Reframe：面向智能体视觉推理的观测对齐多教师在线策略蒸馏
机构 * Nanjing University（南京大学） ； Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所）
AI总结 Reframe是面向智能体视觉推理的后训练框架，通过GD-GRPO与OG-MOPD两个互补阶段，在14个图像视频基准上优于Mix-RL和普通MOPD，提升了观测依赖度与工具增益。
机构 * Huazhong University of Science and Technology（华中科技大学）
AI总结 该研究提出WICL范式与RoboScript基础设施，通过模拟复现和任务记忆实现机器人操作学习，在RoboTwin 2.0 50个任务上平均成功率达83.4%，性能优于最强训练策略。
Comments Project Page: https://ArcheOne-AI.github.io/RoboScript
机构 * Elmore Family School of Electrical and Computer Engineering, Purdue University（普渡大学埃尔莫尔电气与计算机工程学院）
AI总结 本研究针对子群体偏移导致模型泛化差的问题，扩展高斯特征模型框架，发现多种子群体数据配置可达到与平衡配置相当的性能，提出梯度调整方向，表明策略性数据分配比简单平衡更具优势。
Comments NeurIPS 2026
超越模态偏好：控制多模态大语言模型（MLLMs）中模态冲突下的模态仲裁
机构 * Elmore Family School of Electrical and Computer Engineering, Purdue University（普渡大学埃尔莫尔家族电气与计算机工程学院）
AI总结 针对MLLMs在模态冲突下不可靠的问题，识别出仲裁头并提出轻量无训练的推理干预方法，实现对模态依赖的双向控制，使预测与任务模态优先级对齐。
Comments WACV 2027
机构 * Mila – Quebec AI Institute（米拉-魁北克人工智能研究所） ； Université de Montréal（蒙特利尔大学） ； Institut Courtois（库尔图瓦研究所） ； Valence Labs（瓦伦斯实验室）
AI总结 本研究提出KC-Maps方法，仅用无轨迹边际样本及SDE的漂移、扩散系数学习转移核，可高效模拟肽分子系统，在GPU小时消耗上优于经典分子动力学。
机构 * University of Washington（华盛顿大学） ； University of North Carolina at Chapel Hill（北卡罗来纳大学教堂山分校） ； Johns Hopkins University（约翰斯·霍普金斯大学） ； Skild AI
AI总结 提出Grasping-the-Future模型，结合掩码时空补全与流匹配，从互联网视频中学习3D手-物体运动，在多预测任务上性能优于现有方法，且轨迹具几何物理合理性。
机构 * University of Virginia（弗吉尼亚大学）
AI总结 本文提出Click3R框架，通过轻量级适配器将用户提供的稀疏对应点击转化为几何约束注入三维重建网络，可仅用一次点击修正模型错误，在两类基准上均提升重建性能。
Comments NeurIPS 2026. Project page: https://uva-computer-vision-lab.github.io/click3r/
HiVe-Mem：用于多模态智能体的水平记忆扩展与垂直证据组合的交织方法
机构 * Nanyang Technological University（南洋理工大学） ； Tsinghua University（清华大学） ； Sun Yat-sen University（中山大学） ； Aumovio Singapore Pte. Ltd.（Aumovio 新加坡私人有限公司）
AI总结 HiVe-Mem是一种多模态记忆框架，通过水平记忆扩展与垂直证据组合交织，在三个多模态记忆基准上提升任务性能，同时减少约90%的令牌消耗。
Comments Code is available at https://github.com/ViktorAxelsen/HiVe-Mem
机构 * Lewis-Sigler Institute for Integrative Genomics, Princeton University（普林斯顿大学刘易斯-西格勒整合基因组学研究所） ； Department of Computer Science, Princeton University（普林斯顿大学计算机科学系） ； Vertaix（维泰克斯公司）
AI总结 本研究提出从多样性视角出发的Vendi异常分数（VAS），无需超参数调优，在148个基准嵌入数据集及ImageNet实验中均实现了最优异常检测性能。
Comments Accepted to the NeurIPS 2026 Main Track
