Fudan University（复旦大学）

PRISM: Pareto-Efficient Retrieval over Intent-Aware Structured Memory for Long-Horizon Agents

PRISM：面向长周期智能体的意图感知结构化记忆的帕累托高效检索

Jingyi Peng, Zhongwei Wan, Weiting Liu, Qiuzhuang Sun

机构 * Singapore Management University（新加坡管理大学） ； The Ohio State University（俄亥俄州立大学） ； Fudan University（复旦大学） 纠错

AI总结 提出PRISM框架，通过图结构记忆上的联合检索与压缩方法，在不训练的情况下实现长周期对话的高效记忆管理，显著提升准确率并降低上下文成本。

Comments Preprint

From Raw Experience to Skill Consumption: A Systematic Study of Model-Generated Agent Skills

从原始经验到技能消费：模型生成智能体技能的系统研究

Zisu Huang, Jingwen Xu, Yifan Yang, Ziyang Gong, Qihao Yang, Muzhao Tian, Xiaohua Wang, Changze Lv, Xuemei Gao, Qi Dai, Bei Liu, Kai Qiu, Xue Yang, Dongdong Chen, Xiaoqing Zheng, Chong Luo

机构 * Fudan University（复旦大学） ； Microsoft Research（微软研究院） ； Shanghai Jiao Tong University（上海交通大学） 纠错

AI总结 本文系统研究了模型生成技能在语言智能体中的全生命周期（经验生成、技能提取、技能消费），通过构建效用评估框架发现技能平均有益但存在负迁移，并提出了元技能以提升技能质量。

Multi-Gate Residuals

多门残差

Zhizhan Zheng, Feiyun Zhang, Shuchun Liu, Tian Xia, Xi Liu, Dasheng Hu, Hongquan Zhou

机构 * Shanghai Yichuang Information Technology Co.,Ltd.（上海亿创信息技术有限公司） ； Fudan University（复旦大学） 纠错

AI总结 针对深度残差网络中激活值无界增长的问题，提出多门残差（MGR）方法，通过评分与门控机制稳定激活尺度，避免额外通信开销，实验证明其在大规模训练和部署中有效提升性能。

GMENet: Generative Mixture of Experts Network for Multi-Center Glioma Diagnosis with Incomplete Imaging Sequences

GMENet: 用于多中心胶质瘤诊断的生成式专家混合网络（不完整成像序列）

Pengfei Song, Fangjin Liu, Wenwen Zeng, Yonghuang Wu, Chengqian Zhao, Feiyu Yin, Xuan Xie, Jinhua Yu

机构 * School of Biomedical Engineering and Technology Innovation, Fudan University（复旦大学生物医学工程与技术创新学院） ； Institute of Science and Technology for Brain-Inspired Intelligence, Fudan University（复旦大学脑启发智能科学技术研究院） ； Intelligent Diagnosis and Treatment Laboratory for Brain Diseases, Joint Laboratory of Neurosurgery Department of Huashan Hospital and School of Information Science and Technology, Fudan University（脑病智能诊断与治疗实验室，华山医院神经外科部门联合实验室，复旦大学信息科学学院） 纠错

AI总结 针对临床MRI序列不完整导致数据利用率低的问题，提出GMENet，通过交叉注意力门控生成模块合成缺失序列特征，并利用动态加权专家融合模块进行多任务预测，在1241例多中心数据上使可用训练数据增加97%，且优于基于完整数据的最先进方法。

Comments IJCAI Accept

Sparser Block-Sparse Attention via Token Permutation

通过令牌置换实现更稀疏的块稀疏注意力

Xinghao Wang, Pengyu Wang, Dong Zhang, Chenkun Tan, Shaojun Zhou, Zhaoxiang Liu, Shiguo Lian, Fangxu Liu, Kai Song, Xipeng Qiu

机构 * Fudan University（复旦大学） ； Shanghai Innovation Institute（上海创新研究院） 纠错

AI总结 提出一种基于令牌置换的块稀疏注意力方法（PBS-Attn），通过利用注意力的置换性质增加块级稀疏性，在长上下文预填充中实现高达2.75倍的端到端加速，同时保持模型精度接近全注意力基线。

Comments ICML 2026

PixelPonder: Dynamic Patch Adaptation for Enhanced Multi-Conditional Text-to-Image Generation

PixelPonder: 动态补丁自适应增强多条件文本到图像生成

Yanjie Pan, Qingdong He, Zhengkai Jiang, Pengcheng Xu, Chaoyi Wang, Jinlong Peng, Haoxuan Wang, Yun Cao, Zhenye Gan, Mingmin Chi, Bo Peng, Yabiao Wang

机构 * Fudan University（复旦大学） ； Tencent Youtu Lab（腾讯优图实验室） ； Western University（西澳大学） ； University of Chinese Academy of Sciences（中国科学院大学） 纠错

AI总结 提出PixelPonder统一控制框架，通过补丁级自适应条件选择和时间感知控制注入机制，解决多条件文本到图像生成中结构失真和伪影问题，在保持文本语义一致性的同时提升空间对齐精度。