OTT3R：以 1% 算力实现多视角 3D 重建与快速数据集生成
OTT3R 是一个知识蒸馏框架，把 959M 参数的 π³ 蒸馏成 102M 参数的学生模型，压缩 9.4×、推理最高快 7×，训练算力仅为 VGGT 的 1.6%。
#端侧
#端侧
今日 2 条arXiv cs.CVAI 评分4848 arXiv cs.AIAI 评分4040 神经符号路由：在资源受限边缘设备上实现可靠推理
研究者提出一种神经符号路由器，把结构化查询交给确定性求解器、只让 SLM 处理开放式应用题，路由逻辑用 L* 语法推断算法学习 DFA。在 Raspberry Pi 4B 的 100 条未测提示上，其路由准确率 100%、总准确率 98.3%，优于 Program-of-Thought 的 72.0%。
arXiv cs.AIAI 评分3434 PTC-Decoder：面向离线资源受限边缘设备的智能 SLM
PTC-Decoder 是免训练、即插即用的解码器框架，将规划提升为原子工具并在首步推理强制调用，再由确定性有限自动机 TC-Decoder 对工具名施加 token 级硬约束。
arXiv cs.AIAI 评分3737 TGL-NSGA-II：面向 TinyML 架构搜索的排序可靠教师引导适应度近似
TGL-NSGA-II 用预训练教师按难度与类别分层、以 KD-Lite 短程蒸馏打分，并融合高斯过程代理，为受限 TinyML 神经架构搜索提供低保真适应度近似。
AGI HuntAI 评分4747 Kangwook Lee 团队包下韩国网吧，招募超 1000 名玩家训练星际争霸 AI「Ally」
Kangwook Lee 团队租下韩国一间网吧（PC bang），招募超过 1000 名真人玩家与早期版本对局，为可在端侧消费级 GPU 上运行的游戏 AI「Ally」收集 on-policy 数据。团队借鉴 DAgger 思路迭代采集轨迹并纠正后继续训练，将模型蒸馏至 2B 参数规模，还针对边缘设备 KV 缓存预算紧张的问题专门开发了上下文压缩算法。
arXiv cs.CLAI 评分4141 I-Parakeet：在手机 NPU 上运行的纯整数 Conformer ASR
I-Parakeet 将 NVIDIA Parakeet-CTC（0.6B 参数）改为纯整数实现，可在智能手机 NPU 上运行，无需浮点算子或 CPU 回退。关键改动包括整数化相对位置自注意力、minimax 优化的 Swish 近似，以及 BatchNorm 输出的 INT16 网格和重尾激活的百分位校准。
arXiv cs.CLAI 评分3535 SEA-CLIP-Tiny：面向东南亚语言的高效多语言文本-视觉嵌入模型
SEA-CLIP-Tiny 是参数量不足 50M 的多语言文本-视觉嵌入模型，面向东南亚语言，用 CLIP-KD 式框架结合区域数据筛选与多语言教师引导。在 7 种东南亚语言上，其平均检索表现在受评学生模型中最佳，R@1、R@5、R@10 分别为 12.9%、31.5%、42.2%。
arXiv cs.CVAI 评分3535 CSCWD：面向边缘设备轻量微小目标检测的跨尺度通道知识蒸馏
CSCWD 通过跨尺度通道知识蒸馏，把 YOLO11m-P2 教师的高分辨率空间表征迁移到 YOLO11n 学生，且不改变其推理架构。在 Drone-vs-Bird 协议下，YOLO11n-CSCWD 达 50.17% mAP@0.5 与 59.73% recall，较 CA-YOLO11n baseline 提升 2.92 和 3.55 个百分点。
Google ResearchAI 评分5050 Google 用冻结 MTP 加速 Pixel 上的 Gemini Nano 模型
Google Research 提出把 Multi-Token Prediction（MTP）头接到已冻结的 Gemini Nano v3 主干上，无需为每个任务微调独立的草稿模型即可实现端侧文本生成加速。
Google Research精选AI 评分6262 Google 提出 PHRM 系统，用手机前置摄像头被动监测心率与静息心率
Google Research 在 Nature 发表研究，提出 PHRM 系统，可在日常使用手机时后台监测心率（HR）与静息心率（RHR）。该系统利用前置摄像头在面部解锁后的数秒内拍摄视频，通过端侧深度学习估计心率，与 ECG 相比 MAPE 低于 10%，符合所有肤色人群的行业精度标准，日 RHR 与 Fitbit Charge 6 相比 MAE 为 4.39 bpm。
推荐理由：论文公开了 PHRM 的跨肤色误差数据与大样本数据集规模，读者可对照可穿戴设备理解被动健康监测的量化标准。
Google ResearchAI 评分4444 Google 推出零信任聚合的隐私分析方案
Google 公布基于零信任原则的隐私分析方案：新加密协议让设备只需提交单条消息即可完成安全聚合，无需长时间保持在线。该方案集成进 Google 的 confidential federated analytics，并与 TEE 结合形成多层防护，即使 TEE 安全模型失效数据也不会泄露。
TensorFlow BlogAI 评分4242 Wake Vision 发布：面向 TinyML 计算机视觉的高质量大规模数据集
哈佛大学团队发布 Wake Vision 数据集，约 600 万张图像，规模约为 TinyML 人物检测数据集 VWW 的 100 倍。数据集分为侧重规模的 Large 与侧重标注质量的 Quality 两个训练集，精度较 VWW 最高提升 6.6%，人工标注验证下错误率从 7.8% 降至 2.2%。