AD-WM：用于反事实模型预测控制的动作判别世界模型
机构 * Nanjing University（南京大学）
AI总结 AD-WM提出一种动作判别世界模型，通过残差动力学和动作恢复正则化保留动作信息，显著提升反事实MPC的规划性能，在模拟和真实迁移任务中均大幅提高成功率。
Comments 9 pages, 5 figures, 4 tables. Project page: https://ad-wm.github.io/
具身强化学习中用于私有轨迹重建的时间梯度反演
机构 * University of Kentucky（肯塔基大学） ； Washington University in St. Louis（圣路易斯华盛顿大学）
AI总结 针对具身强化学习分布式训练，提出TRACE时间梯度反演攻击，利用跨时间相关性与闭式动作恢复，自回归重建私有轨迹，实现高PSNR与近完美动作恢复，且速度远超基线。
Comments Accepted at NeurIPS 2026
在线阴谋论的智能体检测
机构 * Ben-Gurion University of the Negev（内盖夫本-古里安大学）
AI总结 本研究提出一个智能体框架，利用社会上下文和工具推理，在希伯来语推文中检测阴谋论意图，显著优于文本分类及其他模型。
RAPID：从演示中进行机器人智能体编程
机构 * Massachusetts Institute of Technology（麻省理工学院） ； National University of Singapore（新加坡国立大学） ； University of Pennsylvania（宾夕法尼亚大学） ； NVIDIA（英伟达）
AI总结 RAPID从单个视觉演示自动生成、验证并改进机器人程序，采用以对象为中心的关系表示，在仿真和真实机器人上均表现优异，泛化能力强。
Rolling-WAM：具有滚动想象的世界动作模型
机构 * University of Southern California（南加州大学） ； Brown University（布朗大学） ； Fudan University（复旦大学） ； Toyota Research Institute（丰田研究院）
AI总结 Rolling-WAM通过滚动想象将联合去噪分布到连续重新规划周期，实现4.5倍稳态加速，并在LIBERO、RoboTwin和Unitree G1上保持竞争力。
Comments 10 pages, 7 figures, 5 tables. Under review. Project page: https://rolling-wam.github.io/
面向实用化的3D高斯泼溅压缩
机构 * Sun Yat-sen University（中山大学） ； Pengcheng Laboratory（鹏城实验室） ； Academy of Broadcasting Science, National Radio and Television Administration（国家广播电视总局广播电视科学研究院） ； Peking University Shenzhen Graduate School（北京大学深圳研究生院）
AI总结 提出COSA-GS，通过锚点级因果分解构建无空间聚合的上下文模型，结合量化感知训练和整数推理，实现跨平台比特级一致的3DGS高效压缩。
JevOut：自然上下文可使决策模型翻转
机构 * University of Southern California（南加州大学）
AI总结 研究发现，简短自然上下文可使Jev等决策模型在61.4%的初始正确决策上翻转至高置信度错误选项，暴露了当前决策模型的显著脆弱性。
Comments 32 pages, 5 figures, 23 tables. Homepage: https://xzx34.github.io/jevout/ ; Code: https://github.com/xzx34/JevOut
SemMSA：基于潜在语义辅助的鲁棒多模态情感分析（数据不完整）
机构 * Shandong University（山东大学） ； Shenzhen Loop Area Institute（深圳河套学院）
AI总结 提出SemMSA框架，利用大语言模型构建潜在语义，通过跨模态语义精炼与谱对齐处理不完整多模态数据，在SIMS、MOSI和MOSEI基准上取得最先进性能。
Comments Accepted by NeurIPS 2026
OmniFabric：面向3D服装重建的相干UV空间纹理合成
机构 * Carnegie Mellon University（卡内基梅隆大学） ； University of Washington（华盛顿大学） ； Texas A&M University（德克萨斯A&M大学） ； Google（谷歌）
AI总结 针对单图3D服装重建的纹理合成瓶颈，提出OmniFabric方法，在缝纫版型空间利用VLM先验和扩散Transformer实现全局相干纹理生成，显著优于现有基线。
Comments Accepted to SIGGRAPH Asia 2026. Project Page: https://humansensinglab.github.io/OmniFabric/
面向广义任务与运动规划问题的编码智能体
