高维潜在变量的可扩散性
机构 * Cornell University（康奈尔大学） ； Adobe ； Virginia Tech（弗吉尼亚理工大学） ； University of Washington（华盛顿大学） ； University of Maryland（马里兰大学）
AI总结 本文发现表示自编码器微调后虽重建更好但有效维度降低，标准速度预测需拟合正交噪声致效率低下，改用x0预测聚焦信号流形，在多个强重建编码器上持续提升文生图性能。
Comments Accepted to ECCV 2026. Project page: this https URL (https://cfeng16.github.io/on_the_diffusibility/)
对比学习用于作者身份验证
机构 * Georgia Institute of Technology（佐治亚理工学院）
AI总结 本文提出用对比学习改进作者身份验证，识别关键影响因素，并开发ModernBERT双编码器模型，在PAN21任务上达到98.4%准确率。
Comments Published in the proceedings of CLEF 2026. Code: this https URL (https://github.com/petekirby/contrastive-av)
我应该加入哪里？通过语言引导的目标预测实现机器人群体加入
机构 * School of Computing（计算学院） ； Smart Systems Institute, National University of Singapore（新加坡国立大学智能系统研究所）
AI总结 本研究提出语言引导的机器人群体加入方法，通过递归谱分割和语言-几何模型识别目标群体，并利用人类队形先验预测符合社会规范的加入姿态，在多个场景中优于基线。
过去塑造未来：自回归视频生成中的记忆
机构 * HKUST（香港科技大学） ； CityUHK（香港城市大学） ； FDU（复旦大学） ； ZODA ； CMU（卡内基梅隆大学） ； NYU（纽约大学） ； HKUST(GZ)（香港科技大学（广州）） ； NUS（新加坡国立大学） ； Georgia Tech（佐治亚理工学院） ； PKU（北京大学） ； MBZUAI（穆罕默德·本·扎耶德人工智能大学） ； NVIDIA（英伟达） ； UCF（中佛罗里达大学） ； UNITN（特伦托大学） ； NTU（南洋理工大学） ； UC Merced（加州大学默塞德分校）
AI总结 本文系统综述自回归视频生成中的记忆机制，提出统一框架，从形式、功能、操作、学习与评估五视角分类，并指出可组合架构、可信更新等开放挑战。
转导学习的更紧界及其应用
机构 * Arizona State University（亚利桑那州立大学）
AI总结 本文提出更紧的转导局部复杂度（STLC）方法，通过 Bernstein 型不等式和剥离论证获得与归纳 Rademacher 复杂度相同的超额风险界，在可实现学习和核学习中匹配或改进现有转导结果。
数学推理中的顺序不变答案与顺序敏感表示
机构 * Princeton University（普林斯顿大学）
AI总结 研究数学推理中答案不变性与表示不变性的区别，发现模型对重排规则顺序的表示区分度与准确性正相关，Spearman相关达0.86。
HaRP：通过双反向快门扫描实现高动态范围照片序列拍摄
机构 * Graduate School of Information Science and Technology, the University of Tokyo（东京大学信息科学与技术研究生院）
AI总结 针对CMOS卷帘快门及其全局复位模式在动态范围与速度上的缺陷，提出双反向扫描与行自适应对齐及混合注意力网络，实现高动态范围照片序列拍摄，并构建真实数据集验证效果。
最小范数单变量两层ReLU分类：精确解与带跳跃连接的全局最优性
机构 * University of Warsaw（华沙大学） ； University of Warwick（华威大学） ； INRIA & LMO, Université Paris-Saclay（法国国家信息与自动化研究所与巴黎萨克雷大学LMO）
AI总结 本文研究单变量两层ReLU网络的最小范数分类，刻画了有无偏置惩罚时的精确解，并证明添加跳跃连接使所有KKT点全局最优，同时揭示了稀疏性限制。
MultiVENT-Raw：用于原始视频检索与推理的基准
机构 * Human Language Technology Center of Excellence（人类语言技术卓越中心） ； Johns Hopkins University（约翰斯·霍普金斯大学） ； Georgetown University（乔治城大学） ； George Mason University（乔治梅森大学） ； University of Rochester（罗切斯特大学）
AI总结 针对原始视频缺乏上下文导致检索与理解困难的问题，本文提出多语言基准MultiVENT-Raw，含近12万原始视频及事件查询，支持检索与生成任务，并证明对最新多模态模型仍有挑战。
预测青少年特发性脊柱侧弯的进展
机构 * Visual Geometry Group, University of Oxford（牛津大学视觉几何组）
AI总结 提出用Transformer模型预测青少年特发性脊柱侧弯在9至24岁间的时序进展，基于合成数据训练并微调于真实DXA扫描数据，可准确预测脊柱曲线进展。
Comments Published in MICCAI ShapeMI 2026 Workshop
LiMA：通过异步扩散弥合长期想象与实时灵巧操作之间的鸿沟
机构 * Beijing Academy of Artificial Intelligence（北京人工智能研究院）
AI总结 针对灵巧操作中意图规划与快速反应控制的时间错位问题，提出异步双系统生成框架LiMA，通过多尺度层次解耦慢速长期意图生成与快速高频运动细化，并引入潜在薛定谔桥耦合机制实现概率传输对齐，显著降低推理延迟并提升任务成功率。
