QDSB: Quantized Diffusion Schrödinger Bridges
AI总结 在源分布和目标分布仅通过未配对样本指定的情况下,生成模型的学习变得越来越重要。本文提出了一种名为QDSB的量化扩散Schrödinger桥方法,用于加速无模拟Schrödinger桥的训练过程。该方法通过在锚点量化后的分布上计算端点耦合,并通过单元采样将结果映射回原始数据点,从而减少计算成本并保持全局传输结构的稳定性。实验表明,QDSB在保持样本质量的同时显著提升了训练效率。
AI总结 在源分布和目标分布仅通过未配对样本指定的情况下,生成模型的学习变得越来越重要。本文提出了一种名为QDSB的量化扩散Schrödinger桥方法,用于加速无模拟Schrödinger桥的训练过程。该方法通过在锚点量化后的分布上计算端点耦合,并通过单元采样将结果映射回原始数据点,从而减少计算成本并保持全局传输结构的稳定性。实验表明,QDSB在保持样本质量的同时显著提升了训练效率。
AI总结 本文研究如何在预训练阶段预测大型语言模型在后续微调后的性能,以提高模型选择效率。作者提出了一种基于评分标准的判别评估框架RuDE,通过构建细粒度对比样本来评估模型的可塑性,并引入4C分类体系指导实验设计。实验表明,RuDE能以超过90%的相关性预测模型微调后的表现,并通过强化学习验证其有效性,为高效开发基础模型提供了新方法。
Comments Under Review
AI总结 本文提出了一种基于单一连续4D曲线(B样条)的3D几何抽象统一框架,通过参数化空间坐标和变量宽度来表示复杂形状。与传统方法中使用多个独立曲线段导致结构碎片化不同,该方法通过保证全局拓扑一致性,实现了更整洁美观且结构连贯的3D抽象。研究引入了可微渲染管道,支持基于梯度的优化,并在图像到3D抽象、多视角线稿生成等任务中表现出更高的语义保真度和结构一致性。
AI总结 大型语言模型(LLMs)在处理输入元素顺序时存在偏差,影响其在上下文学习和检索增强生成等场景中的应用。为解决这一问题,本文提出了一种基于强化学习的双重群体优势优化方法(DGAO),通过平衡组内准确率优势和组间稳定性优势,同时提升模型的准确性和顺序稳定性。DGAO还引入了两个新指标——一致性率和过度自信率,用于更全面地评估模型性能,实验表明该方法在保持模型性能的同时显著提升了顺序公平性。
AI总结 该研究针对非视线交叉路口的碰撞问题,提出了一种结合集体感知与协作机器人的交通调控系统。系统通过双摄像头和V2X技术融合感知信息,实时监测道路环境,并由协作机器人在检测到潜在碰撞风险时发出停止手势,阻止车辆违规合并。实验表明,该方法能有效提升非视线条件下的交通安全,填补了现有V2X技术在未连接车辆中的感知与干预空白。
Comments Accepted for publication in the Proceedings of the 2026 IEEE Vehicular Technology Conference (VTC2026-Spring)
AI总结 本文提出了一种名为H2G的层次感知双曲分组方法,用于在无需语义标签的情况下对3D场景进行多粒度分组。该方法通过将2D基础模型的相似性线索转化为层次化监督,并将其嵌入到双曲特征场中,以更好地建模树状结构。H2G通过一种层次感知的目标函数,实现了对细粒度部件、物体结构及层次顺序的统一建模,从而在单一特征空间中完成多层级的语义分组。
AI总结 该研究旨在提升目标引导的主动对话系统在引导对话向预设目标(如关键词或主题)发展的能力。通过联合建模用户画像和领域知识构建对话场景,并引入意图关键词桥梁机制预测未来对话轮次中的关键词,从而为系统生成提供更高级和灵活的引导。实验表明,该方法显著提升了系统的主动性、流畅性和信息量,有效缩小了与真实对话的差距。
Comments 21 pages, 9 Figures, 18 Tables