机构 * Shanghai Jiao Tong University（上海交通大学） ； Shanghai Innovation Institute（上海创新研究院） ； Noematrix Ltd.（诺伊矩阵有限公司） ； Westlake University（西湖大学） ； Tongji University（同济大学）
AI总结 该研究针对世界动作模型的语言-视频对齐问题，构建多类型视频数据集，通过联合训练方案与架构优化提升性能，在机器人任务上实现优于基线的泛化能力并公开相关资源。
对齐现象出现在何处以及其意义是什么？对柏拉图表征假说的深入探究
机构 * Helmholtz Munich（亥姆霍兹慕尼黑） ； 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） ； LTCI, Télécom Paris, Institut Polytechnique de Paris（法国巴黎综合理工学院巴黎电信学院LTCI实验室）
AI总结 本研究探究单模态模型间对齐的出现位置，证实PRH的能力-对齐趋势对更新模型仍成立，发现单模态模型跨模态对齐可超显式对齐的视觉-语言模型，但弱于同模态模型间的对齐。
Comments NeurIPS 2026 Workshop on Neural Network Artifacts as a New Data Modality (Spotlight)
机构 * Carnegie Mellon University（卡内基梅隆大学）
AI总结 该研究发现角色泛化中存在“在线”现象，其概率单位线性关系在Qwen、Llama等模型间一致，微调层会改变斜率，仅微调后续层可减少不安全行为的领域间失配，为预测控制行为迁移提供定量框架。
Comments 55 pages
WorkflowArena：基于大语言模型的多智能体系统中可执行工作流编排的基准测试
机构 * Navers Lab, Einsia.AI, Tsinghua University（Navers实验室、Einsia.AI、清华大学）
AI总结 该研究推出WorkflowArena基准，涵盖8领域145项长周期任务，测试多智能体系统的工作流编排能力，实验显示不同模型委派策略有差异，Claude Opus 5.5的工作流可提升弱执行器性能。
Comments Project page: https://lab.einsia.ai/workflowarena
基于AI的淋巴结构与肿瘤微环境特征分析揭示肺鳞状细胞癌新辅助治疗后成熟三级淋巴结构、淋巴结滤泡及浆细胞减少
机构 * Aignostics GmbH（Aignostics公司） ； Institute of Pathology, University Hospital Schleswig-Holstein (UKSH), Campus Luebeck（基尔大学医院病理学研究所） ； Schoen Clinic Group Neustadt（诺伊施塔特 Schoen 诊所集团） ； University of Luebeck（吕贝克大学） ； Institute of Pathology, Charité – Universitätsmedizin Berlin（柏林夏里特医学院病理学研究所） ； Research Center Borstel, Leibniz Lung Center（博斯特勒研究中心莱布尼茨肺科中心） ； PATHORA Institute of Pathology and Tissue Medicine（PATHORA病理学与组织医学研究所） ； Medical Clinic III for Oncology, Hematology, Immune-Oncology and Rheumatology, University Hospital Bonn (UKB)（波恩大学医院第三内科（肿瘤学、血液学、免疫肿瘤学和风湿病学）） ； BIFOLD – Berlin Institute for the Foundations of Learning and Data（柏林学习与数据基础研究所） ； Institute of Pathology, Ludwig-Maximilians-University（慕尼黑路德维希-马克西米利安大学病理学研究所） ； German Cancer Consortium (DKTK), German Cancer Research Center (DKFZ)（德国癌症联盟（DKTK），德国癌症研究中心（DKFZ）） ； Bavarian Cancer Research Center (BZKF)（巴伐利亚癌症研究中心（BZKF））
AI总结 本研究通过AI分析HE切片发现，肺鳞状细胞癌新辅助治疗后成熟三级淋巴结构、淋巴结滤泡及浆细胞减少，基质浆细胞密度等可作为潜在预后生物标志物。
机构 * Tsinghua University（清华大学） ； Shanghai Qi Zhi Institute（上海期智研究院）
AI总结 本文通过分块PCA揭示像素空间流匹配中v-预测失效的带宽瓶颈，提出RiT模型恢复v-预测并在ImageNet 256×256上取得竞争力性能，为预测目标与架构带宽的相互作用提供新视角。
