语言大模型 / LLM

SeCo-SBIR: Semantically Consistent Prompt Learning for Zero-Shot Sketch-Based Image Retrieval

SeCo-SBIR：用于零样本草图-图像检索的语义一致提示学习

Long Hoang Dang, Tuan Nguyen Huu, Nguyen Minh Hieu, Tu Minh Phuong

专题命中 评测与基准 ：prompting(abstract)

AI总结 SeCo-SBIR是解决CLIP适配ZS-SBIR时域适配与泛化矛盾的语义一致提示学习框架，结合多模态提示、一致性约束与多目标损失，在三类ZS-SBIR基准上达最优性能。

Comments ACMMM 26

Guided Synthesis of EMT Zeolites by Machine Learning

机器学习指导EMT沸石的合成

Emmanuel A. Olanrewaju, Santosh Adhikari, Zhiyin Niu, Michael Nikolaou, Jeremy C. Palmer, Jeffrey D. Rimer, Mingjian Wen

专题命中 评测与基准 ：foundation model(abstract)

AI总结 本研究开发机器学习模型，基于174组合成参数预测沸石骨架，识别关键参数并找到6种EMT合成新条件，5种经实验验证，为加速沸石合成提供数据驱动方案。

Journal ref Phys. Rev. Materials 10, 083801, 2026

ReMiX-MAE: Learning Missing-Channel Cross-Modal Representations from RGB-Only Clinical Facial Videos for Sympathetic-Mediated Pain Assessment

ReMiX-MAE：从仅含RGB的临床面部视频中学习缺失通道跨模态表征以用于交感介导的疼痛评估

Nan Bi, Taoyue Wang, Lijun Yin, Vandana Sharma

机构 * School of Computing, Binghamton University（宾汉姆顿大学计算学院） ； SUNY Upstate Medical University（纽约州立大学上州医科大学） 纠错

专题命中 评测与基准 ：pretraining(abstract)

AI总结 本文提出ReMiX-MAE框架，构建SMP数据集，在仅用RGB的疼痛评估任务中，其性能优于仅用RGB的基线，且在数据有限的临床场景中迁移能力更优。

GEOID-Flood: A Large-Scale Multi-Modal Benchmark Dataset for Flood Segmentation

GEOID-Flood：用于洪水分割的大规模多模态基准数据集

Gaetano Chiriaco, Luca Barco, Andrea Bragagnolo, Claudio Rossi, Edoardo Arnaudo

机构 * Fondazione LINKS（LINKS基金会） ； Politecnico di Torino（都灵理工大学） 纠错

专题命中 评测与基准 ：foundation model(abstract)

AI总结 该研究推出GEOID-Flood大规模多模态洪水分割基准数据集，评估发现基础模型优势适度，光学-SAR融合微调效果最佳，该数据集训练的模型迁移性更优。

Comments Accepted at ECCV 2026 - Terrabytes II Workshop, 23 pages

VulnGym: Benchmarking Coding Agents for Repository-Level Vulnerability Detection

VulnGym：面向代码智能体的仓库级漏洞检测基准测试

Kexing Ji, Jiachen Liu, Enze Hu, Cuiyun Gao, Keke Lian, Yongheng Liu, Lei Zhang, Tian Dong, Hao Chen, Wang Bin

专题命中 评测与基准 ：LLM(abstract)

AI总结 研究人员提出VulnGym基准，解决现有基准难以评估代码智能体仓库级漏洞检测能力的问题，发现当前代码智能体在该检测及支撑追踪构建上仍存在局限。

Roomer: Reflective Object-Grounded Model Editing and Repair for 3D Indoor Layout Synthesis

Roomer：用于3D室内布局合成的基于对象的反射式模型编辑与修复

Lingwei Dang, Ziyan Qiu, Jiajia Cheng, Shishuo Shang, Zhenhao Zhang, Yufei Zhu, Qingxin Xiao, Pan Liu, Shenghui Huang, Yun Hao, Juntong Li, Qingyao Wu

专题命中 评测与基准 ：language model(abstract)

AI总结 针对现有室内布局生成器的局部违规问题，提出Roomer框架，通过视觉语言模型规划器与确定性求解器实现基于对象的局部修复，提升布局物理有效性与可用性且可跨生成器迁移。

Event ActivityNet: A Large-Scale Simulated-Event Benchmark for Untrimmed Action Understanding