AI总结 本文探讨了医疗AI系统“正确”的含义,以骨髓穿刺涂片中浆细胞的自动分类为例,分析了其在多发性骨髓瘤诊断中的应用。作者指出,医疗AI的正确性并非仅由基准性能决定,而是一个多维概念,涉及数据标注、模型可解释性、临床指标的相关性以及人机协作中的责任分配。文章从科学哲学和研究伦理角度出发,揭示了真实标签的不稳定性、过度自信AI的不透明性、标准临床指标的不足以及高压环境下自动化偏见等关键问题。
Comments Part of a PhD ethics course
AI总结 该研究提出Chronicles-OCR,首个用于评估视觉大语言模型跨时代感知能力的综合性基准,聚焦于汉字在七种书写体系演变过程中的视觉感知挑战。该数据集包含2800张严格平衡的图像,涵盖从甲骨到纸张等多种载体,通过提出阶段自适应注释范式,构建了包括跨时期字形识别、古文解析等在内的多项任务,旨在揭示当前模型在历史文字感知中的局限性,推动更加鲁棒的演变感知研究。
AI总结 本文研究了如何利用视觉-语言模型对教学视频进行多模态抽象摘要生成。作者提出了一种名为ClipSum的框架,通过冻结CLIP预训练模型的视觉特征,并结合显式的时序建模和维度自适应融合,实现了更有效的视频摘要生成。实验表明,ClipSum在YouCook2数据集上取得了优于传统方法的ROUGE-1指标,验证了语义对齐在跨模态任务中的重要性。
Comments Accepted to ICPR 2026
AI总结 尽管机器人操作已取得显著进展,但在动态和非结构化环境中,任务失败不可避免,可靠执行仍具挑战。为应对这一问题,本文提出AgentChord,一种基于智能体的系统,通过构建带有前瞻性恢复分支的任务图,实现对潜在失败的主动规划与快速响应。该系统由多个专门智能体协作运行,显著提升了操作任务的成功率与执行效率,增强了现实机器人系统的可靠性和自主性。
Comments 18 pages, accepted to RSS 2026
AI总结 本文提出了一种名为Cluster-Aware Neural Collapse Prompt Tuning(CPT)的方法,旨在提升视觉-语言模型在长尾数据集上的泛化能力。该方法通过构建语义不变空间并引入神经崩溃驱动的判别优化,增强了尾部类别的可区分性,同时保持模型整体的泛化性能。实验表明,CPT在多个数据集上优于现有方法,尤其在长尾类别上的表现更为突出。
AI总结 该研究探讨了在大语言模型推理中使用随机嵌入注入(RSP)的方法,旨在分离软提示效果中来自训练内容与注入行为本身的影响。通过在输入中附加随机生成的嵌入向量,RSP无需训练即可在数学推理任务中达到与优化软提示相当的性能。研究揭示了RSP通过提升早期生成token的多样性,结合温度采样可提高多尝试正确率,并将该机制扩展至训练阶段,展示了其在推理与训练中的广泛适用性。
Comments 30 pages, 5 figures, 6 tables. Under review
AI总结 本文研究了在高分辨率RGB图像指导下从低分辨率深度图重建高分辨率深度图的引导深度超分辨率(GDSR)问题。为了解决现有方法在模态间建模效率与语义交互能力之间的矛盾,作者提出了一种基于交互状态空间模型的新型GDSR框架,引入了跨模态局部扫描机制,实现了RGB与深度特征之间的细粒度语义交互,并结合Mamba架构实现了线性复杂度的全局建模,显著提升了模型效率与重建质量。
Comments ISCAS2026
AI总结 本文研究了如何通过自改进训练提升多模态大语言模型(MLLMs)的推理能力。针对现有方法中数据不平衡和语言先验偏差的问题,提出了一种视觉感知的自改进训练框架VISTA,通过前缀重采样策略和视觉感知注意力评分,有效提升了模型对视觉信息的关注与利用。实验表明,VISTA在多种下游任务中显著提升了MLLMs的多模态推理性能。
Comments Accepted by ICML 2026
