OmniAssistBench：面向全模态大语言模型（Omni-LLMs）的助手式交互基准
机构 * Nankai University（南开大学） ； University of Waterloo（滑铁卢大学） ； Nanjing University（南京大学）
AI总结 针对全模态大语言模型助手式交互的评估瓶颈，构建OmniAssistBench数据集，实验显示Gemini-3-Pro、Qwen3-Omni-Instruct表现存在差距，当前模型在多轮交互等方面仍有不足。
Comments Project page: this https URL (https://xianyunsun.github.io/OmniAssistBench/)
利用太空机器人开展地外采矿：探测、采样与提取
机构 * Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所） ； OpenSpace Lab（OpenSpace实验室） ； School of Computation, Information and Technology, Technical University of Munich（慕尼黑工业大学计算、信息与技术学院） ； University Research and Innovation Center, Obuda University（欧布达大学大学研究与创新中心） ； School of Mechanical Engineering and Automation, Beihang University（北京航空航天大学机械工程及自动化学院） ； School of Earth and Space Sciences, Wuhan University（武汉大学地球与空间科学学院） ； Faculty of Mathematics and Computer Science, University of Würzburg（维尔茨堡大学数学与计算机科学学院） ； School of Architecture & Urban Planning, Shenzhen University（深圳大学建筑与城市规划学院） ； School of Mechanical and Electrical Engineering, China University of Mining and（中国矿业大学机电工程学院）
AI总结 本文全面概述太空采矿机器人及相关技术，定义太空采矿六阶段架构，整理研究资源，明确关键挑战并规划战略路线图，推动可持续地外经济发展。
VIALS：生命科学领域人工产物视觉解释基准
机构 * Handshake AI
AI总结 研究针对生命科学人工产物视觉解释的需求，构建含161项任务的VIALS基准，发现前沿视觉语言模型在该任务上存在领域知识与推理局限，凸显AI需具备此类能力以服务生命科学工作流。
ViTacPhys：基于人类视觉-触觉演示的感知物体物理属性的抓取方法
机构 * Xiaomi Robotics（小米机器人）
AI总结 该研究提出ViTacPhys视觉-触觉框架，可从人类演示中估计物体物理属性，迁移至机器人后实现高抓取成功率，力曲线更贴合人类遥操作。
Comments 11 pages, 7 figures. Project page: this https URL (https://vitacphys.github.io/ViTacPhys/)
自精化流水线中的非对称容量分配
机构 * Drexel University（德雷塞尔大学） ； University of California Irvine（加州大学欧文分校）
AI总结 本研究针对自精化流水线开展分阶段模型规模研究，发现生成、修订阶段需更大模型，批判阶段对规模不敏感，为多阶段语言模型系统的非对称容量分配提供了实用指导。
短期定价面板中的跨设计不确定性：来自模拟价格轨迹的证据
机构 * Universidad de Huelva（韦尔瓦大学）
AI总结 本文针对短期定价面板的跨设计不确定性，通过合成数据模拟，明确其占估计误差方差97.6%，给出经验关系，发现Paule-Mandel方差成分可提升覆盖率，为数据生成过程设计提供方向。
Comments 24 pages
解剖学先验引导神经网络：在损失函数与架构中编码解剖学先验，并结合导丝诱导主髂动脉变形的SE(3)公式
机构 * The Johns Hopkins Hospital（约翰斯·霍普金斯医院）
AI总结 该研究提出解剖学先验引导神经网络（AINN），结合SE(3)公式处理导丝诱导主髂动脉变形问题，通过编码解剖学先验提升模型在数据稀缺时的泛化能力，为自主血管内导航提供支撑。
Comments 42 pages, 10 figures, 4 tables
NeSAM：用于越野移动的带土壤自适应的神经符号运动动力学模型
机构 * George Mason University（乔治梅森大学） ； University of Catania（卡塔尼亚大学）
AI总结 NeSAM是结合Bekker-Wong地面力学与Transformer残差模型的神经符号框架，可在线估计土壤参数，在模拟与真实越野场景中提升运动预测准确率及轨迹跟踪精度。
逐步推进：测量与引导大语言模型开展心理治疗的方式
机构 * Sword Health ； Yale University（耶鲁大学） ； Instituto Superior Técnico（高等技术学院）
AI总结 本研究提出基于MULTI-60清单的10种治疗动作本体，对比大语言模型与人类临床医生的心理治疗动作分布，发现模型过度使用询问、忽视心理教育，通过公开该本体可提升模型与人类治疗师的动作对齐度。
凸集图上的斯坦纳旅行商问题的统一分支定界搜索
机构 * School of Computing Science, Simon Fraser University（西蒙菲莎大学计算科学学院）
AI总结 本文针对凸集图上的斯坦纳旅行商问题提出统一分支定界搜索方法，结合两种遍历策略在移动操作臂检查任务中取得优于近期基线的性能。