跨尺度迁移学习用于抑郁严重程度预测：从PHQ-8到HAMD-17跨语言与临床范式
机构 * The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳）） ； Shenzhen Loop Area Institute（深圳河套学院）
AI总结 本研究提出顺序LoRA跨尺度迁移方法，从英文DAIC-WOZ（PHQ-8）迁移到中文PDCH（HAMD-17），在数据稀缺下提升抑郁评分预测，Qwen3-1.7B取得最佳MAE 4.38。
Comments preprint to ICASSP 2027
观察、回忆、行动：并发具身流中的常开机器人
机构 * Shanghai Jiaotong University（上海交通大学） ； The Chinese University of Hong Kong（香港中文大学） ； Nanjing University（南京大学） ； Astribot ； Juxi Tech（聚溪科技）
AI总结 针对常开机器人在并发具身流中的挑战，提出ARMS策略，利用预训练骨干加三个轻量模块异步处理实时感知、具身状态和自历史，在ARMS数据集训练后达到45%成功率，显著优于基线。
Comments 11 pages, 3 figures. Accepted to the 10th Conference on Robot Learning (CoRL 2026)
外骨骼个性化中的上下文连续偏好学习
机构 * Korea University（高丽大学） ； WIRobotics
AI总结 提出上下文连续偏好学习（CCPL），利用高斯过程在邻近操作条件间共享偏好数据，在有限反馈下提升外骨骼个性化效率，模拟和人体数据验证了其有效性。
Comments 23 pages, 11 figures, including supplementary materials
Agent-Editing World Model：重新思考LLM智能体的世界建模
机构 * Gaoling School of Artificial Intelligence, Renmin University of China（中国人民大学高瓴人工智能学院）
AI总结 针对LLM智能体任务状态污染问题，提出AEWM世界模型，通过Action Judge区分决策类型和State Revision编辑噪声延续，结合真实执行的EditAct提升性能，在多个基准上超越最强基线。
冻结的流会遗忘：诊断并恢复潜在流世界模型中的丢失运动
机构 * Shenzhen International Graduate School, Tsinghua University（清华大学深圳国际研究生院） ； Shanghai Jiaotong University（上海交通大学） ； Wuhan University of Technology（武汉理工大学）
AI总结 针对冻结潜在流世界模型中运动丢失问题，提出解码增强的展开训练（DART），仅重训练流并利用解码路径监督，恢复运动结构并提升预测质量，缩小与理想插值的差距。
学习克利福德变分自编码器的全息约简表示
机构 * Institute of Neuroinformatics（神经信息学研究所） ； University of Zurich & ETH Zurich（苏黎世大学与苏黎世联邦理工学院） ； National Research Council Canada（加拿大国家研究委员会） ； University of Waterloo（滑铁卢大学）
AI总结 本文提出Clifford-VAE，一种将数据投影到任意维度克利福德环面的变分自编码器，用于学习全息约简表示，在半监督分类中与高斯和超球面VAE竞争，并在VSA基准测试中表现更优，为感知数据接地到符号推理提供了新方法。
Comments Preprint. 24 pages, 20 figures
利用可微高斯表示学习集体动力学
机构 * OranAI（奥兰AI） ； OranAI Ltd.（奥兰AI有限公司） ； Northeastern University（东北大学）
AI总结 本文提出可微高斯动力学（DGD），通过高斯混合表示、可微聚合和反馈循环，从聚合观测中学习集体响应分布，在多个数据集上显著降低预测误差，验证了学习群体表示及反馈过程的价值。
Comments 20 pages, 2 figures
利用时空管奖励的可处理强化学习：面向全类信号时序逻辑规范
机构 * Centre for Cyber-Physical Systems, IISc（印度科学研究所网络物理系统中心）
AI总结 本文提出一种时间感知的强化学习框架，利用时空管几何特性将全类信号时序逻辑规范映射为时变边界，训练软演员-评论家智能体，在满足输入约束下实现无历史、计算高效的连续控制策略。
针对翻译任务微调大语言模型：通用遗忘缓解方法无法保持机器翻译特有的指令遵循能力
机构 * AppTek GmbH（AppTek公司） ； RWTH Aachen University（亚琛工业大学） ； Applied Science Private University（应用科学私立大学）
AI总结 研究针对翻译微调中的灾难性遗忘，发现通用遗忘缓解方法（如弹性权重巩固）虽能保持通用能力，但无法保持机器翻译特有的指令遵循（如形式、性别、长度控制），仅数据混合方法有效但泛化性有限。
Comments Accepted at WMT 2026
PointCast：一个用于刚体、铰接体和可变形物体操作的世界模型
机构 * University of Minnesota（明尼苏达大学）
AI总结 PointCast提出一个点集世界模型，用扩散变换器预测物体点轨迹，统一处理刚体、铰接体和可变形物体操作，在模拟和真实数据上均优于基线。
