StateFlow：用于预可视化的3D世界状态的构建、演化与访问
机构 * Beijing Jiaotong University（北京交通大学） ； Mootion AI ； Beijing Normal University（北京师范大学） ； Peking University（北京大学） ； Beijing Academy of Artificial Intelligence（北京人工智能研究院）
AI总结 StateFlow是一种以状态为中心的预可视化框架，通过构建、演化、访问可编辑3D世界的三阶段方法，提升生成预可视化的可控性与迭代编辑能力，可生成高质量3D世界用于视频创作和游戏原型设计。
Comments Project Page: this https URL (https://yuyangyin.github.io/StateFlow)
AVA-Encoder：面向智能体原生的视频表示学习
机构 * Qwen Business Unit of Alibaba（阿里巴巴通义千问业务部） ； ShanghaiTech University（上海科技大学） ； The Hong Kong University of Science and Technology（香港科技大学） ； Institute of Computing Technology（中国科学院计算技术研究所） ； Southeast University（东南大学）
AI总结 针对创意智能体缺乏从高质量电影学习的有效方式的问题，提出AVA-Encoder框架，其视频表示经重构优化后，在相关基准上性能优于现有方法，还发布了配套框架、基准及数据集。
DreamFly：面向空中视觉语言导航的因果记忆与后退时域扩散规划
机构 * School of Electronic Information Engineering, Xi’an Technological University（西安工业大学电子信息工程学院） ； School of Computer Science and Engineering, Xi’an Technological University（西安工业大学计算机科学与工程学院）
AI总结 DreamFly是基于Dream-VLA的扩散式空中VLN框架，通过因果记忆、后退时域扩散规划和LiteStop解耦终止，在OpenFly基准上显著优于对比方法。
Comments 24 pages, 6 figures, 3 tables
测试时的AI辅助AI：通过 harness 实现强模型到弱模型的能力迁移
机构 * Salesforce AI Research（Salesforce人工智能研究院） ； University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）
AI总结 该研究提出在测试时通过构建 harness，无需重新训练即可将强模型的认知结构迁移给弱模型，使目标模型在四个心理理论基准上的平均性能从0.49提升至0.91，为模型能力迁移提供了新的思路。
Comments 23 Pages, 12 Figures, 6 Tables
基于重分配的代价推断改进稀疏安全离线强化学习
机构 * University of the Witwatersrand（威特沃特斯兰德大学）
AI总结 针对安全离线强化学习中稀疏轨迹级停止反馈问题，提出RCI框架转换为密集每步代价，经理论证明转换无损，实验在两类任务上违规率更低且鲁棒性好。
Comments Accepted at the 1st IJCAI Workshop on Safe Physical AI (SPAI 2026), affiliated with IJCAI/ECAI 2026
超越试错：面向图像到视频一致性的智能体优化
机构 * Google Cloud（谷歌云） ； Google DeepMind（谷歌DeepMind）
AI总结 针对图像到视频模型试错效率低的问题，提出Agentic Self-Improvement框架，通过两阶段优化提升视频与文本一致性，生成视频胜率达69%，为视频生成模型提供实用可控的优化方法。
VAKRA：评估工具使用策略下跨API与检索的多跳推理能力
机构 * IBM（国际商业机器公司（IBM））
AI总结 本研究推出VAKRA基准评估工具使用策略下跨API与检索的多跳推理，发现现有最优模型在相关任务上性能随推理深度显著下降，失败集中于语言介导推理环节。
面向内存高效测试时适应的曲率感知零阶优化
机构 * Shanghai Jiao Tong University（上海交通大学）
AI总结 本文针对零阶测试时适应方法梯度估计方差高的问题，提出CAZO方法，利用损失海森结构优化扰动采样，在降内存开销的同时实现了最优跨域适应性能。
Comments Published in CVPR 2026
结构性沉默：当AI基础设施使代表性不足语言的使用者处于不利地位时
机构 * John Jay College of Criminal Justice, CUNY（纽约城市大学约翰杰刑事司法学院） ； The City College of New York, CUNY（纽约城市学院）
AI总结 本文以孟加拉语为例，指出AI基础设施的结构性缺陷使代表性不足语言使用者处于不利地位，提出数据集稀缺是结构性障碍，应采用离线优先设计以减少相关不平等。
Comments An associated poster version of this work was presented at the 69th Annual Conference of the International Linguistic Association (ILA 2026), New York, NY, April 30-May 2, 2026
XYZFlow：用于高效生成建模的多维捷径流缩放方法
机构 * CUHK（香港中文大学） ； Westlake University（西湖大学） ； Johns Hopkins University（约翰斯·霍普金斯大学）
AI总结 XYZFlow框架通过流匹配的多维缩放实现高效图像生成，兼具7.2-8.5倍的教师模型速度提升与竞争力FID，其下一捷径预测可实现更优的质量-延迟权衡。
用于增强左前降动脉三维分割的邻域注意力Transformer网络