从法规到实施：对工业中大型语言模型（LLM）辅助法规合规性的批判性评估
机构 * School of Engineering Technology, Purdue University（普渡大学工程技术学院）
AI总结 该研究针对工业中LLM辅助法规合规性的研究缺口，探索数据提取指令和法规模糊性对LLM生成合规文档质量与一致性的影响，发现不同严格程度的法规指南对LLM输出的一致性和幻觉情况有不同影响。
Comments 10 pages, 4 figures
重新思考测试时训练的表达性与效率
机构 * Fraunhofer IOSB（弗劳恩霍夫IOSB研究所） ； National University of Singapore（新加坡国立大学） ； Lamarr Institute for Machine Learning and Artificial Intelligence（拉马尔机器学习与人工智能研究所） ； University of Bonn（波恩大学） ； Karlsruhe Institute of Technology (KIT)（卡尔斯鲁厄理工学院）
AI总结 该研究针对测试时训练难以平衡表达性与效率的问题，提出E²-TTT方法，通过推导闭式状态转移实现并行分块训练，在语言建模、上下文检索及长上下文外推任务中表现优异，兼顾性能与训练效率。
机构 * University of Sheffield（谢菲尔德大学）
Re³Cap：基于强化学习的图像字幕增强的检索引导优化
机构 * Taobao & Tmall Group of Alibaba（阿里巴巴淘宝和天猫集团） ； The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）） ； Shanghai Artificial Intelligence Laboratory（上海人工智能实验室）
AI总结 本文提出Re³Cap方法，利用多模态检索作为推理信号，通过CRS和CQA优化图像字幕，在COCO-LN500基准上关系推理性能较GRPO提升8.64%，优于SFT。
Comments Accepted to EMNLP 2026 Main Conference
当适应适得其反：将表征漂移与MedSAM微调中的分布外故障关联起来
机构 * University of Zagreb（萨格勒布大学） ； University of Twente（特温特大学）
AI总结 本研究分析MedSAM的六种微调策略在不同医学图像数据集上的泛化表现，发现仅编码器LoRA等策略可缓解远分布外性能下降，提示随机抖动能提升模型鲁棒性。
Comments Accepted at the SAFER Workshop, MICCAI 2026
AUSO：从内化到利用的动作级统一技能优化
机构 * University of Science and Technology of China（中国科学技术大学） ； University of New South Wales（新南威尔士大学） ； University of Chinese Academy of Sciences（中国科学院大学） ； Xi’an Jiaotong-Liverpool University（西交利物浦大学）
AI总结 AUSO是一种统一技能学习与使用的动作级优化方法，通过渐进式过程解决现有技能建模问题，在ALFWorld等数据集上提升了智能体性能与分布外泛化能力。
VT-MUSE：面向操作任务的多模态统一时序视觉-触觉表示学习
机构 * Shanghai Jiao Tong University（上海交通大学） ； Xense Robotics（Xense机器人公司） ； BUPT（北京邮电大学）
AI总结 本研究提出VT-MUSE视觉-触觉多模态统一时序表示学习框架，通过两阶段学习解决现有方法的跨模态依赖捕获与时序接触演化忽略问题，在仿真和真实操作任务中性能优于基线
用于条件流匹配的难度校准插值路径
机构 * Khulna University of Engineering & Technology（库尔纳工程技术大学） ； North Western University（西北大学）
AI总结 针对条件流匹配插值调度预先固定的问题，提出难度校准流匹配，通过模型预运行的难度分布推导调度，在稀缺计算场景下提升了生成模型的FID性能。
WildFin：用于鱼类行为识别的野外数据集
机构 * Cornell University（康奈尔大学） ； University of Colorado Boulder（科罗拉多大学博尔德分校） ； HHMI Janelia Research Campus（HHMI珍妮亚研究园区）
AI总结 针对复杂海洋环境中鱼类行为识别模型失效问题，推出WildFin野外数据集，经大规模整理标注后对视觉基础模型测试，发现其与现实需求存在显著差距。
Comments 31 pages, 4 figures ECCV Marine 26 Workshop
CLEAR：用于保持效用的大语言模型安全对齐的连续潜在适配器路由
机构 * Stanford University（斯坦福大学） ； University of Illinois at Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； Siebel School of Computing and Data Science, University of Illinois at Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校西贝尔计算与数据科学学院） ； Computer Science, Stanford University（斯坦福大学计算机科学系）
AI总结 本研究提出CLEAR框架，通过轻量型隐藏状态门控控制安全低秩适配器的激活强度，在降低LLM有害输出的同时，减少了全局安全调优带来的效用损失，实现了安全与效用的更好平衡。
ConceptTS：用于可解释多变量时间序列预测的大语言模型引导概念瓶颈