Comments 8 pages, 8 figures, 5 tables. Project page: this https URL (https://pointcast-wm.github.io). This work has been submitted to the IEEE for possible publication. Copyright may be transferred without notice, after which this version may no longer be accessible
何时何地信任教师：通过熵校准信用分配统一在线蒸馏与GRPO
机构 * Shanghai Jiao Tong University（上海交通大学） ； Zhejiang University（浙江大学）
AI总结 提出UECR-GRPO，通过熵校准信用分配统一在线蒸馏与GRPO，在响应和词元级别整合验证器与教师信号，在五个数学推理基准上超越最强基线。
ForgetMimic：用于强化学习人形机器人控制的运动遗忘
机构 * Beijing Institute of Technology（北京理工大学） ； University of Virginia（弗吉尼亚大学） ； Shandong University（山东大学） ； Northeastern University（东北大学）
AI总结 针对人形机器人强化学习策略中的运动遗忘问题，提出首个运动级遗忘方法ForgetMimic，在保持其他运动性能的同时消除指定运动记忆，并在Unitree G1和H2机器人上验证了有效性。
Comments this https URL (https://github.com/Zili1000/ForgetMimic)
AnchorReasoning：长尾自动驾驶场景中的视觉定位与因果推理数据集
机构 * University of Georgia（佐治亚大学）
AI总结 该研究提出AnchorReasoning数据集，通过视觉定位思维链监督，提升长尾自动驾驶中VLM的推理与轨迹预测能力。
LEAP-CBF：具有最小努力对抗势的不确定系统安全过滤器
机构 * Massachusetts Institute of Technology（麻省理工学院）
AI总结 本文提出LEAP证书，量化扰动导致失败所需努力，并基于其构造鲁棒安全过滤器，通过深度强化学习构建，仿真和硬件实验验证其有效性。
基于高分辨率深度与超低分辨率RGB的隐私保护语义分割
机构 * University of Bonn（波恩大学） ； Lamarr Institute for Machine Learning and Artificial Intelligence（拉马尔机器学习和人工智能研究所） ； Center for Robotics（机器人中心） ； Bonn-Rhein-Sieg University of Applied Sciences（波恩-莱茵-锡格应用科学大学） ； Fraunhofer Institute for Intelligent Analysis and Information Systems（弗劳恩霍夫智能分析和信息系统研究所）
AI总结 针对移动机器人视觉隐私问题，提出结合高分辨率深度与超低分辨率RGB的非对称感知设置，通过联合2D框架和2D到3D流水线实现隐私保护下的最佳2D/3D分割及零样本迁移，并验证了隐私可恢复性降低与导航实用性。
Comments Xuying Huang and Swithinraj Moses Daniel have equal contribution
Mizar：一个用于音频理解的1.59亿参数音频语言模型
机构 * NEC Labs（NEC实验室）
AI总结 提出Mizar，一个1.593亿参数的音频语言模型，通过架构、数据和三阶段训练，在三个基准上超越同类模型，并支持单CPU低延迟推理。
Comments 5 pages, submitted to ICASSP 2027
超越未来预测：去噪作为机器人控制的生成式自适应
机构 * HKU（香港大学） ； HKUST（香港科技大学） ； Princeton University（普林斯顿大学） ； UC San Diego（加州大学圣迭戈分校）
AI总结 提出NowWAM，通过去噪当前观测并预测动作，无需未来目标，在LIBERO-Plus上以更少视觉令牌和更快速度超越基线，验证了去噪轨迹作为控制接口的有效性。
Comments Project page: this https URL (https://xmz111.github.io/NowWAM/)
面向欧盟《人工智能法案》实践准则的系统性风险证据的开放管道与仪表盘
机构 * UC San Diego（加州大学圣迭戈分校） ； University of Maryland（马里兰大学） ； Vector Institute（向量研究所） ； EuroSafeAI ； Purdue University（普渡大学） ； Brown University（布朗大学） ； ETH Zurich（苏黎世联邦理工学院） ； MPI for Intelligent Systems, Tübingen（马克斯·普朗克智能系统研究所（蒂宾根）） ； University of Toronto（多伦多大学）
AI总结 本文提出系统性风险指数，一个开放评估管道与仪表盘，将19个基准映射到欧盟实践准则的四类风险，通过最坏情况聚合揭示平均评估隐藏的风险，并验证了LLM评判与人类评分的一致性。
Comments 6 pages, 5 figures, submitted to EACL 2027 Systems Demonstration track
BronchoTop：基于仅RGB拓扑定位的支气管镜导航
机构 * Universidad de Zaragoza（萨拉戈萨大学）
AI总结 BronchoTop提出一种仅依赖RGB视频的实时拓扑定位框架，无需患者CT或外部传感器，通过四模块实现支气管镜导航，在真实数据上性能提升超20%，并开源算法与数据以促进发展。
扫码添加微信好友，提出您的宝贵建议 👇
💡 备注请填写：网站反馈