Hydra-0：面向通用世界建模与控制的动作流
机构 * NVIDIA（英伟达） ； Brown University（布朗大学） ； Columbia University（哥伦比亚大学） ； Harvard University（哈佛大学）
AI总结 本研究提出Hydra-0通用世界模型，以动作流为条件实现跨实体、任务等的通用建模控制，在RoboLab基准获高相关性，还涌现出逆模式，可助力机器人控制。
Comments Project page: https://nvidia-isaac.github.io/video_to_data/hydra-0/
从语料到协同进化的能力：面向通用图像生成的以能力为中心的数据设计
机构 * Alibaba Group（阿里巴巴集团）
AI总结 该研究提出能力驱动的数据基础设施，构建三类监督引擎，整理大规模图像语料，训练多模态扩散模型，在CPI-Bench等评估中展现良好生成与迁移能力。
Comments 19 pages, 10 figures
自改进智能体的脆弱性：方差、任务顺序与规格不足
机构 * Salesforce AI Research（Salesforce AI研究院）
AI总结 本研究通过多轮运行与打乱任务顺序的实验，揭示当前基于记忆的自改进智能体存在脆弱性，发现其性能受方差与任务顺序影响，还指出规格不足是相关诱因，呼吁采用更严格评估方案与人工监督机制。
Comments Code: https://github.com/SalesforceAIResearch/self-improve-fragility Data: https://huggingface.co/datasets/Salesforce/self-improve-fragility
EditBridge：迈向忠实且高效的超高清图像编辑
机构 * School of Artificial Intelligence, Shanghai Jiao Tong University（上海交通大学人工智能学院） ； Qwen Business Unit of Alibaba（阿里巴巴通义千问业务部） ； National University of Singapore（新加坡国立大学）
AI总结 针对现有扩散图像编辑模型无法高效处理超高清图像的问题，提出EditBridge扩散桥框架，通过先验引导的块级稀疏注意力机制实现4K高保真编辑，速度提升显著。
TokEval：一个分词器评估套件
机构 * EPFL（洛桑联邦理工学院）
AI总结 本研究推出TokEval框架，通过信息论、结构敏感等指标评估分词器，经实验验证其可预测下游模型性能，助力更原则性的分词器评估。
Comments Published as a conference paper at COLM 2026; Library hosted at https://github.com/cimeister/tokenizer-intrinsic-evals
智能体推荐系统中的委托不对称性：在线约会中的双边接受度测量
机构 * Fleamily, Inc.（弗利米利公司） ； Lucy Family Institute for Data & Society（露西数据与社会研究所） ； University of Notre Dame（圣母大学）
AI总结 该研究针对约会平台智能体推荐系统，开发测量双边智能体接受度的模型，发现存在委托不对称性，量化了相关倾向及设计杠杆，为智能体推荐设计提供启示。
HLSR：用于实时拥堵规避的混合实时预测选择性动态车辆重路由算法
机构 * National Tsing Hua University（国立清华大学） ； National Chiao Tung University（国立交通大学）
AI总结 针对城市交通拥堵问题，提出HLSR框架，通过融合实时与预测数据的选择性重路由方法，实现实时拥堵规避，提升重路由的有效性。
StagedWorkspace：面向知识工作智能体的版本化工作空间
机构 * Harvard University（哈佛大学） ； Raycaster AI（雷caster人工智能公司） ； University of Technology Sydney（悉尼科技大学） ； University of Washington（华盛顿大学） ； Stanford University（斯坦福大学）
AI总结 该研究针对知识工作智能体的版本化工作空间问题，提出StagedWorkspace方案，通过绑定解析记录与原生文件内容哈希提升性能，在OfficeQA Pro等数据集上取得显著优于基准的效果，为相关基准构建提供了新方向。
Comments Under Review
语言具有两个参数：叙事诱导的语义可塑性与相位敏感的解读
机构 * University of Utah（犹他大学）
AI总结 该研究提出语言解读需第二个带符号、持久且以个体与二元组为索引的相位参数，指出标准Transformer无相位显式表征，需构建承载相位语义状态的语言模型。
Comments 23 pages; 0 figuresCC
优化你的采样：基于贝叶斯优化的调优扩散采样
机构 * Cornell University（康奈尔大学）
AI总结 本研究提出OYS方法，将扩散模型采样的时间步长选择作为黑盒优化问题，用贝叶斯优化直接优化目标指标，可提升多类图像生成任务性能，大幅降低推理成本且无需额外训练。
用于端到端自动驾驶的即插即用交通元素感知
机构 * Institute for AI Industry Research (AIR), Tsinghua University（清华大学人工智能产业研究院（AIR）） ； Bosch Corporate Research（博世企业研究中心）
AI总结 该研究首次系统探究端到端自动驾驶的交通元素感知，通过补充标注构建统一基础设施，以即插即用方式集成信号，在多范式多数据集上提升性能，在NAVSIM-v2上达到新SOTA。
Comments Accepted by ECCV 2026; Project Page: https://zzongzheng0918.github.io/TE-Aware-E2E-AD/
深度学术调查：用于学术调查自动化的有状态智能体闭环范式