Event ActivityNet：用于未修剪动作理解的大规模模拟事件基准

Cheng-Yao Hong, Ting-Wei Lin, Yun-Chung Lai, Hua-Wei Lee, Hwann-Tzong Chen, Tyng-Luh Liu

专题命中 评测与基准 ：pretraining(abstract)

AI总结 本文提出大规模模拟事件基准Event ActivityNet，解决长时序事件动作理解数据集不足的问题，建立基线并验证其预训练对原生事件微调的性能提升效果。

Comments 22 pages, 10 figures

Assessing the Benefits of Combining Advanced Deep Learning Techniques for Post-Disaster Building Damage Assessment from UAV Imagery

结合先进深度学习技术的优势，从无人机影像中评估灾后建筑物损毁情况

Huy Quang Ung, Guillaume Habault, Roberto Legaspi, Hao Niu, Lian Cao, Masato Taya

机构 * KDDI Research, Inc.（KDDI研究所） 纠错

专题命中 评测与基准 ：language model(abstract)

AI总结 本文提出将CV模型与LVLM结合的混合框架，在RescueNet、FloodNet基准上评估，可准确统计灾后建筑物损毁情况，性能优于单独基准模型且仅需少量标注数据，相关资源公开。

Comments Accepted at ECMLPKDD 2026, 31 pages (including appendix), 18 figures

BoilerSketch: A TA-Supervised, Diagram-First GenAI Practice for Structured Diagrams in CS1/Early CS2

BoilerSketch：面向CS1/早期CS2的TA监督、以图表为核心的生成式AI结构化图表实践

Ethan Dickey, Vivan Tiwari, Anvit Sinha, Andres Bejarano

专题命中 评测与基准 ：prompting(abstract)

AI总结 BoilerSketch是面向CS1/早期CS2的TA监督式生成式AI实践，通过双面板交互模型生成结构化Mermaid图表，经21名教学人员评估，三分之二认为其对概念理解和支持任务有中等以上帮助，为入门计算课程提供了实用AI支持方案。

Comments 9 pages, 3 tables, 3 figures

ORCESTRA: VLM-driven Visual Robot programming in Mixed Reality

ORCESTRA：基于视觉语言模型的混合现实视觉机器人编程系统

Ivan Snegirev, Elizaveta Semenyakina, Mikhail Konenkov, Artem Lykov, Miguel Altamirano Cabrera, Dzmitry Tsetserukou

机构 * Skolkovo Institute of Science and Technology（斯科尔科沃科技学院） ； R&D Center, MWS（MWS研发中心） 纠错

专题命中 评测与基准 ：language model(abstract)

AI总结 ORCESTRA是一款混合现实系统，通过无代码路径点示教和语言引导控制实现机器人数字孪生编程，支持多种异构机器人，其混合现实验证可作为语言引导机器人物理部署前的安全层。

Comments 4 page, 3 figures, 1 table, ISMAR 2026

MDTD-ArtIR: Benchmarking Image Editing and Restoration Models for Art Image Restoration under Texture-Overlay Degradations

MDTD-ArtIR：针对纹理叠加退化的艺术图像修复的图像编辑与修复模型基准测试

Mridula Vijendran, Shuang Chen, Hubert P. H. Shum

机构 * Durham University（杜伦大学） 纠错

专题命中 评测与基准 ：language model(abstract)

AI总结 本研究构建MDTD-Art基准及MDTD-Art数据集，对比各类模型，发现图像编辑模型在艺术图像修复中优于专用修复架构，结构化提示可放大其性能优势。

Comments 15 pages, 6 figures, 6 tables. Preprint submitted to Elsevier Journal of Visual Communication and Image Representation

Assistant Placement Aria: A Benchmark for Egocentric Placement Assistance

助手放置基准Aria：面向以自我为中心的放置辅助任务的基准

Amir Belder, Gonçalo Dias Pais, Refael Vivanti, Omri Carmi, Daniel DeTone, Oren Shrout, Ido Gattegno, Ayellet Tal

机构 * Reality Labs, Meta inc.（Meta公司现实实验室） ； Technion, institute of technology（以色列理工学院） ； Sensei 纠错

专题命中 评测与基准 ：foundation model(abstract)

AI总结 本文提出首个虚拟放置基准Assistant Placement Aria，涵盖三类以人为中心的放置任务，在基准上评估了多个基础模型，推动虚拟放置领域研究。

