规模合成视觉逻辑谜题数据集
研究者提出 VisualSphinx，一个大规模合成视觉逻辑推理训练数据集，通过“规则到图像”的合成流程从种子题目提取并扩展谜题规则、生成可执行的渲染程序来组装谜题。
arXiv · cs.AI模型评分2828 WebOverlay：面向极端宽高比网页浮层检测的高吞吐纯视觉蒸馏方法
WebOverlay 提出一种纯视觉网页浮层检测器，通过从前沿视觉语言教师模型蒸馏训练，无需解析 DOM 树即可识别 cookie 同意横幅、订阅提示等遮挡内容。它采用动态分块策略把极端宽高比的整页渲染切成保持宽高比的重叠图块，并配合宽高比感知的边界判定机制消除拼接伪影。该方法吞吐量比大型专有多模态模型高数个数量级，部署成本大幅降低，精度与召回率仍具竞争力。
arXiv · cs.AI模型评分4242 用世界模型生成数据替代实地航拍：检测精度提升最高 33.5%
研究团队用 7B 参数世界模型以野生动物无人机视频为种子生成画面，将训练集扩充一倍以上，在真实数据中加入这些帧后 mAP@50--95 提升 4.3%，替换真实数据时提升 10.3%，城市基准上最高提升 33.5%。
arXiv · cs.AI模型评分3333 MarketImage 诊断框架：交易价格能否反映视觉偏好
研究团队提出 MarketImage 诊断框架，用 266 组六图对比集和保留平局的价格-人类排序协议，检验交易价格何时反映视觉偏好。结果显示仅 24.2% 图像对有非平局价格方向，其中 34.7% 与人类多数一致，HPSv2 在该区域以 66.4% 可恢复准确率领先。作者认为交易价格只能作为不确定的代理信号，而非真实偏好标准。