大厂专区
dstack-capsule：Kubernetes 上机密工作负载的 Pod 级远程证明
机构 * OPPO ； Phala
AI总结 提出 dstack-capsule 平台，通过两层证明架构和权限熔断机制，在 Intel TDX 上实现多个 Pod 共享一个机密虚拟机且每个 Pod 保留独立硬件背书身份的 Pod 级远程证明，避免了每 Pod 独立虚拟机的资源开销。
GGT-100K：面向泛化真实世界图像恢复的生成式真实标签
机构 * VISUAL COMPUTING LAB POLYU（PolyU视觉计算实验室） ； The Hong Kong Polytechnic University（香港理工大学） ； OPPO Research Institute（OPPO研究院）
AI总结 提出利用生成式多模态基础模型从真实低质量图像合成高质量目标作为真实标签，构建包含10万对数据的GGT-100K数据集，显著提升多种图像恢复模型的真实世界泛化能力。
超越孤立行为：面向LLM个性化的层次化用户建模
机构 * School of Data Science, Fudan University（复旦大学数据科学学院） ； Shanghai Innovation Institute（上海创新研究院） ； OPPO
AI总结 针对LLM个性化中用户行为缺乏层次结构的问题，提出基于布迪厄实践理论的PHF框架，通过实践-惯习-场域三层建模，并实现轻量级模型无关方法PHF_Compass，在LaMP基准上取得一致提升。
MARFT: 多智能体强化微调
机构 * Shanghai Jiao Tong University（上海交通大学） ； Shanghai Innovation Institute（上海创新研究院） ； OPPO Research Institute（OPPO研究院）
AI总结 针对基于大语言模型的多智能体系统，提出多智能体强化微调（MARFT）框架，通过引入Flex-MG马尔可夫博弈公式和通用算法，解决异步交互、异构架构等挑战，提升系统鲁棒性和适应性。
Comments 37 pages
以表示为中心的监督式骨骼动作识别综述与新基准
机构 * School of Computing, Australian National University（澳大利亚国立大学计算学院） ； University of Alabama at Birmingham（阿拉巴马大学伯明翰分校） ； OPPO US Research Center（OPPO美国研究中心） ； Carnegie Mellon University（卡内基梅隆大学） ； University of Western Australia（西澳大利亚大学） ； Curtin University（Curtin大学） ； School of Engineering and Built Environment, Griffith University（格里菲斯大学工程与环境学院） ； School of Medicine, Yale University（耶鲁大学医学院）
AI总结 本文以输入表示类型（关节坐标、骨骼向量、运动流及扩展表示）为中心，系统综述了监督式3D骨骼动作识别方法，并提出了包含多视角、复杂多人交互等挑战的大规模数据集ANUBIS，通过实验揭示了动作-特征依赖关系及多表示融合的局限性。
Comments Accepted for publication in Pattern Recognition
从细粒度视觉差异中学习：通过上下文视觉对比优化缓解多模态幻觉
机构 * The Hong Kong University of Science（香港科学与技术大学） ； OPPO AI Center（OPPO AI中心）
AI总结 提出上下文视觉对比优化（IC-VCO）方法，通过共享多图像上下文中的对比图像确保数学严谨的目标，并引入视觉对比蒸馏（VCDist）和对比样本编辑策略，有效缓解多模态幻觉。
Comments ICML 2026
MergeTok: 通过令牌合并实现统一连续和离散视觉令牌化
机构 * Tsinghua University（清华大学） ； Westlake University（西湖大学） ； Zhejiang University（浙江大学） ； Hong Kong University of Science and Technology（香港科学与技术大学） ； OPPO ； Shanghai AI Lab（上海人工智能实验室）
AI总结 提出MergeTok统一令牌化器，通过令牌合并技术联合优化连续VAE和离散VQ令牌化器，实现高保真重建与语义可控离散表示的兼顾。
Comments 11 pages (main text), 7 figures. Preprint. Under review at NeurIPS 2026
DeepImageSearch: 多模态智能体在视觉历史中上下文感知图像检索的基准测试