机构 * Wayne State University（韦恩州立大学） ； Henry Ford Health（亨利福特医疗集团） ； Alexandria University（亚历山大大学） ； Michigan State University（密歇根州立大学） ； Oakland University（奥克兰大学） ； Institute for AI and Data Science, Wayne State University（韦恩州立大学人工智能与数据科学学院）
AI总结 该研究提出NA-UNETR模型，结合邻域注意力等模块，经预训练和LoRA微调，在低对比度CT中提升左前降动脉分割精度，为放疗规划提供高效心脏亚结构分割框架。
Comments Acceteed by Medical Physics 2026
一种用于检测公共采购中指控性语言的级联无监督-监督NLP流水线
机构 * Universidad San Francisco de Quito（基多圣弗朗西斯科大学） ； Universidad de Las Américas（美洲大学） ； Escuela Politécnica Nacional（国家理工学院） ； Carnegie Mellon University（卡内基梅隆大学）
AI总结 该研究针对公共采购中指控性语言检测问题，提出级联无监督-监督NLP流水线，结合Word2Vec、GMM和随机森林模型，可在类别不平衡下高效识别违规风险，提升采购透明度。
Diagram-MMU：面向科学图表的多模态基准测试
机构 * Nanjing University of Science and Technology（南京理工大学） ； Baidu Inc（百度公司） ； AIML, Adelaide University（阿德莱德大学AIML） ； SUTD（新加坡科技设计大学） ； Southeast University（东南大学） ； East China Normal University（华东师范大学） ； University of Oxford（牛津大学）
AI总结 本文构建了多模态基准测试Diagram-MMU，评估MLLMs的科学图表解析与理解能力，发现图表转代码任务更具挑战，Claude-4.6 Opus在智能体场景下表现最优。
对过去的校准赌注：面向金融时间序列预测的训练后量化
机构 * School of Computing, Montclair State University（蒙特克莱尔州立大学计算机学院）
AI总结 该研究针对S&P 500的波动率预测，探究PTQ中激活校准对4位量化的影响，发现百分位校准可缓解4位量化的性能下降，为金融预测的低精度部署提供指导。
单个冻结模拟器不够：多智能体强化学习中的模拟器崩溃问题
机构 * Northeastern University（东北大学） ； New York University（纽约大学） ； UC Berkeley（加州大学伯克利分校） ； University of Washington（华盛顿大学） ； Stanford University（斯坦福大学）
AI总结 针对人机交互多智能体强化学习中单个LLM模拟器导致的策略泛化缺陷，提出Verbalized Sampling和Co-Training两种方案，在多轮基准测试和真实用户研究中显著提升了性能，发布了开源框架SCOPE。
Comments 41 pages, 28 figures
基于报告衍生的弱标签与监督裂缝分割的自动化钻孔岩心分析
机构 * Lahore University of Management Sciences（拉合尔管理科学大学） ； Sydney Water（悉尼水务公司） ； Information Technology University（信息技术大学） ； Aurecon（奥雅纳公司） ； PI-Neuron
AI总结 该研究提出结合报告弱标签与监督裂缝分割的自动化钻孔岩心分析框架，实现缺陷间距分类与裂缝定位，相关指标为领域应用提供支撑。
Comments 18 pages, 12 figures
HAMP-LIC：面向学习型图像压缩的 Hessian 感知混合精度后训练量化
机构 * Beijing Institute of Computer Technology and Application（北京计算机技术及应用研究所） ； School of Elite Engineering, Northwestern Polytechnical University（西北工业大学精英工程学院）
AI总结 本文针对学习型图像压缩模型低比特部署的效率与精度问题，提出带四阶段优化的 HAMP-LIC 框架，实现最高4.85倍模型压缩且仅0.59%率失真损失，性能优于现有方法并消除跨平台编解码误差。
Comments Learned image compression, post-training quantization, mixed-precision quantization, Hessian-based sensitivity analysis, model compression
对抗性m-集多臂老虎机的高效近最优算法
机构 * Politecnico di Milano（米兰理工大学） ； University of Ottawa（渥太华大学） ； University of Bristol（布里斯托尔大学）
AI总结 该研究针对对抗性m-集多臂老虎机问题，提出一种高效算法，其遗憾界与EXP3-KW算法相当但仅需多项式时间，解决了相关开放问题。
基于高光谱鱼类图像的按天新鲜度估计的小样本序贯学习
机构 * School of Built Environment, Engineering and Computing, Leeds Beckett University（利兹贝克特大学建筑环境、工程与计算学院）
AI总结 针对高光谱鱼类图像的按天新鲜度估计，提出首个小样本序贯学习框架，在16天三文鱼HSI数据集上，仅用3个标注天的情况下，平均绝对误差1.58天、2天准确率72.3%，优于基线方法。
Comments Accepted at EUSIPCO'2026
SCOUT：通过结构化思维链与多目标过程奖励解锁增强型空间推理能力
机构 * Shenzhen International Graduate School, Tsinghua University（清华大学深圳国际研究生院）
AI总结 SCOUT是结合结构化思维链与多目标过程奖励的视觉-语言模型，通过定制数据集训练，在空间推理任务上超越基线模型与GPT-4o，且具备跨图像、视频的泛化能力。