机构 * Fondazione Bruno Kessler（布鲁诺·凯斯勒基金会） ； Carnegie Mellon University（卡内基梅隆大学） ； Princeton University（普林斯顿大学） ； University of Cambridge（剑桥大学）
AI总结 本文研究编码智能体能否通过合成程序自动化广义任务与运动规划，实验表明其成功率优于手工规划器，且计算量低一个数量级。
Comments 9 pages, 4 figures, 3 tables
信任还是不信任：语音中的检索增强事实核查
机构 * IISER Bhopal（印度科学教育与研究学院博帕尔分校） ； King’s College London（伦敦国王学院） ； MBZUAI（穆罕默德·本·扎耶德人工智能大学）
AI总结 针对语音错误信息，提出VeriSpeak基准，发现文本到语音存在模态差距，检索加显式推理可提升语音事实核查准确率至86.1%。
Comments Accepted to EMNLP (Main) 2026
PoEM：从现有策略预测强化学习结果
机构 * MIT CSAIL（麻省理工学院计算机科学与人工智能实验室）
AI总结 PoEM框架利用现有策略预测新奖励函数下的强化学习结果，无需额外RL训练，通过线性组合对数策略实现，并在文本和图像任务上验证有效。
BiCC：面向实例感知分割的双向连通分量损失
机构 * Institute for AI in Medicine (IKIM), University Hospital Essen（埃森大学医院人工智能医学研究所） ； Institute for Anthropomatics and Robotics (IAR), Karlsruhe Institute of Technology（卡尔斯鲁厄理工学院人机交互与机器人研究所）
AI总结 提出双向连通分量损失（BiCC），从预测中派生实例以直接惩罚假阳性分量，平衡参数控制精确率-召回率权衡，在多个数据集上优于现有损失。
Comments 2 figures, 3 tables. Code: https://github.com/TIO-IKIM/BiCC-Loss
TrackEverything：通过去重3D场景表示实现长时程密集追踪
机构 * Carnegie Mellon University（卡内基梅隆大学） ； Meta
AI总结 TrackEverything通过将视频表示为世界坐标中的持久3D场景轨迹，结合体素化去重、端点与轨迹精化器及3D WAFT特征采样，在40GB内存内实现超1000帧全点密集追踪，短片段APD优于开源密集追踪器20%以上。
WanPE：面向现代文生视频的电影级提示增强
机构 * Nanjing University（南京大学） ； Wan Team, Alibaba Group（阿里巴巴集团万相团队） ； Fudan University（复旦大学） ； Tsinghua University（清华大学）
AI总结 WanPE是一个397B参数的提示增强模型，通过视频锚定的反向构建和SC-GRPO实现导演级电影规划，在5-15秒内大幅提升人类偏好，并在30秒领域与Seedance 2.5竞争。
语言模型的微创引导
机构 * Johns Hopkins University（约翰斯·霍普金斯大学）
AI总结 提出微创引导向量优化（MISVO），通过局部KL几何惩罚干预，在不更新参数的情况下优化位置特定干预，在约1B-14B参数的偏好和代码生成任务中取得最高平均奖励。
水下C3-JEPA：面向ROV打捞的以对象为中心的跨视角世界模型
机构 * Underwater Engineering Institute, Shanghai Jiao Tong University（上海交通大学水下工程研究所）
AI总结 本文提出水下C3-JEPA，一种以对象为中心的多视角预测世界模型，用于ROV打捞，通过跨视角注意力预测任务对象状态，支持MPC评估，并在真实视频中验证了其迁移能力。
Comments Submitted to the IEEE for possible publication. 12 pages, 14 figures
ReVAMP：通过重参数化实现运动学约束系统的向量加速运动规划
机构 * Purdue University（普渡大学） ； Massachusetts Institute of Technology（麻省理工学院）
AI总结 本文提出ReVAMP，一种基于解析逆运动学重参数化规划空间的向量化运动规划方法，通过暴露并行性解决现有低效问题，在高达20维复杂约束系统中实现比最先进技术快10倍的微秒级规划，并促进顺序操作流程的重组。
多模态大语言模型中的对齐错觉
机构 * University of Science and Technology of China（中国科学技术大学）
AI总结 本研究揭示多模态大语言模型中视觉-文本对齐分数可能仅反映权重诱导的伪相似性，并提出主角度间隙（PA gap）作为更可靠的几何诊断指标，以准确反映视觉流与任务表现的关系。
Comments Accepted to NeurIPS 2026
电子健康记录信息检索的活基准
机构 * Stanford University（斯坦福大学） ； Stanford Cancer Center（斯坦福癌症中心） ； Weill Cancer Hub West（威尔癌症中心西部分中心） ； Stanford School of Medicine（斯坦福医学院）