Comments Accepted as a Spotlight paper at NeurIPS 2026. Our code is available at https://github.com/THUMAI-Lab/RiT
机构 * SKLSDE Lab, Beihang University（北京航空航天大学SKLSDE实验室） ； Zhongguancun Laboratory（中关村实验室） ； Li Auto Inc.（理想汽车公司） ； Institute of Artificial Intelligence, Peking University（北京大学人工智能研究院） ； Tsinghua University（清华大学） ； The Chinese University of Hong Kong（香港中文大学） ； Institute of data space, Hefei Comprehensive National Science Center（合肥综合性国家科学中心数据空间研究院）
AI总结 本研究针对大型语言模型智能体的欺骗问题，提出评估侧部分可观察扩展式博弈（e-PoG）框架，推导双时间尺度策略梯度算法，在多数据集上较基线方法显著提升欺骗缓解率与任务成功率。
Comments 44 pages, 10 figures. Code: https://github.com/Toyoid/deceptive-agent; Project website: https://shutongliu-dev.github.io/epog-agentic-deception/
机构 * Google Research（谷歌研究院） ； Noetive（诺特维） ； Google DeepMind（谷歌DeepMind）
AI总结 该研究提出MaxIM框架，将增量摘要建模为容量受限的信息论奖励塑造问题，通过参数化非对称评判器缓解信用分配问题，在长程任务上优于多种基线且无需人类偏好标签。
Comments Accepted at the 40th Conference on Neural Information Processing Systems (NeurIPS 2026)
机构 * Robyn Dawes Institute（罗宾·道斯研究所）
AI总结 本研究构建含100个植入错误的心理学论文基准，测试前沿模型与商业AI评审工具的效果，发现集成系统捕获93个错误，遗漏错误均为信息删除，成果公开可用于跨学科基准构建。
Comments 5 pages; accepted at Cognitive Security for Human-AI Systems (CogSec 2026), a non-archival workshop at ACM HCOMP / CI 2026
用于超声引导股静脉穿刺的静脉可压缩性模拟：速度、精度与体模验证
机构 * University of Minnesota（明尼苏达大学） ； Lightside Surgical（莱特赛德外科公司） ； Healtcare Corporation of America（美国医疗保健公司） ； HCA HealthONE ； University of Minnesota Medical School（明尼苏达大学医学院）
AI总结 本研究在NVIDIA Isaac Sim中构建基于物理的静脉可压缩性模拟，实现了快速高精度的血管塌陷预测，可用于增强自主超声引导股静脉穿刺的强化学习训练或在线模拟。
Comments Submitted to the Journal of Medical Robotics Research (JMRR) for the International Symposium of Medical Robotics 2027 (ISMR 2027) 11 Pages (8 main + 3 references), 4 figures in main body
面向拆卸指令的自动化知识获取流水线：NLP与生成式AI框架的对比
机构 * Laboratory for Machine Tools and Production Engineering (WZL) RWTH Aachen University（亚琛工业大学机床与生产工程实验室（WZL））
AI总结 针对中小企业拆卸自动化受产品复杂度阻碍的问题，本文对比了基于规则的NLP框架与LLM生成式AI框架在提取拆卸指令上的性能，为拆卸过程自动化提供数据基础。
Comments 20th CIRP Conference on Intelligent Computation in Manufacturing Engineering
机构 * School of Computing and Augmented Intelligence, Arizona State University（亚利桑那州立大学计算与增强智能学院） ； DEVCOM Army Research Laboratory（DEVCOM陆军研究实验室）
AI总结 本研究针对高维反事实推理的反演步骤必要性展开研究，评估从图像编辑文献重新设计的无反演方法，在CelebA、ADNI数据集上对比基于反演与无反演方法的有效性和身份保留指标，呈现二者权衡。