机构 * Zhejiang University（浙江大学） ； Shanghai Jiao Tong University（上海交通大学）
AI总结 该研究提出DAS框架，通过状态智能体闭环实现学术调查自动化，在DAS-Bench基准测试中，其在引用质量等四维度得分及专家评估中均优于现有系统。
Comments Project page: https://zhikaixu24.github.io/projects/DAS/ | Code: https://github.com/ZhikaiXu24/DAS | Data: https://huggingface.co/datasets/ZhikaiXu24/DAS-2M
重新审视无需初始化的光束平差法：一项受控实验研究
机构 * University of Oxford（牛津大学） ； Technical University of Munich（慕尼黑工业大学） ； Munich Center for Machine Learning（慕尼黑机器学习中心） ； Hanyang University（汉阳大学） ； Lund University（隆德大学）
AI总结 本文通过统一评估框架开展受控实验，揭示无需初始化的光束平差法存在优化-重建差距，明确其核心挑战是获取可可靠度量升级的投影重建，为该领域研究提供了实验基础。
用于持续改进大语言模型的经验链（Chain-of-Experience, CoE）
机构 * UC Santa Cruz（加州大学圣克鲁兹分校） ； Bytedance Seed（字节跳动Seed）
AI总结 该研究提出经验链（CoE）方法，通过迭代交互让LLM从经验中持续改进，在多领域8种LLM上验证其比无反馈基线更优，结合互补反馈可进一步提升，且每令牌准确率高于现有测试时策略。
Comments H.T. and Y.F. contributed to this work equally
TabNSM：面向表格回归的神经稀疏混合器
机构 * University of Kentucky（肯塔基大学） ； Institute for Biomedical Informatics（生物医学信息学研究所）
AI总结 该研究提出TabNSM框架，通过自适应稀疏交互模块、多阶段回归头等组件，在9个真实回归基准上实现高维表格回归的优性能与可扩展性。
为何GPT风格模型无法直接迁移到符号音乐：错误坐标系中的压缩
机构 * Tsinghua University（清华大学）
AI总结 该研究针对GPT风格模型无法直接迁移到符号音乐的问题，提出有效性-无损性框架，通过构建预测有效且关系无损的坐标系优化标记化，实验验证了相关边界，揭示了跨模态迁移的关键在于标记化接口而非架构。
再探WEASEL 2.0：复现、敏感性分析与自适应集成规模规则
机构 * University College Dublin（都柏林大学学院）
AI总结 本研究复现了WEASEL 2.0，分析其四项设计选择的敏感性，发现最大集成规模规则对长序列数据集配置过度，提出自适应规则后可减少内存和时间消耗且准确率影响极小。
Comments 24 pages, 7 figures. Accepted at the 11th International Workshop on Advanced Analytics and Learning on Temporal Data (AALTD 2026), held at ECML/PKDD 2026, Naples, Italy
大语言模型能否解释飞行安全事件？一种先验引导的基于语义大语言模型的方法
机构 * College of Computer Science, Chongqing University（重庆大学计算机学院） ； Sichuan Flight Engineering Technology Research Center, Civil Aviation Flight University of China（中国民航飞行学院四川飞行工程技术研究中心） ； School of Statistics and Data Science, Shanghai University of International Business and Economics（上海对外经贸大学统计与数据科学学院）
AI总结 本研究针对飞行安全事件解释难题，提出FlightLLM方法，结合特征工程、语义离散化、CatBoost先验引导及对比小样本学习等技术，在704个A320飞行样本上实现了良好分类与合理事件原因解释。
Comments 14 pages, 6 figures, submitted to IEEE Transactions on Intelligent Transportation Systems
IOL-AI挑战赛：一项旨在推进语言推理的开放挑战赛
机构 * University College London（伦敦大学学院） ； Meta ； CentraleSupélec（中央高等电力学院） ； McGill University（麦吉尔大学） ； Cohere Labs（Cohere实验室） ； Princeton University（普林斯顿大学） ； University of Amsterdam（阿姆斯特丹大学） ； Stockholm University（斯德哥尔摩大学） ； Faculty of Liberal Arts and Sciences（文理学院） ； Universidade Federal de Goiás（戈亚斯联邦大学）
AI总结 本文介绍基于2026年IOL个人赛未公开题目的IOL-AI挑战赛，评估含自动与评审团评分，测试显示模型能力不由规模决定，语言推理是泛化推理技能的强基准代理。
基于记忆树引导的关键帧查询的高效三维问答
机构 * University of Washington（华盛顿大学） ； Amazon（亚马逊公司） ； The University of Texas at Austin（德克萨斯大学奥斯汀分校）
AI总结 本研究针对具身场景三维问答的效率问题，提出MemTree3D记忆树引导的关键帧选择方法，在OpenEQA数据集上显著提升GPT-4o与LLaVA-OneVision-7B的问答性能，优于现有视觉搜索方法。
