机构 * NVIDIA（英伟达） ； Technion – Israel Institute of Technology（以色列理工学院） ； Bar-Ilan University（巴伊兰大学）
AI总结 该研究提出模型，通过分离3D运动与视频模型并结合交叉注意力，协同生成任意绑定装置的视频与3D运动，支持双向转换及关键帧控制，效果优于以视频为核心的流程
机构 * School of Software, Tsinghua University（清华大学软件学院）
AI总结 AEON是统一视频与3D世界模型的框架，结合两类模型优势，以4DGS为显式世界表示，经训练与域适配器实现4D环境构建，在基准上达SOTA性能，支持多样世界建模应用。
Comments Accepted to NeurIPS 2026. Project Page: this https URL (https://weiqi-zhang.github.io/AEON)
机构 * NUS（新加坡国立大学） ； LIGHTSPEED（光速） ； CUHK(SZ)（香港中文大学（深圳）） ； SLAI（上海人工智能实验室） ； HKUST(GZ)（香港科技大学（广州））
AI总结 本研究提出SolarRenderer，一种结构条件视频渲染器，通过轻量级LoRA适配MiniMax-H3 33B主干，实现四步快速渲染，在多数据集实验中达最优结果，可泛化到多种未见过的结构化表示。
Comments Technical Report; 28 pages, 17 figures, 10 tables; Project page at this https URL (https://enderfga.cn/SolarRenderer) Code at this https URL (https://github.com/Enderfga/SolarRenderer)
机构 * Carnegie Mellon University（卡内基梅隆大学） ； NVIDIA（英伟达）
AI总结 本研究提出AdaDex框架，通过混合灵巧模仿技术，基于短时长人类持物轨迹训练出可适应的灵巧技能，在泛化性和功能性上优于基线，可跨模拟器及真实世界迁移。
Comments Project page: this https URL (https://yuxuank.com/AdaDex/)
机构 * Brown University（布朗大学） ； Amazon（亚马逊） ； Northeastern University（东北大学） ； UT Austin（德克萨斯大学奥斯汀分校） ； University of Washington（华盛顿大学）
AI总结 UniWALM是统一视频、动作、语言模态的具身机器人控制模型，采用混合Transformer主干与带修正的流匹配，在MolmoSpaces、RMBench及现实找物品任务中性能优于基线与现有模型。
Comments Preprint: 25 pages
机构 * Zhejiang University（浙江大学） ； China University of Geosciences（中国地质大学）
AI总结 该研究提出心理学启发的视频基准PsycheMME，涵盖八项社会理解与交互能力，通过推理验证协议评估17个模型，揭示模型在时序任务等方面的缺陷，为相关模型评估提供支撑。
机构 * Idealworks（理想工厂） ； NVIDIA（英伟达）
AI总结 该研究针对仓储机器人集群的语义记忆成本问题，提出扩展NVIDIA ReMEmbR的IndustrialRemembr系统，通过拆分模型、按需生成场景描述等技术，实现了符合GDPR的低成本时空记忆共享。
机构 * California Institute of Technology（加州理工学院） ； New York University（纽约大学）
AI总结 提出PUN神经算子，通过改进边界条件与WoSt求解器，摊销蒙特卡洛计算，在多维度规划任务上，PUN在高噪声下成功率更高且运行更快。
机构 * Tsinghua University（清华大学） ； Shanghai Artificial Intelligence Laboratory（上海人工智能实验室） ； Shanghai Jiao Tong University（上海交通大学） ； Fudan University（复旦大学） ； The University of Hong Kong（香港大学） ； University of California, Berkeley（加州大学伯克利分校）
AI总结 本研究推出MindView基准测试，针对生成式多视图空间智能开展评估，通过微调BAGEL、提出MindCue方法提升模型表现，为该领域提供了测试平台。
机构 * Georgia Institute of Technology（佐治亚理工学院）
AI总结 本研究针对多令牌预测的固定长度缺陷，提出自适应多令牌预测（AMTP），通过在线控制动态选择推测长度，在多组模型与数据集上实现解码加速及吞吐量提升。
Comments 25 pages, 5 figures, 9 tables
机构 * EPFL（洛桑联邦理工学院） ； Università della Svizzera italiana（瑞士意大利语区大学）
AI总结 该研究针对图生成模型的内存与扩展性问题，提出边缘感知注意力层，结合PyTorch的FlexAttention实现，在保持生成质量的同时降低GPU内存并提升吞吐量，为可扩展图基础模型提供实用方案。
