本文介绍了一种新型强化学习算法——群体序列策略优化（GSPO），旨在提升大型语言模型的训练稳定性和效率。GSPO通过基于序列概率定义重要性比率，解决了GRPO算法的稳定性问题，显著提高了Qwen3模型的性能。

Athentech Perfectly Clear Complete 是一款专业的图像处理软件，专注于照片的色彩校正和增强。它提供自动化校正功能，快速调整曝光和白平衡，使照片更加自然生动。软件还配备高级编辑工具，适合需要高效处理大量照片的专业人士。

本文针对LLM基础的自主智能体在执行复杂任务时可能出现的安全风险进行了研究，提出了Thought-Aligner，一个动态思维校正模块。该模块能够在行动执行前实时校正高风险思维，从而有效提高智能体的行为安全性，实验结果显示其在多个基准测试中能将行为安全性提升至90%。

本文探讨了网络超时下RPC服务调用的数据一致性问题，提出了一款轻量级的仿幂等数据校正工具，支持MOCK和SPY服务调用，旨在快速处理异常数据，确保应用间数据一致性，已在生产环境中应用。

SoftColor PhotoEQ是一款专业的图像调色和修复工具，界面简洁，支持批处理，自动校正白平衡、曝光和对比度，提供多种编辑功能，兼容ICC配置文件，适合日常图像编辑和颜色管理。

本研究提出RectifiedHR方法，解决扩散模型在超出训练分辨率时生成图像效果下降的问题。该方法通过噪声刷新和能量校正策略，实现高分辨率图像生成，展现出显著的效率和效果优势。

DisplayCAL 是一款基于开源色彩管理系统 ArgyllCMS 的 ICC 兼容显示器分析工具，支持多种测量仪器，提供校准、配置文件创建和验证功能，适用于不同显示设备，提升色度计精度，允许用户自定义 ICC 配置文件。

本文解决了大规模视觉语言模型中产生的幻觉内容不与视觉输入对齐的问题。通过提出自我训练框架HACA，利用幻觉校正作为训练目标，增强了模型在时空推理中视频和文本表示的对齐能力。实验结果表明，幻觉校正启发的任务显著提高了视频标题绑定和文本到视频检索的效果，展现了其在视觉与语言对齐方面的有效性。

本研究针对脑电图信号伪影的检测与校正，提出了一种基于LSTM的自编码器LSTEEG，旨在减少传统方法中专家干预的需求。研究表明，LSTEEG在伪影检测和校正方面的性能优于现有的卷积自编码器，能有效提升多通道脑电图的预处理效率，促进自动化脑电图分析在脑健康领域的应用。

本研究解决了条件生成中引导技术的理论与实践之间的差距，为此我们提出了一种校正梯度引导（REG）方法，以替代理论上无效的目标分布，并提供了一种更有效的优化解方案。实验表明，REG在类条件ImageNet和文本到图像生成任务中相较于传统方法显著提升了生成质量。

本研究探讨了单眼深度估计模型在几何视觉任务中的应用，提出三种求解器，显式考虑仿射模糊，并结合经典求解器与极线约束，显著提升了深度估计效果。实验结果表明该方法优于传统方案。

本研究提出HipyrNet，一种结合超网络与拉普拉斯金字塔的方法，旨在解决混合曝光图像增强中的极端曝光变化问题。结果表明，该方法优于现有技术，为未来自适应图像翻译研究设定了新标准。

本研究提出了一种新型校正方法，解决未冷却红外图像的非均匀性问题。该方法借鉴视频去暗淡算法，适用于静态图像，实时处理且每像素仅需两次操作，具有实际应用潜力。

本文提出了一种基于二次风险最小化的统一非局部去噪方法NL-Ridge，结合无偏风险估计和深度学习的“内部适应”概念，通过补丁线性组合实现去噪，效果优于现有算法。

本文提出了一种新的预测校正学习框架，旨在提高残差网络在常微分方程中的精度，减少截断误差，并增强高阶预测器的学习效果。该方法在多个基准测试中表现优异，尤其在大型机器翻译任务中显著提升了BLEU分数。

本文解决了当前视觉语言模型（如CLIP）在缺乏标签数据时超越零样本性能的挑战，提出了一种名为“Frolic”的无标签提示分布学习和偏差校正框架。研究表明，该方法通过学习提示原型的分布并进行标签偏差的校正，有效提高了模型在多个数据集上的表现，展示了极大的应用潜力。

大型语言模型在开放领域的事实查询中常出错。研究者用GPT-4生成了38000个问题的测试集，并提出SAFE方法，将长篇回复分解为单个事实进行多步推理评估。SAFE在16k个事实集上表现优于人类标注者，且成本更低。研究对十三个语言模型进行基准测试，发现较大模型表现更佳。相关资源和代码可在线获取。