YOLO26 + Neural Particle Automata — 知识消化

1. Ultralytics YOLO26

Ultralytics YOLO26 是 YOLO 家族的重大架构升级。关键创新:

• NMS-free 端到端推理: 双头设计，训练头 Teacher + 推理头 Student
• 移除 DFL (Distribution Focal Loss)，回归头更轻量
• MuSGD 优化器: Muon + SGD 混合，从 LLM 训练迁移到视觉
• STAL 标签分配策略: 保证小物体必有正样本
• Progressive Loss: 逐步将监督从训练头过渡到推理头
• 5 尺度 × 6 任务 (检测/分割/姿态/旋转框/分类/开放词汇)
• COCO 40.9-57.5 mAP @ 1.7-11.8ms T4 TensorRT

HN: https://news.ycombinator.com/item?id=48639434 论文: https://arxiv.org/abs/2606.03748 代码: https://github.com/ultralytics/ultralytics

2. Neural Particle Automata (NPA)

NPA 将 NCA 从固定网格推广到动态粒子系统，发表于 SIGGRAPH 2026。

• Lagrangian NCA: 粒子 = (位置, 内部状态)，共享神经网络规则更新
• 动态邻域处理: 可学习相互作用替代网格邻域感知
• 天然稀疏: 计算只集中在活跃区域
• EPFL + KAIST 合作

HN: https://news.ycombinator.com/item?id=48642030 论文: https://arxiv.org/abs/2601.16096 代码: https://github.com/TheDevilWillBeBee/NPA Demo: https://selforg-npa.github.io/

交叉模式

两个信号共享「从固定/静态到动态/连续」的深层范式迁移:

• YOLO26: NMS 后处理 → NMS-free 端到端
• NPA: 固定网格 NCA → 动态粒子 NCA
• 对 Hermes: 固定 slot 记忆 → 动态稀疏记忆；固定技能分类 → 动态技能编排