一图多用：基于智能体流程的可编辑流程图重排
机构 * National Yang Ming Chiao Tung University（国立阳明交通大学） ； University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）
AI总结 针对流程图在不同宽高比画布复用时的结构失真问题，提出解析-风格-布局三阶段智能体流程，结合确定性检查与视觉反馈，实现高保真可编辑重排，内容保真度达68.6%。
Comments Project page: https://onefigureeverycanvas.vercel.app/
InterMimicGen：通过自进化运动模仿扩展人形机器人移动操作
机构 * University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-尚佩恩分校） ； NVIDIA（英伟达）
AI总结 InterMimicGen提出自进化运动模仿框架，通过数据飞轮将稀疏人-物交互演示扩展为多样化机器人参考，训练通用跟踪器并提升移动操作能力，实现向真实机器人的迁移。
Comments Project Page: https://sirui-xu.github.io/InterMimicGen
S2PD：用于物理和逻辑一致视频生成的串行到并行扩散
机构 * University of Cambridge（剑桥大学） ； Toyota Motor Europe（丰田汽车欧洲公司）
AI总结 S2PD结合高噪声自回归与低噪声并行扩散，在游戏、物理模拟和真实视频中比双向基线更可靠地遵循规则，并提升时间稳定性与采样效率。
Comments Project Page: https://jefequien.github.io/S2PD/
BiasFlow: 用于虚假特征依赖的几何监测与骨干正则化
机构 * Western University（西安大略大学） ； Nanyang Technological University（南洋理工大学） ； Vector Institute（向量研究所）
AI总结 BiasFlow通过监测质心几何并施加BFR正则化，减少虚假特征依赖，提升最差组准确率，在多个基准上验证了有效性。
Comments 19 pages, 7 figures, including appendices
学习读取扩散Transformer中的上下文令牌
机构 * Tel Aviv University（特拉维夫大学） ； Cornell University（康奈尔大学）
AI总结 本文提出通过轻量级瓶颈网络将扩散Transformer的上下文令牌映射到冻结LLM进行自然语言解读，发现其编码全局场景语义，并据此提出上下文对齐训练技术以提升生成质量。
Comments Project page: https://omer11a.github.io/learning_to_read/
用于智能体机器人的递归视频上下文学习
机构 * University of Central Florida（中佛罗里达大学） ； University of Southern California（南加州大学）
AI总结 提出RV-ICL，一种无需训练的递归视频上下文学习方法，将演示视频组织为层级结构供智能体按需访问，在LIBERO基准上将成功率提升至96.5%和95.8%。
解剖感知的细粒度多模态融合用于基于CT和放射学报告的喉咽癌T分期预测
机构 * DAMO Academy, Alibaba Group（阿里巴巴集团达摩院） ； Peking Union Medical College Hospital, Chinese Academy of Medical Sciences and Peking Union Medical College（中国医学科学院北京协和医学院北京协和医院） ； Hupan Laboratory（湖畔实验室） ； Fuzhou University（福州大学） ； Eye & ENT Hospital, Fudan University（复旦大学附属眼耳鼻喉科医院） ； Zhongshan Hospital, Fudan University（复旦大学附属中山医院） ； Chang Gung Memorial Hospital（长庚纪念医院） ； Zhongshan Hospital(Xiamen), Fudan University（复旦大学附属中山医院厦门医院）
AI总结 针对喉咽癌T分期中结构建模与跨模态对齐不足，提出解剖感知多模态框架，通过器官图构建、跨模态对齐与报告增强细化，实现优越性能。
Comments Accepted by IEEE Transactions on Medical Imaging (IEEE TMI)
迈向正确的循环模型，第二部分：在不动点处重新思考
机构 * Institute of Foundation Models（基础模型研究院） ； USC（南加州大学） ； CMU（卡内基梅隆大学）
AI总结 本文提出学习深度先验与正交注入，优化循环语言模型的不动点，实现更快的预填充、解码和RL训练，并在各规模下降低困惑度。
Comments Code and checkpoints: https://github.com/ifm-ai/xllm-loop
UniSlider：用于连续图像编辑的感知均匀滑块
机构 * Computer Vision Center（计算机视觉中心） ； Universitat Autònoma de Barcelona（巴塞罗那自治大学） ； Adobe Research（Adobe 研究院）
AI总结 UniSlider提出感知均匀滑块，通过LoRA训练与推理时重映射，使编辑强度线性对应感知变化，在300个连续编辑基准上超越现有方法。
Comments Project page: https://color.cvc.uab.cat/unislider
MemPilot：为LLM智能体编排按需多模态记忆策展