机构 * Stanford University（斯坦福大学） ； University of California, Davis（加州大学戴维斯分校）
AI总结 ConceptTS是围绕人类可理解概念的可解释多变量时间序列预测框架，利用大语言模型生成概念与标注规则，在空气质量数据集上达到与黑箱基线相当的准确率，且决策过程可解释。
海岸线作为结构约束：利用场景几何实现自主水面船定位
机构 * Brigham Young University（杨百翰大学）
AI总结 本研究提出两种利用海岸几何的自主水面船定位框架，经多数据集验证，LiDAR管线提升轨迹精度，单目架构控制长期漂移，且零样本基础模型可可靠提取海岸线观测，为无GPS海上定位提供新方案。
Comments 22 pages, 13 figures, 7 tables
记忆增强解锁高效思维链推理
机构 * Institute of Information Engineering, Chinese Academy of Sciences（中国科学院信息工程研究所） ； School of Cyber Security, University of Chinese Academy of Sciences（中国科学院大学网络空间安全学院） ； Baidu Inc.（百度公司） ； Tencent Inc.（腾讯公司）
AI总结 该研究提出无需训练的记忆增强压缩框架，构建可复用推理记忆提升思维草稿压缩效果，在多任务上获显著准确率提升并加速推理，兼容多种压缩机制。
跨田间分布偏移下的农业杂草检测可迁移性研究
机构 * The University of Texas at Dallas（德克萨斯大学达拉斯分校） ； The University of Texas at Tyler（德克萨斯大学泰勒分校） ； Air Force Research Lab（空军研究实验室）
AI总结 本研究针对跨田间分布偏移下的农业杂草检测可迁移性问题，构建棉花与大豆无人机杂草数据集，对比少样本微调与无监督域自适应目标检测，发现少样本微调仅需25个标注样本即可实现更优跨作物检测性能。
从发明人风格的披露文件进行专利撰写的基准测试
机构 * University of Cambridge（剑桥大学） ； Chinese Academy of Sciences（中国科学院） ； University of Chinese Academy of Sciences（中国科学院大学）
AI总结 本研究针对从发明人风格披露文件生成专利申请的现实需求，构建了Dis2Pat数据集，并提出可本地部署的多智能体框架Patent-MAF，实验表明该框架在专利撰写任务上表现优于多数开源模型且可与闭源模型竞争。
Comments Accepted to EMNLP 2026
视觉-语言-动作模型中用于令牌压缩的刚可察觉差异建模
机构 * The Hong Kong Polytechnic University（香港理工大学） ； Nanyang Technological University（南洋理工大学） ； Bytedance Inc.（字节跳动公司） ； Shandong University（山东大学） ； CNRS（法国国家科学研究中心） ； CentraleSupelec（中央理工学院） ； Université Paris-Saclay（巴黎萨克雷大学）
AI总结 本文针对视觉-语言-动作模型的令牌压缩问题，提出Action-JND方法，通过动作容忍度准则优化压缩，在LIBERO基准实验中提升了激进压缩下的压缩可靠性。
Comments 15 pages, 5 figures
VLM 的回答并非异常分数：无训练视频异常检测中的排名压缩
机构 * SungKyunKwan University（成均馆大学）
AI总结 该研究针对基于VLM的无训练视频异常检测，发现生成式回答读出存在排名压缩问题，提出概率读出方法可提升性能，证明回答接口是该类检测器的关键组成部分。
Comments Preprint
情感语境会放大大型语言模型（LLM）回复中的奉承行为
机构 * Penn State University（宾夕法尼亚州立大学） ； Villanova University（维拉诺瓦大学）
AI总结 该研究发现，在主观评价互动中，7个LLM在两个Reddit数据集上的奉承偏差会被用户的负面情绪（尤其是孤独、痛苦）放大，模型会通过回避型奉承抑制关键反馈。
RARE：在混合专家（MoE）语言模型中解耦表示调控与专家路由
机构 * Huazhong University of Science and Technology（华中科技大学） ； AIDX TECH PTE. LTD.（AIDX科技私人有限公司） ； National University of Singapore（新加坡国立大学）
AI总结 针对表示工程直接应用于MoE模型的结构不匹配问题，提出与路由无关的RARE框架，通过投影扰动到路由矩阵零空间并修正路由漂移，在三类调控任务中实现了更优的有效性-效用权衡。
Comments 20 pages, 3 figures. Paper accepted to the Actionable Interpretability Workshop at COLM 2026
面向大规模旅行商问题的广义分区交叉算法的细粒度GPU并行化
机构 * Seattle University（西雅图大学） ； Colorado State University（科罗拉多州立大学）
AI总结 该研究针对大规模旅行商问题，提出了广义分区交叉算法分区阶段的细粒度GPU并行实现，通过CUDA相关技术实现算子级并行，在1万至200万城市规模实例上取得48倍至625倍加速，提升了遗传算法求解器的可扩展性。
Comments accepted to NiHPC, PPSN 2026. Draft in preparation for a journal article
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