What Carries the Signal in Pathology Foundation-Model Atlases? A Patient-Level Controlled Benchmark in Breast Cancer

病理基础模型图谱中的信号由什么承载？乳腺癌的患者级对照基准测试

Chimdi Walter Ndubuisi

机构 * University of Missouri（密苏里大学） 纠错

专题命中 评测与基准 ：foundation model(abstract)

AI总结 本研究以乳腺癌患者为单位开展对照基准测试，发现病理基础模型的信号由嵌入而非几何机制承载，嵌入在多数基因程序预测中优于组织组成，驱动基因计数指标无显著预测性。

Comments 40 pages, 7 figures, 10 tables. Supplementary Information (16 pages) included as an ancillary file. Segmentation outputs obtained under the Aignostics Research Access Programme; OpenTME data at https://huggingface.co/datasets/Aignostics/OpenTME

Reusing Past Repairs Through Hierarchical Trajectory Abstraction for Coding Agents

通过分层轨迹抽象复用编码智能体的过往修复工作

Yisen Xu, Jiayuan Zhou, Ruiqi Pan, Tse-Hsun Chen

专题命中 评测与基准 ：LLM(abstract)

AI总结 本研究提出STAIR框架，通过分层轨迹抽象复用编码智能体过往修复经验，在SWE-bench Verified上显著提升修复智能体的Pass@1指标，且计划可跨智能体泛化。

Comments 10 pages

MoRoute: Dynamic Routing for In-Context Multimodal Video Generation

MoRoute：面向上下文多模态视频生成的动态路由

Chong Gao, Jie Ma, Zhan Peng, Chongxiao Wang, Haoxue Wu, Jun Liang, Guanbin Li, Jing Li

机构 * Sun Yat-sen University（中山大学） ； HUJING Digital Media & Entertainment Group（沪景数字媒体娱乐集团） ； Huazhong University of Science and Technology（华中科技大学） 纠错

专题命中 评测与基准 ：language model(abstract)

AI总结 MoRoute是采用动态层路由连接VLM与视频DiT的多模态视频生成框架，在三个基准数据集上均优于现有最优方法，提升了视频生成与编辑的性能。

Comments Project page: https://orange-3dv-team.github.io/MoRoute/

MarkushGlyph and OCSRGlyph: Improved Chemical Structure Recognition

MarkushGlyph与OCSRGlyph：改进的化学结构识别

Alex Andonian, Samuel G Rodriques, Andrew D White, Siddharth M Narayanan

专题命中 评测与基准 ：language model(abstract)

AI总结 本研究将化学结构识别视为图像到文本转换任务，提出OCSRGlyph与MarkushGlyph模型，前者优化OCSR性能，后者针对Markush结构采用整体视觉语言建模，还提出新指标解决Markush结构翻译的准确性判定问题。

A Controlled Candidate-Set Benchmark for Offline Satellite-Security Plan Decomposition

面向离线卫星安全计划分解的受控候选集基准

João Paolo Cavalcante Martins Oliveira, Lucas Teske, Paulo Matias

专题命中 评测与基准 ：prompting(abstract)

AI总结 本文提出低秩分解适配器，构建含24个卫星安全案例的防泄露数据集，在Qwen2.5基线对比中验证其性能，为离线卫星安全计划分解提供基准与概念验证。

Comments 8 pages, 1 figure, 2 tables

ARCHER: Agentic Rule and Compliance Harness for Executable Regulations

ARCHER：用于可执行法规的智能规则与合规框架

Chiraag Singh Anand, Xue Wen Tan, Lionel Teo, Eric Tan

专题命中 评测与基准 ：prompting(abstract)

AI总结 研究针对建筑合规验证难题，提出ARCHER这一测试驱动、确定性编排的多智能体程序合成框架，能从法规代码生成验证代码，经评估其在多骨干模型上准确率高，成本-准确率分析显示可降低成本实现数据主权合规检查。

Towards Reliable Stain Transfer: An Iterative Data-Model Co-Optimization Framework Based on Multimodal Expert-Guided Assessment

迈向可靠的染色转移：基于多模态专家指导评估的迭代数据-模型协同优化框架

Siyuan Xu, Yan Wang, Haofei Song, Lili Gao, Jiansheng Wang, Qing Zhang, Dan Huang, Boxiang Yun, Hongkai Xiong, Qingli Li