AI总结 提出可自动生成问答对的活基准BRIE，经临床医生验证，可持续更新，用于严格评估临床LLM在EHR信息检索中的性能，发现现有系统常遗漏重要信息。
ExplorationBench：在可验证的外星世界中衡量AI系统的探索能力
机构 * Fudan University（复旦大学） ； Hunyuan Team Tencent（腾讯混元团队） ； Tsinghua University（清华大学）
AI总结 ExplorationBench通过可执行规则与冲突知识的外星世界沙盒，将科学探索评估转化为可验证任务，实验表明最强AI能获取新规则但性能波动且探索可能停滞。
SAGE：通过拓扑引导缓解长程推理偏差
机构 * Virginia Tech（弗吉尼亚理工大学） ； University of Wisconsin Madison（威斯康星大学麦迪逊分校） ； Dartmouth College（达特茅斯学院）
AI总结 SAGE通过代数稀疏化和双曲结构引导，统一缓解长程推理中的探索与复合偏差，在12个基准上超越基线，并在Andrews-Curtis问题上实现8倍改进。
Comments Accepted by NeurIPS 2026
Ego-Exo4D 人体网格数据集：面向 Ego-Exo 捕捉的 4D 人体运动重建
机构 * The University of Texas at Austin（德克萨斯大学奥斯汀分校）
AI总结 针对 Ego-Exo4D 仅含稀疏 3D 姿态标注的问题，提出 Ego-Exo4D-HM 大规模 4D 人体运动重建数据集及配套流程，促进技能学习与具身 AI 研究。
Comments Project website: https://abhiram824.github.io/egoexo4d_human_meshes
ARGUS：面向美国就业歧视投诉的角色感知事件知识图谱
机构 * University of Massachusetts Amherst（马萨诸塞大学阿默斯特分校） ； Bloomberg（彭博）
AI总结 针对美国就业歧视投诉，提出ARGUS流水线，结合5W1H模式和法律模型构建文档级事件知识图谱，实验表明图结构分类优于基线，且EKG检索提升文档级问答。
Comments 9 pages, NLLP
面向Roblox游戏搜索中多组件查询理解的搜索感知强化学习
机构 * Emory University（埃默里大学） ； Roblox Corporation（Roblox 公司）
AI总结 提出搜索感知强化学习框架，通过蒸馏-强化学习范式优化Roblox搜索中多组件查询理解，组件级奖励提升NDCG@20达8.9点。
音频语言模型在听觉与阅读时是否以相同方式表征区别性特征？
机构 * Thayer School of Engineering, Dartmouth College（达特茅斯学院塞耶工程学院）
AI总结 本研究探究音频语言模型在语音和文本输入下是否以相同方向表征区别性特征，发现仅Qwen2.5-Omni模型的浊音特征显著，且模型家族而非规模决定模态差异。
一种具有词元级转录歧义容忍度的自动语音识别训练准则
机构 * Indian Institute of Science (IISc)（印度科学研究院）
AI总结 针对转录歧义，提出词元级通配符弧的CTC变体OTC，结合词元与词级逃逸路径及熵索引调度，在19语言25任务上优于CTC，平均相对WER降低9.45%。
Comments 5 pages, 2 figures, 4 tables; submitted to ICASSP 2027
基于图推理与拓扑感知的多智能体强化学习用于大规模铁路网络管理
机构 * ETH Zürich（苏黎世联邦理工学院） ； University of Oxford（牛津大学） ； The Pennsylvania State University（宾夕法尼亚州立大学） ； Technical University of Munich（慕尼黑工业大学）
AI总结 针对大规模铁路网络管理，提出结合图推理与拓扑感知多智能体强化学习框架，实现零样本迁移，显著优于现有基线。
GRASP：基于智能体AI的战略规划生成、修订与评估
机构 * University of Maryland, College Park（马里兰大学帕克分校） ； NEC Laboratories America, Inc.（NEC美国实验室公司）
AI总结 GRASP是一个策略感知的多阶段规划框架，通过解耦生成、修订和评估模块，显著提升了复杂任务中LLM的规划准确率，并在多任务场景下消除了性能下降。
Comments Accepted at the Second Workshop for Research on Agent Language Models (REALM) at EMNLP 2026
接触作为决策变量：腿式移动操作中能力权衡的接触选择
机构 * George Mason University（乔治梅森大学） ； University of Florida（佛罗里达大学）
AI总结 本文提出能力权衡接触选择（CTCS）方法，用于腿式移动操作中联合选择支撑接触与全身配置，通过预测能力并加速优化，在仿真和硬件实验中优于固定接触方案。
Comments 9 pages, 6 figures
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