Fudan University（复旦大学）

Disentangling Generation and Regression in Stochastic Interpolants for Controllable Image Restoration

解耦生成与回归在可控图像恢复中的随机插值

Yi Liu, Jia Ma, Wengen Li, Jihong Guan, Shuigeng Zhou, Yichao Zhang

机构 * Tongji University（同济大学） ； Fudan University（复旦大学） 纠错

AI总结 本文提出DiSI框架，通过解耦随机插值过程中的生成与回归组件，实现从纯回归到全生成的连续可控过渡，提升图像恢复任务的效率和精度。

Comments 44 pages, 16 figures, 16 tables

OcclusionFormer: Arranging Z-Order for Layout-Grounded Image Generation

OcclusionFormer: 布局导向图像生成中的Z轴顺序安排

Ziye Li, Henghui Ding

机构 * Institute of Big Data, College of Computer Science and Artificial Intelligence, Fudan University, China（大数据研究院，计算机科学与人工智能学院，复旦大学，中国） 纠错

AI总结 本文提出OcclusionFormer，一种基于Z轴顺序的扩散变换框架，通过解耦实例并利用体积渲染进行合成，以解决布局到图像模型中物体间遮挡问题，并通过查询对齐损失提升空间精度和语义一致性。

Comments ICML 2026, Project Page: https://henghuiding.com/OcclusionFormer/

Towards Context-Invariant Safety Alignment for Large Language Models

面向大语言模型的上下文不变安全对齐

Yixu Wang, Yang Yao, Xin Wang, Yifeng Gao, Yan Teng, Xingjun Ma, Yingchun Wang

机构 * Fudan University, Shanghai, China（复旦大学，上海，中国） ； Shanghai Artificial Intelligence Laboratory, Shanghai, China（上海人工智能实验室，上海，中国） 纠错

AI总结 本文提出了一种上下文不变的安全对齐方法，通过引入锚点不变正则化（AIR）来提升模型在不同上下文中的鲁棒性，从而增强安全约束对对抗性框架的抵抗力。

Comments ICML 2026

AgentEscapeBench: Evaluating Out-of-Domain Tool-Grounded Reasoning in LLM Agents

AgentEscapeBench: 评估LLM代理在跨领域工具引导推理中的能力

Zhengkang Guo, Yiyang Li, Lin Qiu, Xiaohua Wang, Jingwen Xv, Dongyu Ru, Xiaoyu Li, Xiaoqing Zheng, Xuezhi Cao, Xunliang Cai

机构 * Fudan University（复旦大学） ； Meituan Longcat Team（美团Longcat团队） 纠错

AI总结 本文提出AgentEscapeBench基准测试，用于评估LLM代理在非熟悉工作流和短程交互之外维持工具引导推理的能力，通过逃亡室风格的任务测试代理在显式长距离依赖约束下推断、执行和修订新工具使用程序的能力，结果显示代理在依赖深度增加时表现显著下降。

Design Topological Materials by Reinforcement Fine-Tuned Generative Model

通过强化微调生成模型设计拓扑材料

Haosheng Xu, Dongheng Qian, Zhixuan Liu, Yadong Jiang, Jing Wang

机构 * State Key Laboratory of Surface Physics（表面物理国家重点实验室） ； Department of Physics, Fudan University, Shanghai 200433, China（复旦大学物理系） ； Shanghai Research Center for Quantum Sciences, Shanghai 201315, China（上海量子科学研究中心） ； Institute for Nanoelectronic Devices（纳米电子器件研究所） ； Quantum Computing, Fudan University, Shanghai 200433, China（量子计算，复旦大学） ； Hefei National Laboratory, Hefei 230088, China（合肥国家实验室） 纠错

AI总结 本文提出通过强化微调生成模型来设计拓扑绝缘体和拓扑晶体绝缘体，展示了该方法在生成具有完整能隙的新拓扑材料方面的有效性，以Ge₂Bi₂O₆为例证明了其在拓扑绝缘体领域的应用。

Journal ref Nature Communications (2026)