机构 * East China Normal University（华东师范大学） ； Ruijin Hospital, Shanghai Jiao Tong University School of Medicine（上海交通大学医学院附属瑞金医院） ； Hangzhou Hyperspectral Imaging Technology Co., Ltd.（杭州高光谱成像技术有限公司） ； Fudan University Shanghai Cancer Center（复旦大学附属肿瘤医院） 纠错

专题命中 评测与基准 ：language model(abstract)

AI总结 研究针对染色转移建模难题，提出DMCoStain框架，通过迭代优化数据与模型能力提升准确性和可解释性。基于IPE视觉语言模型构建MEGFS策略并创建ImmunoInstruction数据集，实验证明该框架达最优精度，其范式有实用价值，MEGFS可作评估工具。

Comments 10 pages, accepted by ACMMM2026 Main Track

MEDit-Bench: A Dataset for Evaluating Message-Driven Narrative Video Editing

MEDit-Bench：一个用于评估消息驱动叙事视频编辑的数据集

Katsuya Ogata, Zongshang Pang, Mayu Otani, Yuta Nakashima

机构 * The University of Osaka（大阪大学） ； CyberAgent, Inc.（株式会社CyberAgent） 纠错

专题命中 评测与基准 ：LLM(abstract)

AI总结 研究消息驱动的视频编辑问题，提出MEDit-Bench数据集及基准，通过多消息与编辑配对展示消息对编辑的影响，定义评估协议，标注消息属性，实验表明模型虽在宽松阈值下接近人类，但严格标准下仍落后，人类编辑更优。

AuthentiCity: A Multi-Source Provenance-Aware Knowledge Graph and Benchmark for 3D City Models

真实性：用于3D城市模型的多源溯源感知知识图谱及基准测试

Huynh Duc An Son Nguyen, Lukas Arzoumanidis, Youness Dehbi

专题命中 评测与基准 ：LLM(abstract)

AI总结 研究针对城市数字孪生多源数据整合难题，提出多源溯源感知的3D城市知识图谱AuthentiCity，整合多城市多类型数据。引入两个基准测试系列，通过自然语言到查询翻译及图表示学习评估，展示其在多任务中的优势，为相关研究提供数据及测试支持。

IMPRINT: Image-Conditioned Query Enrichment for Long-Tail Object Goal Navigation

IMPRINT：用于长尾目标导航的图像条件查询增强

Jelin Raphael Akkara, Filippo Ziliotto, Luciano Serafini, Lamberto Ballan, Tommaso Campari

机构 * University of Padova（帕多瓦大学） ； Fondazione Bruno Kessler (FBK)（布鲁诺·凯斯勒基金会） 纠错

专题命中 评测与基准 ：language model(abstract)

AI总结 研究针对具身人工智能中ObjectNav依赖纯文本查询可靠性低的问题，提出IMPRINT框架，用网络图像丰富文本查询改善定位，无需训练导航策略。通过新基准HSSD-rare评估，显示图像条件查询可提升导航增益，还指出下游检测质量是关键瓶颈。

Comments Accepted at the 2026 IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS). Project page: https://github.com/JelinR/IMPRINT

Qwen-Audio-3.0-TTS: Freely Controllable and Highly Robust Speech Synthesis with Multi-Stage Training Paradigm

Qwen-Audio-3.0-TTS：基于多阶段训练范式的可自由控制且高度鲁棒的语音合成

Bajian Xiang, Cheng Wen, Han Zhao, Hao Wang, Haoxu Wang, Jiawei Jin, Jiayan Cui, Jie Chen, Mengxi Nie, Tianyu Zhao, Weiqin Li, Xiang Lv, Xiangang Li, Yang Xiang, Yang Zhou

专题命中 评测与基准 ：language model(abstract)

AI总结 介绍Qwen-Audio-3.0-TTS语音合成系统，结合低帧率分词器与五阶段训练范式，通过自然语言指令等实现生产级控制，支持多语言多方言，在多种评估中性能优异，为生产级语音合成奠定基础。

Comments 19 pages

UMI3D: Robust 3D Generation on Unconstrained Multi-Image Inputs via Simultaneous Focus Cross-Attention Routing

UMI3D：通过同步聚焦交叉注意力路由在无约束多图像输入上进行稳健的3D生成

Zefan Qu, Zhenwei Wang, Gerhard Petrus Hancke, Rynson W. H. Lau

专题命中 评测与基准 ：foundation model(abstract)