Comments ECCV 2026
基于大语言模型反馈的策略不变奖励塑形：混合强化学习智能体框架
机构 * AI Research and Innovation Nexus for Africa (AIRINA Labs)（非洲AI研究与创新中心（AIRINA实验室）） ； Sefako Makgatho Health Sciences University (SMU)（塞法科·马加托健康科学大学） ； African Center for Advanced Studies (ACAS)（非洲高级研究中心） ； African Institute for Mathematical Sciences（非洲数学科学学院）
AI总结 该研究针对LLM衍生奖励信号的理论模糊问题，提出基于LLM反馈的策略不变奖励塑形框架，将混合架构形式化为目标增强MDP，证明其最优策略集保留保证更强，并通过数值实验验证了结果。
Comments 14 pages
AViTS：用于高效动态分辨率生成的自适应时空令牌选择
机构 * Shanghai Jiao Tong University（上海交通大学） ； Shandong University（山东大学） ； Terminal Intelligent Computing Division, Alibaba Cloud（阿里云终端智能计算事业部） ； Jilin University（吉林大学） ； Xi’an Jiaotong University（西安交通大学）
AI总结 该研究针对扩散变换器动态分辨率采样的冗余计算问题，提出AViTS框架，通过时空重要性感知的选择性上采样减少冗余，在FLUX等模型上实现显著加速且与其他优化技术兼容
Comments Accepted to ECCV 2026. 20 pages including appendix. Code: https://github.com/QHR69/AViTS
判断、检索或弃权：带有可证明风险保证的不确定性引导大语言模型（LLM）判断
机构 * Dalhousie University（达尔豪斯大学） ； New York University Abu Dhabi（纽约大学阿布扎比分校） ； Emory University（埃默里大学）
AI总结 本研究针对无参考LLM评判的可靠性问题，提出带可证明风险保证的不确定性引导双模式风险控制框架，在维持目标错误率的同时提升了判决覆盖率。
Comments Accepted at Conference on Language Modelling 2026
GS-Voxel：用于大规模3DGS生成的免拟合结构化隐变量
机构 * Zhejiang University（浙江大学） ； Peking University（北京大学） ； Amap（高德地图） ； Alibaba（阿里巴巴）
AI总结 GS-Voxel是免拟合结构化隐变量框架，可将预优化3DGS重建转为稀疏活跃体素，通过GS专用VAE编码为稀疏3D隐变量，结合图像条件流模型实现大规模航空3DGS场景生成。
双协同训练：极端数据稀缺场景下的跨数据集超声舌部分割
机构 * Hong Kong Polytechnic University（香港理工大学） ； Research Institute for Smart Ageing（智能老龄化研究院）
AI总结 本文提出基于UltraUNet的无源域适应框架，通过伪标签优化、质量控制及条件GAN合成样本，在12组跨数据集超声舌分割任务中优于基线方法，提升了分割性能。
再循环
机构 * Google DeepMind（谷歌DeepMind） ； University of Texas, Austin（德克萨斯大学奥斯汀分校）
AI总结 该研究提出推理时架构增强技术“再循环”及其自适应变体，无需额外训练，可显著降低Gemma3系列模型的困惑度、提升推理任务准确率，为架构演进提供新方向。
当写作风格发生漂移：在体裁、时间与AI时代的分布偏移下对作者验证进行基准测试
机构 * University of Technology Nuremberg (UTN)（纽伦堡工业大学（UTN））
AI总结 本研究推出首个德语作者验证基准AVShift，对跨体裁、时间及AI时代分布偏移下的作者验证进行基准测试，发现微调LLM跨体裁泛化最佳，时间漂移是影响作者验证的最强因素之一，未观测到可测量的AI时代分布偏移。
LinCa：基于可学习分解特征缓存的扩散模型加速方法
机构 * Shanghai Jiao Tong University（上海交通大学） ； Shandong University（山东大学） ； Terminal Intelligent Computing Division, Alibaba Cloud（阿里云终端智能计算事业部） ； South China University of Technology（华南理工大学） ； Jilin University（吉林大学）
AI总结 本文提出LinCa框架，通过可学习可逆网络分解缓存特征并差异化预测，仅需少量额外参数即可在5-7倍加速下使扩散模型保持近无损质量，性能优于现有方法。
Comments Accepted to ECCV 2026. 28 pages including appendix. Code: https://github.com/QHR69/LinCa
目标说话人识别：一种低延迟流式处理管道
机构 * Arizona State University（亚利桑那州立大学）
AI总结 针对助听器低延迟需求，提出含流式说话人分割与验证的两步法管道，经多工具基准测试与参数优化，17个评估片段中中位数准确率超0.90，为低延迟选择性放大提供概念验证。
Comments 8 pages, 4 figures
极端干旱期间作物产量预测方法的评估与改进
机构 * Boston College（波士顿学院）
AI总结 本研究针对极端干旱年份2012年的县级玉米产量预测问题，对比非深度学习与深度学习模型，采用样本加权和特征选择改进非深度学习模型，发现VITA模型表现最优。
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