Comments Accepted at the Workshop on Graph Foundation Models and the Workshop on Structured Probabilistic Inference & Generative Modeling, ICML 2026, Seoul, South Korea
NarraSpace：用于图片描述痴呆分类的多模态场景基础证据
机构 * The Chinese University of Hong Kong Shenzhen（香港中文大学（深圳））
AI总结 NarraSpace关联图片元素与话语，结合冻结语言模型等技术，在48人测试集上实现痴呆分类高准确率，可支持临床审查。
Comments 30 pages, 3 figures
机构 * TUCN ； Inria（法国国家信息与自动化研究所）
AI总结 KoalaGS针对高斯溅射场景，利用图像复杂度先验优化基元重定位，在缩减计算预算时提升各细节层次质量并实现平滑过渡，支持更快渐进式流传输。
Comments NeurIPS 2026 (Spotlight). Project page this https URL (https://rdbch.github.io/koalags)
机构 * Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所） ； Anyverse Robotics（Anyverse机器人公司） ； National University of Singapore（新加坡国立大学） ； Xi’an Jiaotong University（西安交通大学） ； Beijing Institute of Technology（北京理工大学）
AI总结 提出PhysCanvas多模态世界模型，提升机器人策略评估与学习的成功率，在四项真实操作任务中使π₀.₅的真实成功率达70.8%。
机构 * Siemens Corporation（西门子公司）
AI总结 提出Semantic Observability自主多智能体框架，将日志统一为属性图数据库，结合DCG、因果算法与LLM，可缩短MTTR、减少LLM令牌消耗，为故障诊断提供根本原因分析与修复方案。
Comments 8 pages, 3 figures. Foundational architecture paper; companion evaluation paper forthcoming
机构 * Mohamed bin Zayed University of Artificial Intelligence（穆罕默德·本·扎耶德人工智能大学） ； New York University Abu Dhabi（纽约大学阿布扎比分校）
AI总结 本研究推出首个阿拉伯方言数学推理基准DAR-MGSM，评估11种大语言模型，发现文化本地化会降低模型性能，且不同模型敏感性不同，揭示数学推理受语言与文化语境共同影响。
机构 * Wuhan College of Communication（武汉传媒学院） ； University of Auckland（奥克兰大学）
AI总结 该研究针对LLM生成辩论的价值结构评估不足问题，提出基于Schwartz Basic-10理论的指标框架，发现AI生成辩论价值维度数量与人类相当但组织方式不同，为辩论评估提供新维度。
Comments Accepted at EMNLP 2026 (Main Conference)
机构 * University of Toronto（多伦多大学） ； Université de Montréal（蒙特利尔大学） ； Mila - Quebec AI Institute（米拉-魁北克人工智能研究所）
AI总结 本文将自监督时间序列分类方法TS2Vec改造为基础模型TS2Vec-FM，通过三项改动实现跨数据集复用，在UCR-128、UEA-27上性能接近最优模型MantisV2且优于单独训练的TS2Vec。
机构 * University of California, Santa Barbara（加利福尼亚大学圣巴巴拉分校） ； Cornell University（康奈尔大学） ； Language Technologies Institute, Carnegie Mellon University（卡内基梅隆大学语言技术研究所） ； Simular
AI总结 本文提出将界面设计作为智能体能力，引入Agent S4，通过元智能体演化界面存储库，在OSWorld V2和ScienceBoard上大幅提升计算机使用智能体性能，且成本远低于GPT-5.5等模型。
机构 * Purdue University（普渡大学） ； DEVCOM, Army Research Laboratory（DEVCOM陆军研究实验室）
AI总结 该研究针对激光雷达建图中神经隐式表示重建的几何抖动问题，提出基于形状算子能量泛函正则化的优化方法，在保持几何保真度的同时提升重建光滑性且无额外推理开销。
机构 * NVIDIA（英伟达） ； MIT（麻省理工学院）
AI总结 该研究构建了RTL修复相关基准与数据集，识别出RTL修复基准测量中的两个混淆因素，提出评估控制措施并发布相关资源，为行为修复提供基准与分数诊断协议。