机构 * Gaoling School of Artificial Intelligence, Renmin University of China, Beijing, China（中国人民大学北京校区人工智能学院） ； OPPO Research Institute（OPPO研究院）
AI总结 提出DeepImageSearch范式，将图像检索重构为自主探索任务，通过构建DISBench基准和模块化智能体框架，验证了在视觉历史中基于隐式上下文线索进行多步推理的必要性。
Comments 18 pages, 6 figures
X-OmniClaw 技术报告：一种统一的移动代理用于多模态理解和交互
机构 * OPPO AI Center（OPPO人工智能中心）
AI总结 本文提出X-OmniClaw，一种统一的移动代理，用于Android生态系统中的多模态理解和交互，通过统一的感知、记忆和行动架构，提升复杂移动任务的上下文感知能力，展示了其在多模态交互中的高效性和可靠性。
Comments 12 pages, 7 figures
打破大视觉-语言模型低比特量化中的模态异质性
机构 * VCIP, College of Computer Science, Nankai University（南开大学计算机科学学院VCIP） ； D-ITET, ETH Zürich（苏黎世联邦理工学院D-ITET） ； OPPO Research Institute（OPPO研究院） ； Department of Computing, Hong Kong Polytechnic University（香港理工大学计算机系）
AI总结 本文提出SplitQ框架，通过通道分割和自适应跨模态校准模块，解决大视觉-语言模型在低比特量化中因模态异质性导致的精度下降问题，显著提升了在多种多模态数据集上的性能。
PersonaDual: 通过自适应推理平衡个性化与客观性
机构 * Fudan University（复旦大学） ； Shanghai Innovation Institute（上海创新研究院） ； OPPO
AI总结 本文提出PersonaDual框架，通过自适应切换模式，在单一模型中实现通用客观推理与个性化推理的平衡，减少干扰并提升客观问题解决能力。
SkillMAS: 基于大语言模型的多智能体系统技能共进化
机构 * Shanghai Jiao Tong University（上海交通大学） ； Central South University（中南大学） ； OPPO
AI总结 SkillMAS通过耦合技能进化与多智能体系统重构，解决部署后技能优化与系统重构的分离问题，提升多智能体系统的适应性和专业化水平。
Comments 21 pages, 2 figures
VideoVerse: 你的T2V生成器有世界模型能力来合成视频吗？
机构 * Sun Yat-sen University（中山大学） ； Hong Kong Polytechnic University（香港理工大学） ； Tsinghua University（清华大学） ； OPPO Research Institute（OPPO研究院）
AI总结 VideoVerse通过评估T2V模型对复杂时间因果关系和世界知识的理解能力，揭示现有模型与理想世界建模能力的差距。
Comments 26 Pages, 10 Figures, 14 Tables
SMMBench：一种用于源分布多模态智能体记忆的基准测试
机构 * Shanghai Jiao Tong University, China（上海交通大学，中国） ； OPPO, China（OPPO，中国）
AI总结 SMMBench旨在评估智能体在多源分布证据下进行多模态推理、冲突解决和行动预测的能力，揭示当前系统在处理碎片化异构数据时的不足。
CoCoEdit：通过区域正则化的强化学习实现内容一致的图像编辑
机构 * The Hong Kong Polytechnic University, Hong Kong（香港理工大学） ； OPPO Research Institute, ShenZhen, China（OPPO研究院，深圳，中国）
AI总结 本文提出CoCoEdit框架，通过区域正则化强化学习提升图像编辑内容一致性，利用改进的指令和掩码生成高质量训练集，并引入像素相似度奖励和区域正则化器，提升编辑质量和一致性。
Comments Accepted by ICML 2026
OP4KSR：一种一步式无补丁4K超分辨率方法，具有周期性伪影抑制
机构 * School of Automation Engineering, University of Electronic Science and Technology of China（电子科技大学自动化工程学院） ； OPPO AI Center, OPPO Inc.（OPPO人工智能中心） ； School of Intelligence Science and Technology, Nanjing University（南京大学智能科学与技术学院）
AI总结 OP4KSR提出一种基于Flux架构的一步式4K超分辨率方法，利用F16 VAE压缩降低内存消耗，同时通过RoPE基频重缩放和周期性损失抑制伪影，实现高效且高质量的4K超分辨率生成。