机构 * Nanyang Technological University（南洋理工大学） ； Tsinghua University（清华大学） ； University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）
AI总结 MemPilot通过强化学习优化多步LLM策略，在性能、成本和延迟偏好下按需策展多模态记忆，并在五个基准上取得更优权衡。
Comments Code is available at https://github.com/ViktorAxelsen/MemPilot
CLIFT：用于智能体训练与测试时扩展的保形自验证方法
机构 * Salesforce AI Research（赛富时人工智能研究院）
AI总结 CLIFT利用保形自验证将裁判反馈转化为可复用的训练信号和无需裁判的测试时扩展信号，在多个网络智能体基准上达到最先进性能。
PlotGround：将图表数字化锚定于真实科学图形及其源数据
机构 * Generative Expert Labs, Inc（生成专家实验室公司） ； Stanford University（斯坦福大学） ； Princeton University（普林斯顿大学）
AI总结 PlotGround构建了基于真实科学图形及其源数据的图表数字化基准，揭示多模态模型在精确恢复数值上的不足，并证明提供源表格可显著提升编码代理的准确率并降低成本。
TasteVal：衡量AI系统相对于人类专家的实验研究品味
机构 * P-Zero Research
AI总结 TasteVal通过计算效率衡量AI系统的实验研究品味，评估20个前沿模型，最佳模型超过人类专家基线，计算乘数每3个月翻倍，预测AI进展。
Comments 38 pages, 21 figures
基于加速度计数据的深度学习睡眠心率估计：迈向无光学传感器的人群规模心脏洞察
机构 * Kennesaw State University（肯尼索州立大学） ； University of Georgia（佐治亚大学）
AI总结 提出SeqSmoother，一种基于Transformer的时序校正器，从腕部加速度计估计睡眠心率，利用频谱描述符、频率锚点和次谐波特征，在13折评估中实现1.60 bpm的MAE，并揭示了准确性-可用性权衡。
Comments 8 pages, submitted in BHI 2026
Littlestone 类的私有在线学习与预测
机构 * University of Copenhagen（哥本哈根大学）
AI总结 针对遗忘可实现对手，证明私有在线学习与预测的样本复杂度被时间范围因子分离，给出学习下界和预测上界，并填补先前下界空白。
TAPDreamer：面向世界动作模型的可迁移对抗补丁
机构 * University of Washington（华盛顿大学） ； University of Georgia（佐治亚大学） ； Western Washington University（西华盛顿大学） ； King Abdulaziz City for Science and Technology（阿卜杜勒阿齐兹国王科技城） ； HUMAIN
AI总结 提出TAPDreamer攻击，仅用公共编码器构建可迁移的固定局部补丁，无需目标策略查询，通过最大化全局L1距离使FastWAM成功率降至0%，揭示防御需保护共享视觉编码器。
Comments Project Page: https://tapdreamer.github.io
更少上下文，更好几何：用于鲁棒3D基础模型的掩码几何编码器
机构 * Johns Hopkins University（约翰霍普金斯大学） ； University of Virginia（弗吉尼亚大学）
AI总结 提出掩码几何编码器（MGE），通过训练时丢弃帧令牌和教师蒸馏学习鲁棒几何表示，并配合锚点引导自适应令牌合并，在遮挡和相似视图下提升3D重建性能与推理效率。
CRL中的块解缠：连接可辨识性与视觉状态估计
机构 * Rensselaer Polytechnic Institute（伦斯勒理工学院） ； The University of Texas at Austin（德克萨斯大学奥斯汀分校） ； Swiss AI, EPFL（瑞士人工智能，洛桑联邦理工学院） ； Google DeepMind（谷歌DeepMind） ； University of Delaware（特拉华大学）
AI总结 本文为干预性因果表示学习在弱化假设下建立块解缠的可辨识性保证，并将其应用于无标签的具身视觉状态估计，实现从图像视频恢复机器人物理变量，架起理论到实践的桥梁。
H-JEPA：用于视觉规划的分层世界模型的端到端学习
机构 * NYU（纽约大学） ； Advanced Machine Intelligence（先进机器智能） ； INRIA Paris（巴黎国家信息与自动化研究所） ； Brown University（布朗大学）
AI总结 H-JEPA提出端到端训练层次化JEPA世界模型，通过自上而下的规划与时间分解，在Visual AntMaze上将成功率从18%提升至73%，并扩展到真实机器人视频。
无需搜索的锐化：序列级功率分布的在线策略蒸馏
机构 * University of Southern California（南加州大学） ； Intel AI（英特尔人工智能）
AI总结 提出在线策略功率蒸馏（OPPD），通过序列蒙特卡洛采样和教师功率分布加权，训练模型单次生成即可实现锐化采样效果，显著提升数学推理准确率，并与GRPO互补。
MC-Sparse：解构并弥合扩散Transformer中的稠密-稀疏注意力差距
机构 * Fudan University（复旦大学） ； Tencent HY（腾讯HY） ； Shanghai Innovation Institute（上海创新研究院） ； MMLab, CUHK（香港中文大学多媒体实验室） ； Nankai University（南开大学） ； Peking University（北京大学） ； Shanghai Jiao Tong University（上海交通大学）
AI总结 MC-Sparse通过元缓存和精确KV选择，在扩散Transformer中实现高效稀疏注意力，显著加速视频和3D生成，同时保持高保真度。