机构 * KAIST（韩国科学技术院） ； ETH Zürich（苏黎世联邦理工学院） ； Seoul National University（首尔大学） ； Physics Sim Lab（物理模拟实验室） ； RLWRLD ； New York University（纽约大学）
AI总结 该研究提出Video-Point Model（VPM），通过多视图视频历史与语言指令联合预测任意视角未来视频及场景点3D轨迹，构建相关数据集与基准，扩展VPM至机器人控制，点监督可提升视频保真度、3D运动精度及机器人操作成功率。
Comments 43 pages; 14 figures
PaPi：用于快速神经谱架构的并行Picard-Duhamel积分
机构 * Imperial College London（帝国理工学院） ； Instituto de Matemática Pura e Aplicada（纯数学与应用数学研究所） ； University College London（伦敦大学学院） ； Instituto de Matemática e Estatística（数学与统计研究所） ； Universidade Federal Fluminense（弗鲁米嫩塞联邦大学） ； University of Georgia（佐治亚大学）
AI总结 提出PaPi并行积分方案，解决神经谱架构串行积分导致的时间并行性限制，实现训练推理速度最高提升两个数量级且精度有保障。
Comments 27 pages, 8 figures
机构 * The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳））
AI总结 WildMAE是MAE的解码器侧扩展，结合结构感知细化与交叉注意力，在野生动物图像重建任务中，于Snapshot Serengeti数据集上较普通MAE取得更优的PSNR、SSIM等指标，为相关建模提供了实用架构案例。
Comments 9 pages, 2 figures, 3 tables
AgenticRoboRL：将编码智能体的后训练应用于智能体机器人技术
机构 * University of Central Florida（中佛罗里达大学） ； University of Southern California（南加州大学） ； Michigan State University（密歇根州立大学）
AI总结 本文提出AgenticRoboRL框架，结合监督微调与多轮强化学习，在LIBERO-PRO上将9B参数机器人规划器成功率从18.1%提至71.0%，验证了后训练改进机器人规划器的有效性。
有能力的教师、近视评分器：面向智能体在线策略蒸馏的无奖励教师修复
机构 * NVIDIA（英伟达）
AI总结 本研究针对智能体在线策略蒸馏的复合误差问题，提出 Rollout-to-Scorer Distillation（R2S）方法修复教师评分器，在无奖励情况下提升学生性能，在多组实验中优于现有方法。
Comments 17 pages, 5 figures, 13 tables. Project page: this https URL (https://tree-shu-zhao.github.io/r2s/)
SceneRig：一种用于从单张图像生成可用于仿真的3D场景重建的智能体系统
机构 * Luma AI（卢马人工智能公司） ； Cornell University（康奈尔大学）
AI总结 SceneRig是结合几何、视觉、物理工具与智能体编辑-验证循环的系统，可从单张图像生成物理稳定、适配机器人仿真的3D场景，性能优于基线方法。
Comments Accepted at CoRL 2026 Agentic Robotics Workshop. Project page: this https URL (https://red-fairy.github.io/SceneRig/)
机构 * Peking University（北京大学） ； Institute of Artificial Intelligence (TeleAI), China Telecom（中国电信人工智能研究院（TeleAI））
AI总结 该研究针对自回归模型的序列瓶颈与扩散语言模型的语义连贯性问题，提出CoRAL混合框架，通过APE架构结合DLM规划器与ARM执行器，辅以RDC训练规划器，在视觉-语言基准上实现了效率与质量的双重提升。
机构 * Tsinghua University（清华大学） ； The Chinese University of Hong Kong（香港中文大学）
AI总结 针对LLM智能体的KV缓存成本高、轨迹超上下文长度的问题，提出缓存工程方案，设计AKV服务引擎，实验显示该方案可提升基准分数、降低成本并优化吞吐量与延迟。
大语言模型解码的令牌-能量定律：活动字节与实现时间决定每令牌焦耳数
机构 * NVIDIA Corporation（英伟达公司） ； Texas Tech University（德克萨斯理工大学） ； Texas Advanced Computing Center（德克萨斯高级计算中心）
AI总结 本研究提出令牌-能量定律模型，结合活动字节与实现解码时间，解释大语言模型解码能耗，经实验验证其估计误差不超过3.73%，为高效部署提供依据。
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