SciVQR：一个多学科多模态基准用于高级科学推理评估
机构 * Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所） ； School of Artificial Intelligence, University of Chinese Academy of Sciences（中国科学院大学人工智能学院） ； OPPO AI Center（OPPO AI中心）
AI总结 SciVQR通过54个学科的多模态任务评估科学推理能力，包含专家解答的复杂推理挑战，揭示了多模态大语言模型在复杂推理和跨学科整合方面的不足。
fg-expo: 基于前沿引导的探索优先策略优化：通过自适应KL和高斯课程学习
机构 * OPPO AI Center（OPPO人工智能中心）
AI总结 本文提出FG-ExPO算法，通过自适应KL缩放和高斯课程采样提升策略优化效率，实验表明其在数学推理任务中性能显著优于GRPO。
IPAD-CLIP: 教授CLIP检测图像局部感知伪影
机构 * Minzu University of China（民族大学） ； OPPO Co., Ltd.（OPPO公司）
AI总结 本文提出IPAD-CLIP框架，通过增强文本和视觉空间中的伪影判别能力，解决局部感知伪影检测问题，提出包含3520张伪影图像的基准数据集，显著优于现有方法。
Comments 14 pages, 6 figures
EcoGym：评估基于LLM的长周期计划与执行能力于交互经济中
机构 * OPPO-PersonalAI（OPPO-个人AI）
AI总结 EcoGym提出一个通用基准，用于评估LLM在交互经济中的长周期计划与执行能力，通过三个环境展示不同策略和行动的优化挑战。
Comments update
CMTA：利用跨模态时间特征进行通用的AI生成视频检测
机构 * Xi’an Jiaotong University（西安交通大学） ； The Hong Kong Polytechnic University（香港理工大学） ； Guangdong OPPO Mobile Communications Co., Ltd.（广东OPPO移动通信有限公司） ； City University of Hong Kong（香港城市大学）
AI总结 本文提出CMTA框架，通过联合跨模态嵌入和多粒度时间建模，识别AI生成视频中的跨模态时间特征，验证了其在四个大规模数据集上的新状态和跨生成器泛化能力。
Comments 15 pages, 4 figures
探究更可解释且无分区的组合性估计方法：从规则生成的角度
机构 * National Key Laboratory for Multimedia Information Processing, School of Computer Science, Peking University（国家多媒体信息处理重点实验室，计算机学院，北京大学） ； OPPO AI Center（OPPO人工智能中心）
AI总结 本文提出从规则生成角度评估LLM组合性的新方法，解决现有测试的局限性，通过字符串到网格任务实验揭示LLM的组合性特征与不足。
Comments Accepted at ACL 2026 main conference
MICo-150K：一个多图像合成的综合数据集
机构 * Hong Kong Polytechnic University（香港理工大学） ； Tsinghua University（清华大学） ； Peking University（北京大学） ； Sun Yat-Sen University（中山大学） ； OPPO Research Institute（OPPO研究院）
AI总结 本文提出MICo-150K数据集，通过系统研究多图像合成任务，构建高质量图像和多样提示，结合人类反馈生成平衡的合成图像，同时建立评估基准和新指标，验证了数据集对模型提升的有效性。
Comments Project Page: https://MICo-150K.github.io/
SCASeg: 带状交叉注意力用于高效的语义分割
机构 * Faculty of Engineering and Information Technology, University of Technology Sydney（工程与信息科技学院，技术悉尼大学） ； State Key Laboratory of Integrated Services Networks, Xidian University（集成服务网络国家重点实验室，西安电子科技大学） ； Department of Computer Science, The University of Manchester（计算机科学系，曼彻斯特大学） ； PCA Lab, Key Laboratory of Intelligent Perception and Systems for High-Dimensional Information of Ministry of Education, School of Computer Science and Engineering, Nanjing University of Science and Technology（智能感知与高维信息系统重点实验室，南京理工大学计算机科学与工程学院） ； Research Center for Industries of the Future and the School of Engineering, Westlake University（未来产业研究中心和工程学院，西湖大学） ； OPPO Research, Seattle, WA 98101 USA（OPPO研究，美国华盛顿州西雅图98101）