Comments 11 pages, 8 figures
往返KNN聚类：有向最近邻图上的多尺度层次簇检测
机构 * São Paulo State University (UNESP)（圣保罗州立大学）
AI总结 提出往返KNN聚类方法，在有向最近邻图上多尺度检测层次簇，无需预设簇数，经细化提升聚类精度，在合成数据上表现优异。
Comments Submitted to Knowledge and Information Systems (KAIS). 32 pages, 6 figures
回到未来：重新思考芯片设计验证中智能体系统的EDA基础设施
机构 * Columbia University（哥伦比亚大学） ； Google DeepMind（谷歌DeepMind） ； Google（谷歌）
AI总结 针对芯片验证中EDA流程仍依赖人工的问题，提出端到端智能体框架BTTF，将仿真数据转为SQLite数据库并配合多智能体编排，实现自然语言查询转SQL，在150查询基准上达到95.33%准确率，推动自主验证。
Comments 40th NeurIPS'26 Workshop AI for Chip Design
T-Search：面向困难多步检索的开放智能体检索器与实验平台
机构 * T-Tech
AI总结 T-Search是一个开放权重的智能体检索器，通过有界多轮搜索和对抗性过滤训练，在七个英俄基准上显著提升Recall@10，并发布了首个原生俄语困难搜索基准TRuST。
IdeaLens：检测长篇写作中的AI创意
机构 * University of Maryland（马里兰大学） ； Google DeepMind（谷歌DeepMind） ； Simon Fraser University（西蒙弗雷泽大学）
AI总结 IdeaLens通过将文档转化为大纲来检测创意来源，区分人类与AI创意，在多种基准上保持高性能，并揭示系统性差异。
Comments 53 pages (9 main), 7 figures, 50 tables. Code: https://github.com/RishanthRajendhran/IdeaLens Models and data: https://huggingface.co/collections/rishanthrajendhran/idealens-6abee785ce6196fc0be9200f Demo: http://ideadetector.ai/
条件秩分配用于分类学感知的医学语言模型适配
机构 * National University of Singapore（新加坡国立大学） ； Shanghai General Hospital（上海市第一人民医院） ； Shanghai Jiao Tong University School of Medicine（上海交通大学医学院） ； University of Pennsylvania（宾夕法尼亚大学） ； Shandong University（山东大学） ； Syracuse University（雪城大学）
AI总结 提出ARBOR，一种基于条件秩分配的参数高效方法，通过共享低秩基和门控机制实现医学问答的专科适配，在多个基准上优于LoRA和MoELoRA。
Comments Accepted at IEEE BIBM 2026
MatrixFormer：用于矩阵补全的基础模型
机构 * Columbia University（哥伦比亚大学） ； Cornell Tech（康奈尔科技校区）
AI总结 MatrixFormer是一种预训练的矩阵原生Transformer，通过单次前向传播预测缺失项的完整分布，在零样本下于因果推断、表格填补和推荐系统等任务中达到竞争性能，成为通用矩阵补全基础模型。
Comments 17 pages, 5 figures
平衡记忆通路：混合语言模型中记忆利用的分析与改进
机构 * UNC Chapel Hill（北卡罗来纳大学教堂山分校） ； The University of Texas at Austin（德克萨斯大学奥斯汀分校） ； Mila（米拉研究所） ； Yale University（耶鲁大学）
AI总结 本文发现混合语言模型过度依赖注意力而忽视循环记忆通路，提出辅助损失以限制注意力早期访问，促进循环通路使用，提升长上下文与信息聚合任务性能。
Comments Code: https://github.com/amy-hyunji/Balancing-Memory-Pathways
双曲图表示学习：用一种度量嵌入，用另一种度量优化
机构 * Facultad de Ingeniería（工程学院） ； Universidad de la República（共和国大学）
AI总结 针对双曲空间嵌入在大半径下梯度学习失效的问题，提出用欧几里得预条件子重排布局、中间预条件子细化布局的两阶段优化方法，在真实树上损失降低46-74%。
Comments 7 pages, 2 figures
ufakzeka-karar：一种具有顺序不变选项评分的开放土耳其语类型化决策模型
机构 * ufak AI
AI总结 本文提出 ufakzeka-karar，一个 1.82 亿参数的开放土耳其语决策模型，通过顺序不变的选项评分和温度缩放概率实现高效推理，在 HakemBench 上取得有竞争力的性能，并公开权重与代码。
Comments 9 pages (text on pages 1 to 8, references on pages 8 and 9). Model, code, benchmark and demo: https://huggingface.co/ufakai/ufakzeka-karar, https://github.com/ufakai/ufakzeka-karar, https://huggingface.co/datasets/ufakai/HakemBench, https://karar.ufakzeka.com
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