Comments 26 pages, 5 figures
ScreenShot：用于少样本组合药物筛选的基础模型
机构 * Computational Oncology（计算肿瘤学） ； Memorial Sloan Kettering Cancer Center（纪念斯隆-凯特琳癌症中心）
AI总结 本研究提出用于少样本组合药物筛选的基础模型ScreenShot，其经多药物筛选数据集预训练，可通过上下文学习直接预测患者样本的组合疗法响应，在预留数据集上优于基线，还可驱动主动学习策略以降低实验预算。
信息丰度悖论：长上下文训练会破坏参数化知识
机构 * Johns Hopkins University（约翰斯·霍普金斯大学）
AI总结 该研究提出信息丰度悖论，发现长上下文训练会使模型减少参数化知识编码、增加对上下文的依赖，预训练和微调中均存在性能先升后降或鲁棒性降低的现象，表明近无穷大上下文缩放并非仅靠更多数据。
作为辅助监督的生成：通过解耦嵌入预测以零推理开销增强视觉理解
机构 * ByteDance（字节跳动）
AI总结 本研究提出GAS框架，将视觉生成作为辅助监督，通过解耦MoT架构的NEP实现零推理开销，提升了多模态理解尤其是感知与空间理解能力。
GeoFlow：基于几何对齐先验的高效驾驶视频生成
机构 * Beihang University（北京航空航天大学） ； Macquarie University（麦考瑞大学） ； Tianyi Transportation Technology Co., Ltd（天宜交通科技有限公司） ； Jiangxi Research Institute, Beihang University（北京航空航天大学江西研究院）
AI总结 GeoFlow是一款新型驾驶视频生成框架，通过构建几何对齐先验分布替代标准高斯噪声初始化，可提升生成效率与少步生成质量，减少推理步骤。
Comments Accepted at ECCV 2026
基于学习的自动驾驶行为规划：现实世界集成与部署
机构 * RWTH Aachen University（亚琛工业大学） ； Technical University of Munich（慕尼黑工业大学）
AI总结 本文提出结合机器学习与经典方法的混合规划架构，通过深度神经网络解读交通场景、优化监督层验证约束，经实车部署验证其在自动驾驶行为规划中的有效性。
Comments 17 pages; Accepted to be published as part of the 17. Uni-DAS e.V. Workshop "Fahrerassistenz und automatisiertes Fahren", September 29-30, 2026
M-Net：将谱特征与物理场算子融入深度学习用于医学图像分割
机构 * University of Sydney（悉尼大学）
AI总结 该研究提出融入数学先验的M-Net，在LiTS、KiTS、BraTS数据集上提升U-Net分割性能，证实数学归纳偏置可增强医学图像分割效果。
如何使用你的专家预算：蛋白质结构预测模型的实用指南
机构 * InstaDeep Ltd（InstaDeep公司） ； University of Oxford（牛津大学） ； Lancaster University（兰卡斯特大学）
AI总结 本研究针对蛋白质结构预测模型的专家预算约束，通过基准测试FK-steering、DPO、Best K-of-N采样及O3方法，明确不同预算下的最优方法并给出实用选择建议。
Comments Proceedings of the ICML 2026 Workshop on Structured Probabilistic Inference & Generative Modeling (SPIGM)
HSTGFormer：用于3D人体姿态估计的超时空图变换器
机构 * Durham University（杜伦大学）
AI总结 本文提出HSTGFormer框架，通过超时空图与自适应双尺度时间图实现时空耦合推理，在Human3.6M等数据集上以高准确率与计算效率完成3D人体姿态估计。
Comments Accepted to BMVC 2026, full paper
GenFAR：基于49246例多队列MRI通过深度学习得到的脑结构通用表征
机构 * University of Pennsylvania（宾夕法尼亚大学） ； University of Melbourne（墨尔本大学） ； University of Wisconsin School of Medicine and Public Health（威斯康星大学医学与公共卫生学院） ； CSIRO Health and Biosecurity（联邦科学与工业研究组织健康与生物安全部） ； CSIRO（联邦科学与工业研究组织） ； University of California, San Francisco（加利福尼亚大学旧金山分校） ； Washington University in St. Louis（圣路易斯华盛顿大学） ； University of Washington（华盛顿大学） ； Wake Forest School of Medicine（维克森林医学院） ； Johns Hopkins University School of Medicine（约翰霍普金斯大学医学院） ； Indiana University（印第安纳大学） ； University of Southern California（南加利福尼亚大学）
AI总结 GenFAR是基于49246例多队列MRI的模块化深度学习框架，通过17类任务训练得到通用脑表征，可提升二级预测器的样本效率与准确性
Map-Det3D：面向流输入的多视图3D目标检测的度量前馈3D重建先验
机构 * ETH Zürich（苏黎世联邦理工学院） ； Meta Reality Labs（元宇宙实验室） ； University of Bonn（波恩大学）
AI总结 Map-Det3D是一种在线多视图3D目标检测模型，通过将短时间窗口映射为多视图并利用前馈度量3D重建模型作为几何骨干，直接在度量3D空间预测边界框，实现了稳定的单目视频3D检测，且具有良好的在线性能与鲁棒迁移性。
Comments ECCV 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