AI总结 本文提出SCASeg，一种专为语义分割设计的解码器，通过带状交叉注意力机制提升效率，优于现有分割模型。
Comments TIP
OThink-SRR1: 通过强化学习增强大语言模型的搜索、细化与推理
机构 * Shenzhen University（深圳大学） ； OPPO Research Institute（OPPO研究院）
AI总结 OThink-SRR1通过强化学习训练的迭代搜索-细化-推理流程，有效解决复杂多跳问题中的检索噪声干扰和计算成本问题，实验表明其在多跳问答基准上准确率优于现有方法。
按需记忆：用于空间一致长时视频生成的解耦记忆控制
机构 * The Hong Kong Polytechnic University（香港理工大学） ； OPPO Research Institute（OPPO研究院）
AI总结 本文提出解耦框架，分离记忆条件与生成过程，提升空间一致性并保持生成能力。通过轻量记忆分支和跨帧注意力机制，实现高效且高质量的长时视频生成。
Comments 24 pages, with supplementary material
面向视觉-语言模型的联合量化与令牌剪枝
机构 * VCIP, College of Computer Science, Nankai University（VCIP，计算机科学学院，南开大学） ； School of Computer Science and Engineering, Tianjin University of Technology（计算机科学与工程学院，天津工业大学） ； OPPO Research Institute（OPPO研究院） ； Academy for Advanced Interdisciplinary Studies, Nankai University（先进跨学科研究院，南开大学） ； Nankai International Advanced Research Institute, Shenzhen Futian（南开国际先进研究 institutes，深圳福田） ； Department of Computing, Hong Kong Polytechnic University（计算学院，香港理工大学）
AI总结 本文提出联合量化与令牌剪枝框架，通过统一低比特推理和确定性视觉令牌剪枝，提升视觉-语言模型在低比特下的鲁棒性与效率。
EvoComp: 通过语义引导的进化标注学习多模态大语言模型的视觉令牌压缩
机构 * OPPO CTG
AI总结 本文提出EvoComp框架，通过语义引导的进化标注策略，有效压缩视觉令牌数量，同时保持任务精度，实验显示在3倍压缩下保持99.3%的准确率，并在移动设备上提升1.6倍速度。
Comments Accepted by CVPR 2026
OASIS：按需分层事件记忆用于流媒体视频推理
机构 * Sun Yat-sen University（中山大学） ； OPPO AI Center（OPPO人工智能中心） ； Shenzhen Loop Area Institute（深圳河套学院） ； Guangdong Key Laboratory of Big Data Analysis and Processing（广东大数据分析与处理重点实验室）
AI总结 OASIS通过结构化按需检索解决流媒体视频推理中记忆检索的挑战，提升长周期准确性和组合推理能力。
Comments Accepted by CVPR 2026
面向大规模三元数据集的上下文内调色风格迁移
机构 * VCIP, School of Computer Science, Nankai University（VCIP，计算机科学学院，南开大学） ； Nankai International Advanced Research Institute (Shenzhen Futian)（南开国际先进研究院（深圳福田）） ； OPPO AI Center, OPPO Inc.（OPPO AI中心，OPPO公司）
AI总结 本文提出ICTone框架，通过上下文内联合条件生成实现调色风格迁移，利用生成模型语义先验提升风格一致性和视觉质量。
Comments 33 pages, 14 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