AI总结 该研究针对工具使用语言代理在真实部署中面临的模拟到现实(sim-to-real)差距问题,提出了一个名为 RobustBench-TC 的基准测试平台,涵盖22种基于部分可观测马尔可夫决策过程(POMDP)不同组件的扰动类型。研究还提出了一种基于领域随机化的强化学习方法 ToolRL-DR,通过在训练中引入扰动增强轨迹,显著提升了代理在面对观察、奖励相关元数据和状态转移扰动时的鲁棒性,尤其在未接触过特定扰动的情况下仍能有效提升性能。
Comments Dataset, code, and benchmark leaderboard are available at https://github.com/WillChow66/robustbench-tc-release.git and https://huggingface.co/spaces/willchow66/robustbench-tc-leaderboard
AI总结 RealDiffusion 是一种用于多角色绘本生成的物理感知注意机制框架,旨在解决扩散模型在生成连续图像序列时面临的叙事动态性与角色一致性之间的平衡问题。该方法引入热扩散作为去噪先验,结合区域感知的随机过程,有效抑制角色特征漂移并保持帧间身份稳定,同时通过可配置的物理系统建模特征演化,实现对时空关系的正则化。实验表明,RealDiffusion 在保持叙事动态性的同时显著提升了角色一致性,优于现有先进方法。
Comments CVPR2026
AI总结 本文研究了如何通过分析大语言模型(LLM)内部处理过程中的多层稀疏自编码器(SAE)过渡,来识别和限制其在特定领域的应用范围。作者提出了一种基于SAE层间动态变化的轻量方法,能够有效区分领域外(OOD)输入,从而提升模型在特定任务中的表现和可控性。实验表明,该方法在捕捉输入细节方面具有显著优势,并在多个模型上验证了其有效性。
AI总结 该论文研究了多模态联邦图学习(MM-FGL)中语义漂移的问题,即不同客户端在训练前因模态差异导致语义表示不一致,影响模型协作效果。为解决这一问题,作者提出了STAGE框架,通过构建共享语义空间,将异构模态特征转化为可比表示,并控制其在本地图结构中的传播方式,从而提升语义对齐效果并降低不一致性放大的风险。实验表明,STAGE在多个任务和数据集上均取得领先性能,同时减少了每轮通信开销。
AI总结 该论文提出了一种名为Vector Scaffolding的新型分层优化框架,用于解决可微分图像矢量化中的拓扑崩溃问题。传统方法在像素级优化过程中容易导致结构失真,而该方法通过引入内部梯度聚合、渐进分层和快速膨胀调度等技术,实现了多尺度曲线混合的稳定学习,显著提升了优化效率和图像质量。实验表明,该方法在优化速度和图像保真度方面均优于现有技术。
Comments 22 pages, 12 figures
AI总结 本文研究了在神经车辆路径规划(VRP)中位置编码(PE)的设计问题,指出传统自然语言处理中的位置编码难以满足VRP问题的结构特性。作者提出了三个应被位置编码遵循的结构属性,并基于几何基础设计了一种层次化的各向异性位置编码方法,该方法结合了路线内环形一致的编码与以仓库为中心的跨路线角度编码。实验表明,这种基于几何的位置编码在多种VRP变体中均优于传统基于索引的编码方法。
AI总结 本文研究了Softmax策略梯度方法在接近次优角点时收敛速度缓慢的问题,提出了一种名为“愉悦策略梯度”(DG)的新方法,通过将策略梯度项与优势值和动作惊喜度的乘积进行门控,有效缓解了角点陷阱现象。理论分析表明,DG在多臂老虎机和表格MDP中能够以渐近$O(1/t)$的速率全局收敛到最优策略,而在共享函数逼近的环境下可能失效,但实验显示其在MNIST上下文老虎机任务中仍优于传统策略梯度方法。
Comments Preprint
AI总结 该研究提出了一种名为YFPO的神经元引导偏好优化框架,旨在提升大型语言模型在数学推理任务中的表现。不同于依赖外部偏好数据的传统方法,YFPO通过AttnLRP技术识别与数学推理相关的神经元,并利用这些神经元在优选与非优选响应间的激活差异构建辅助奖励信号,从而将内部神经元信息与外部偏好学习相结合。初步实验表明,该方法能够在一定程度上增强模型的推理能力,为更细粒度和可解释的后训练方法提供了新方向。
