Fudan University（复旦大学）

Towards Dexterous Embodied Manipulation via Deep Multi-Sensory Fusion and Sparse Expert Scaling

通过深度多感官融合与稀疏专家扩展实现灵巧的具身体验

Yirui Sun, Guangyu Zhuge, Keliang Liu, Jie Gu, Zhihao xia, Qionglin Ren, Chunxu tian, Zhongxue Ga

机构 * College of Intelligent Robotics and Advanced Manufacturing, Fudan University（智能机器人与先进制造学院，复旦大学） ； School of Information Science and Engineering, Harbin Institute of Technology（信息科学与工程学院，哈尔滨工业大学） 纠错

AI总结 DeMUSE通过深度多感官融合与稀疏专家扩展，实现复杂物理互动的高成功率。

CLCR: Cross-Level Semantic Collaborative Representation for Multimodal Learning

CLCR：多模态学习中的跨层语义协作表示

Chunlei Meng, Guanhong Huang, Rong Fu, Runmin Jian, Zhongxue Gan, Chun Ouyang

机构 * Fudan University（复旦大学） ； Shantou University（汕头大学） ； University of Macau（澳门大学） ； Guangzhou Huashang College（广州华商学院） 纠错

AI总结 CLCR通过跨层语义协同表示方法，有效解决多模态数据中的语义错位问题，提升多模态学习的表示质量与任务泛化能力。

Comments This study has been Accepted by CVPR 2026

Tri-Subspaces Disentanglement for Multimodal Sentiment Analysis

三子空间解耦用于多模态情感分析

Chunlei Meng, Jiabin Luo, Zhenglin Yan, Zhenyu Yu, Rong Fu, Zhongxue Gan, Chun Ouyang

机构 * Fudan University（复旦大学） ； Peking University（北京大学） ； University of Macau（澳门大学） 纠错

AI总结 本文提出三子空间解耦框架，通过分解多模态特征为公共、子模态共享和私人子空间，提升多模态情感分析的性能和鲁棒性。

Comments This study has been Accepted by CVPR 2026

Proximity-Based Multi-Turn Optimization: Practical Credit Assignment for LLM Agent Training

基于接近性的多轮优化：LLM代理训练中的实用信用分配

Yangyi Fang, Jiaye Lin, Xiaoliang Fu, Cong Qin, Haolin Shi, Chang Liu, Peilin Zhao

机构 * Tsinghua University（清华大学） ； Fudan University（复旦大学） ； Peking University（北京大学） ； Lanzhou University（兰州大学） ； Tencent Inc.（腾讯公司） ； Shanghai Jiao Tong University（上海交通大学） 纠错

AI总结 ProxMO通过动态调整梯度强度和连续语义加权，提升LLM代理在多轮训练中的信用分配效率与稳定性。

How to Allocate, How to Learn? Dynamic Rollout Allocation and Advantage Modulation for Policy Optimization

如何分配，如何学习？动态回放分配与优势调节用于策略优化

Yangyi Fang, Jiaye Lin, Xiaoliang Fu, Cong Qin, Haolin Shi, Chaowen Hu, Lu Pan, Ke Zeng, Xunliang Cai

机构 * Meituan（美团） ； Tsinghua University（清华大学） ； Fudan University（复旦大学） ； Peking University（北京大学） 纠错

AI总结 DynaMO通过动态回放分配和梯度感知优势调节，优化策略学习中的资源分配与梯度更新稳定性，提升数学推理任务的性能。

OffSeeker: Online Reinforcement Learning Is Not All You Need for Deep Research Agents

OffSeeker：在线强化学习并非构建深度研究代理的全部需求

Yuhang Zhou, Kai Zheng, Qiguang Chen, Mengkang Hu, Qingfeng Sun, Can Xu, Jingjing Chen

机构 * Fudan University（复旦大学） ； Tencent Hunyuan（腾讯文言） ； The University of Hong Kong（香港大学） 纠错

AI总结 本文提出OffSeeker，通过离线训练和任务合成框架，无需在线强化学习即可构建高效深度研究代理。

LAMMI-Pathology: A Tool-Centric Bottom-Up LVLM-Agent Framework for Molecularly Informed Medical Intelligence in Pathology

LAMMI-Pathology: 一种以工具为中心的自下而上LVLM-智能体框架用于分子信息引导的病理学智能

Haoyang Su, Shaoting Zhang, Xiaosong Wang

机构 * Fudan University（复旦大学） ； Shanghai Innovation Institute（上海创新研究院） ； Shanghai Artificial Intelligence Laboratory（上海人工智能实验室） ； Shanghai Jiao Tong University（上海交通大学） 纠错

AI总结 LAMMI-Pathology提出了一种以工具为中心的自下而上智能体框架，通过分子信息引导的病理学智能提升病理图像分析的证据驱动能力。

MolReasoner: Toward Effective and Interpretable Reasoning for Molecular LLMs

MolReasoner：迈向分子大语言模型的有效且可解释的推理

Guojiang Zhao, Zixiang Lu, Yutang Ge, Sihang Li, Zheng Cheng, Haitao Lin, Lirong Wu, Hanchen Xia, Hengxing Cai, Wentao Guo, Hongshuai Wang, Mingjun Xu, Siyu Zhu, Guolin Ke, Linfeng Zhang, Zhifeng Gao

机构 * DP Technology, Beijing, China（DP技术有限公司） ； AI for Science Institute, Beijing, China（AI for Science研究院） ； Shanghai Jiao Tong University, Shanghai, China（上海交通大学） ； Fudan University, Shanghai, China（复旦大学） 纠错

AI总结 MolReasoner通过两阶段框架提升分子大语言模型的推理能力和可解释性，有效减少幻觉并提高生成质量。