今天的学术线，不是刷榜，是在抠更底层的杠杆：配方、模式、迁移、品味。
四篇研究构成主线：
① DCVLM-Baseline（arXiv:2606.28551） 由斯坦福、图宾根AI中心、马克斯·普朗克、谷歌、ETH苏黎世、华盛顿大学等37家机构联合发布。基于6万亿tokens和160个公开数据集、上百轮跨规模实验，结论颠覆常规：决定AI"看图说话"能力上限的，从来不是"筛没筛、洗没洗、删没删"，而是"怎么配"。黄金配比为10%图文配对+5%多模态文档+15%纯文字+70%指令微调（DCVLM配方）。用40亿参数模型实测，训练量仅为FineVision一半，核心得分却高5.4个百分点，甚至干翻FineVision训练的80亿参数"巨无霸"。
② ResearchStudio-Idea / IdeaSpark（arXiv:2607.04439） 由南洋理工、微软研究院、新国大、新加坡科技研究局联合开发。从1947篇ICLR/ICML/NeurIPS 2021-2025论文（含1014篇Oral、260篇高引、722篇Reject）中归纳出15种高层研究模式卡片，由Claude Sonnet 4.6提取8个结构化字段、Claude Opus 4.7归纳聚类，用100个ICLR 2026 Oral测试题验证：IdeaSpark平均质量分3.87（满分4），100题中88个排名第一。
③ MoKus（ECCV 2026，arXiv:2603.12743） 由清华与港科联合发布，观察到"跨模态知识迁移"：文本侧知识更新能自然迁移到图像生成侧。两阶段框架将自然语言知识绑定至视觉概念，每条知识绑定约7秒，从1条扩展至5条仅增加约29秒训练时间，并提出首个知识感知概念定制benchmark KnowCusBench。
④ AI科研"品味"研究（arXiv:2607.01233v1） 由耶鲁与芝加哥联合发布，对比11683份人类研究提案与9款主流AI模型生成结果，发现AI在"研究品味"上明显比人类窄——AI高频"桥接和综合"（把不同东西整合成统一框架），人类更多"替换"（9.13% vs AI 0.92%）、"解耦"（2.33% vs AI 0.21%）、"形式化"。意味着AI当前更擅长模式匹配，而非真正的问题发现。
共同指向很清楚：AI能力的下一阶段突破，藏在"训练配方"和"推理策略"这两个更底层的杠杆里。