Comments 10 pages, 2figures. Work in progress
AI总结 本文重新思考了监督粒度问题,提出了一种基于证明轨迹的段级监督方法,用于训练基于大语言模型的定理证明系统。该方法通过提取局部连贯的证明片段构建训练数据,既保留了全局结构信息,又避免了细粒度步骤预测带来的碎片化问题。实验表明,该方法在多个基准数据集上显著优于现有的步骤级和全证明生成方法,并能有效提升现有证明器的性能与推理效率。
Comments 22 pages, 4 figures, 6 tables
AI总结 本文针对类增量学习(CIL)中传统最近类均值(NCM)分类器因特征漂移和非线性结构而表现不佳的问题,提出了一种基于拓扑感知的分层分类器HC-SOINN。该方法通过“局部到全局”的表示方式捕捉类间流形的拓扑结构,并引入结构-拓扑对齐残差(STAR)方法,实现对复杂非线性特征漂移的精确适应。实验表明,该方法在多种先进模型中均能有效提升分类性能,展现出良好的鲁棒性和泛化能力。
Comments accepted by ICML2026
AI总结 本文研究如何利用道路几何信息对无人机拍摄的交通视频进行标定,以生成可用于交通分析的鸟瞰图(BEV)表示。通过车道线、道路边界等可见道路特征估计图像坐标到地面坐标系的单应性变换,进而将车辆检测结果投影到BEV中,实现车辆轨迹、速度、方向及三维立方体的估计。该方法在UAVDT数据集上进行了验证,展示了从单目无人机视频生成可解释交通分析结果的可行性,同时也指出了远距离车辆对单应性误差敏感、自动标定可靠性不足等局限性。
AI总结 本文针对视觉识别中罕见类样本不足的问题,提出了一种基于扩散模型的轻量级合成数据生成方法。该方法仅需少量真实样本(20-50张)微调LoRA适配器,即可生成用于训练的合成数据,有效提升罕见类的召回率和F1值。实验在胸部X光病理分类和工业表面缺陷检测两个不同领域进行,验证了该方法在数据稀缺场景下的有效性与可扩展性。
Comments 5 pages, 3 figures, 1 table. Accepted at SynData4CV Workshop @ CVPR 2026
AI总结 尽管人工智能在国际象棋中已达到超人类水平,但准确模拟人类棋手个性化决策风格的模型仍是一个挑战。本文提出了一种基于Maia-2模型的架构,通过冠军特定嵌入和有限蒙特卡洛树搜索(MCTS)增强战术探索,以更好地捕捉历史冠军的棋风特征。研究引入了一种基于詹森-香农散度的行为评估指标,通过自编码器和UMAP降维技术比较玩家与AI模型的行为相似性,实验表明该方法在提升风格一致性方面优于传统基于移动准确率的评估方式。
AI总结 该研究探讨了如何在贝叶斯学习中激励数据源提供真实数据并实现协作公平性。为解决现有方法无法保证数据真实性的问题,作者提出了一种机制,结合半值(如夏普利值)确保公平性,并基于数据源未知的验证集设计了激励真实性的数据估值函数。该机制在均衡状态下可同时保证协作公平性和数据真实性,理论分析与实验验证均表明其有效性。
Comments Accepted to the 43rd International Conference on Machine Learning (ICML-26) as a Spotlight paper
AI总结 Qwen-Scope 是一个基于 Qwen 模型家族构建的开源稀疏自动编码器(SAEs)工具套件,旨在将大语言模型中的稀疏特征转化为实用的开发工具。该研究展示了 SAEs 不仅可用于事后分析,还能在推理引导、评估分析、数据工作流和后训练优化等方面发挥作用,为模型的诊断、控制和改进提供可复用的接口。这一工作推动了大语言模型的机制可解释性研究,并加速了模型内部结构与下游行为之间的联系。