Fudan University（复旦大学） - arXivDaily 高校专区

2605.00689 2026-05-04 cs.CL cs.CR

ML-Bench&Guard: Policy-Grounded Multilingual Safety Benchmark and Guardrail for Large Language Models

ML-Bench&Guard: 政策导向的多语言安全基准与大型语言模型的防护机制

Yunhan Zhao, Zhaorun Chen, Xingjun Ma, Yu-Gang Jiang, Bo Li

机构 * University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）； Fudan University（复旦大学）； University of Chicago（芝加哥大学）

AI总结本文提出ML-Bench和ML-Guard，通过区域法规构建多语言安全基准，并开发基于扩散模型的防护系统，实现文化与法律一致的多语言安全评估。

2605.00466 2026-05-04 cs.LG cs.AI

PAMod: Modeling Cyclical Shifts via Phase-Amplitude Modulation for Non-stationary Time Series Forecasting

PAMod：通过相幅调制建模周期性位移以实现非平稳时间序列预测

Yingbo Zhou, Yutong Ye, Shuhao Li, Rui Qian, Qiang Huang, Lemao Liu, Li Sun, Dejing Dou

机构 * Fudan University（复旦大学）； Beihang University（北航）； Beijing University of Posts and Telecommunications（北京邮电大学）

AI总结 PAMod通过相幅调制在归一化特征空间中建模周期性分布位移，解决非平稳时间序列预测中的均值和方差变化问题，实现高效且低资源的高性能预测。

2605.00371 2026-05-04 cs.SD cs.AI

GaMMA: Towards Joint Global-Temporal Music Understanding in Large Multimodal Models

GaMMA：迈向大规模多模态模型中的联合全局-时间音乐理解

Zuyao You, Zhesong Yu, Mingyu Liu, Bilei Zhu, Yuan Wan, Zuxuan Wu

机构 * Fudan University（复旦大学）

AI总结 GaMMA通过融合音频编码器和跨模态学习，实现音乐内容的全面理解，并在MusicBench基准测试中取得新高准确率。

2605.00347 2026-05-04 cs.LG cs.AI cs.CL

Odysseus: Scaling VLMs to 100+ Turn Decision-Making in Games via Reinforcement Learning

Odysseus：通过强化学习扩展VLMs以实现游戏中的100+回合决策

Chengshuai Shi, Wenzhe Li, Xinran Liang, Yizhou Lu, Wenjia Yang, Ruirong Feng, Seth Karten, Ziran Yang, Zihan Ding, Gabriel Sarch, Danqi Chen, Karthik Narasimhan, Chi Jin

机构 * Princeton Language and Intelligence（普林斯顿语言与智能实验室）； Princeton University（普林斯顿大学）； Fudan University（复旦大学）； Tsinghua University（清华大学）

AI总结本文研究了通过强化学习训练VLMs进行长回合决策，提出轻量级回合级批评机改进训练稳定性，利用预训练VLMs提升样本效率，引入Odysseus框架在多个游戏层级取得显著进展。

2604.15830 2026-05-04 cs.LG

Placing Puzzle Pieces Where They Matter: A Question Augmentation Framework for Reinforcement Learning

将拼图碎片放在关键位置：一种用于强化学习的问题增强框架

Yangyi Fang, Jiaye Lin, Xiaoliang Fu, Cong Qin, Haolin Shi

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

AI总结本文提出PieceHint框架，通过战略性提供关键推理步骤，解决强化学习中训练易问题过拟合和训练难问题奖励稀疏的问题，实验表明其在数学推理基准上性能优异且保持pass@k多样性。

2501.06540 2026-05-04 cs.CV math.ST stat.AP stat.ME stat.TH

Copula-enhanced Vision Transformer for high myopia diagnosis through OU UWF fundus images

基于Copula的视觉Transformer用于通过OU UWF视网膜图像诊断高度近视

Chong Zhong, Yunhao Liu, Yang Li, Xiang Fu, Jin Yang, Danjuan Yang, Meiyan Li, Jinfeng Xu, Aiyi Liu, Alan H. Welsh, Xingtao Zhou, Bo Fu, Catherine C. Liu

机构 * Department of Applied Biology ； Chemical Technology, The Hong Kong Polytechnic University ； Department of Data Science \& AI, The Hong Kong Polytechnic University e2 ； School of Data Science, Fudan University e1 ； Department of Applied Mathematics, The Hong Kong Polytechnic University ； Department of Biostatistics, City University of Hong Kong ； Eye Institute ； Department of Ophthalmology, Eye \& ENT Hospital, Fudan University ； Eunice Kennedy Shriver National Institute of Child Health ； College of Business ； Economics, Australian National University

AI总结本文提出Copula增强的视觉Transformer模型，用于通过OU UWF视网膜图像诊断高度近视，解决双目图像异质性和多任务学习中的条件依赖结构建模问题。