AI总结 研究针对3D基础模型在无约束多图像输入上表现不佳的问题，提出UMI3D框架，通过同步聚焦交叉注意力路由，利用体素参考分数，无需训练即可提升单图像3D生成框架在多图像输入时的性能。

Comments Project Page: https://umi3d-project.github.io/

RoadVGGT: Road-Structure-Aware Feed-Forward Road Surface Reconstruction

RoadVGGT：基于道路结构感知的前馈式路面重建

Han Jiao, Chen Liu, Jiakai Sun, Zhanjie Zhang, Mengyuan Yang, Yimeng Li, Mofan Zhou, Kun Zhan, Lei Zhao

专题命中 评测与基准 ：foundation model(abstract)

AI总结 针对现有道路重建方法需逐场景训练及场景依赖覆盖设计的局限，提出RoadVGGT框架，利用几何基础模型结合多视图图像等，经高斯头预测、坐标对齐及融合等重建紧凑高斯路面，提升多方面性能，证明几何基础模型在路面重建中的潜力。

A Scale-adaptive Vision Model Links C. elegans Neuronal Morphology to Behavior for Neurotoxicity Assessment

一种尺度自适应视觉模型将秀丽隐杆线虫神经元形态与行为联系起来用于神经毒性评估

Haochao Ying, Shenchong Lv, Yutao Sun, Zijian Tu, Xufeng Jin, Yuyang Xu, Yizhe Wang, Wei Yang, Xiaomin Yue, Jian Wu, Peilin Yu

专题命中 评测与基准 ：foundation model(abstract)

AI总结 研究针对神经毒性评估难题，引入专用自监督视觉模型及多粒度共聚焦基准，提出尺度自适应掩码图像建模策略，在多任务中超越基础模型，融合特征可预测行为缺陷，筛选化学品发现新神经毒性决定因素，为评估和药物发现提供新方法。

Nova3D: Code-Native Generation of Programmable 3D Assets

Nova3D：可编程3D资产的代码原生生成

Nimra Noor, Muhammad Bilal, Abdullah Hussain, Hassan Baig

专题命中 评测与基准 ：LLM(abstract)

AI总结 研究针对交互式3D世界需求，提出Nova3D系统，以代码原生方式生成可编程3D资产。通过在基准测试中的表现，展示其能生成有效工件，满足多种约束，实现局部编辑和关节运动，在几何方面有竞争力，转变了3D对象的表示形式。

Calibration-Free 3D Multi-Camera People Tracking for Indoor Environment

室内环境下无校准的3D多摄像机人体跟踪

Ponleur Veng, Dominique Vaufreydaz, Phutphalla Kong

专题命中 评测与基准 ：foundation model(abstract)

AI总结 针对室内环境下多摄像机人体跟踪依赖校准的问题，提出统一无校准3D MCPT框架，集成多种技术，采用姿态引导3D提升策略和全局身份关联方法，在挑战赛中取得53.13%的HOTA分数，为纯视觉3D跟踪建立基线。

Journal ref The 15th Conference on Information Technology and its Applications (CITA2026), Jul 2026, Ha Long, Vietnam

Child-Oriented AIGC Video Risk Reviewing: A Benchmark and Knowledge-Supported Iterative Reasoning Framework

面向儿童的AIGC视频风险审查：一个基准和知识支持的迭代推理框架

Lewen Mi, Manyi Li, Yuling Sun, Yufan Zhang, Yuxin Shi, Yulong Bian, Xiangxian Li, Juan Liu

机构 * Shandong University（山东大学） ； Fudan University（复旦大学） ； Beijing Jiaotong University（北京交通大学） 纠错

专题命中 评测与基准 ：language model(abstract)

AI总结 研究面向儿童的AIGC视频审查问题，构建CAVSR基准和分层风险分类法，提出结合多智能体协作与知识经验的QVRS-E框架，实验证明该方法能增强儿童相关风险审查，产生更可靠报告。

Qutrit-Based Neural Quantum Kernels for Classification Tasks

用于分类任务的基于三量子比特的神经量子核

Camila Cristiano-Romero, Pablo Rodriguez-Grasa, Mikel Sanz

专题命中 评测与基准 ：pretraining(abstract)

AI总结 研究聚焦三量子比特，将神经量子核扩展到量子位设置，系统研究关键设计选择。在四个基准数据集任务中，三量子比特NQKs大多优于QNN基线，能从增加特征和系统规模受益，酉表示影响性能，凸显基于量子位量子模型潜力。