Comments Accepted to IEEE BigData 2026
2D Gum-Net：基于对称相关性与谱池化的无监督密集弹性图像配准
机构 * Google（谷歌公司）
AI总结 提出2D Gum-Net，将Gum-Net迁移至2D弹性配准，用DCT谱池化提升速度，在FVC2004上结构相关性提升15.7%，零样本在真实指纹基准验证，可恢复真实结构且无虚假对应。
Comments 19 pages, 11 figures, 3 tables. Accepted at the NewInML Workshop at the 40th Conference on Neural Information Processing Systems (NeurIPS 2026)
机构 * University of Bonn（波恩大学） ； Lamarr Institute（拉马尔研究所） ； ETH Zürich（苏黎世联邦理工学院） ； Microsoft（微软）
AI总结 针对真实机器人操作基准的可复现性与复杂性问题，本文提出随机挑战范式，构建移动操作基准并比较不同实验室的两台机器人。
Comments Accepted at the 10th Conference on Robot Learning (CoRL 2026). 15 pages, 3 figures
Agentic-OPD：通过策略内蒸馏恢复智能体任务中被遗忘的智能体能力
机构 * Baidu, Inc.（百度公司） ； Beijing Jiaotong University（北京交通大学）
AI总结 Agentic-OPD利用强化学习训练LLM智能体时丢弃的检查点构建教师池，通过HCN策略和LAD模块恢复被遗忘的能力，在多任务上提升性能，4B学生模型超越GPT-5.6等前沿模型。
Comments 10 pages of main text, 24 pages total including references and appendix
机构 * Xidian University（西安电子科技大学） ； Chongqing University of Posts and Telecommunications（重庆邮电大学） ； Northwest University（西北大学）
AI总结 本文针对现有EEG-图像检索方法未充分利用神经分层视觉信息的问题，提出DTHA框架，结合CLIP与DINOv2的互补监督，在THINGS-EEG零样本检索任务中准确率达92.4%，性能优于现有最优方法。
Comments 13 pages, 11 figures
基于智能手机的深度感知透射成像技术用于检测鸡胸肉中的鸡胸肌病
机构 * University of Arkansas（阿肯色大学）
AI总结 本研究开发了基于智能手机的透射成像与三维点云框架，结合多模态特征与集成模型，实现了鸡胸肉木质胸肌病的无损严重程度分类，准确率达约90%。
机构 * The Chinese University of Hong Kong（香港中文大学） ； Shenzhen Loop Area Institute（深圳河套学院）
AI总结 该研究提出基于LLM的通用AutoML框架NCode，将AutoML多配置优化重构为排序任务，在多基准测试及十亿参数扩散Transformer优化中展现出色性能与可解释性，为通用开放世界ML优化提供新途径。
机构 * CY Cergy Paris Université（赛吉巴黎塞尔吉大学） ； ENSEA（法国高等电子与数字技术学院） ； CNRS（法国国家科学研究中心） ； Université d’Orléans（奥尔良大学） ； INSA CVL（中央-卢瓦尔河谷国立应用科学学院） ； University of Twente（特温特大学） ； Université de Technologie de Troyes（特鲁瓦技术大学）
AI总结 该研究提出TEA-Prompt，通过标记评估模块与注意力行为锚定损失，在仅0.38M参数下，于CIFAR-100等数据集实现低遗忘的最优持续学习性能。
Comments Accepted at WACV 2027
LogCDM：基于行为图漂移与自适应信号融合的可解释日志异常检测
机构 * Purdue University Fort Wayne（普渡大学韦恩堡分校）
AI总结 本文提出LogCDM，一种无需GPU的紧凑日志异常检测器，通过融合三种互补信号实现检测，在多个基准数据集上达到优异性能，且可解释性强。
Comments 18 pages, 3 figures, 9 tables
机构 * The Ohio State University（俄亥俄州立大学）
AI总结 针对偏好优化中偏好数据含噪声的问题，提出细粒度鲁棒对齐框架 PORT，通过 token 级重加权抑制受损 token，实验显示其鲁棒性优于序列级基线。
Comments 10 pages, 4 figures, neurips 2026
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