高校专区
技能条件门控自蒸馏用于大语言模型推理
机构 * Tsinghua University（清华大学） ； Fudan University（复旦大学） ； City University of Hong Kong（香港城市大学） ； Huazhong University of Science and Technology（华中科技大学） ； University of Wisconsin-Madison（威斯康星大学麦迪逊分校）
AI总结 提出技能条件门控自蒸馏（SGSD），通过从经验技能库中检索技能-错误对构建多教师池，并利用验证器验证教师极性，以鲁棒门控目标蒸馏信息性师生差异，在弱先验信息假设下提升数学推理性能。
TRACER: 基于内部强化信用与轮次级遗憾匹配的多LLM协作推理
机构 * Fudan University（复旦大学） ； Zhongguancun Academy（中关村学院） ； Academy for Advanced Interdisciplinary Studies, Peking University（北京大学先进交叉学科研究院）
AI总结 提出TRACER框架，通过控制器-遗憾层和生成-信用层分别学习发言时机与内容，解决多智能体强化学习中的稀疏奖励、搭便车和固定协议振荡问题，实现数学收敛的协作推理。
Comments 25 pages, 3 figures
强化学习的最优数据获取：大偏差视角
机构 * School of Management, Fudan University（复旦大学管理学院） ； H. Milton Stewart School of Industrial and Systems Engineering, Georgia Institute of Technology（佐治亚理工学院H. Milton Stewart工业与系统工程学院）
AI总结 针对强化学习中数据获取效率问题，提出基于大偏差理论的统一框架，通过策略选择错误概率的指数衰减率作为效率指标，推导变分特征并设计自适应数据获取策略，证明其近鲁棒最优性。
基于区域感知双模态直接偏好优化的组合式文本到图像生成
机构 * Shanghai Key Lab of Intell. Info. Processing, School of CS, Fudan University（上海智能信息处理关键实验室，复旦大学计算机学院） ； Shanghai Collaborative Innovation Center of Intelligent Visual Computing（上海智能视觉计算协同创新中心）
AI总结 提出BiDPO框架，通过构建大规模偏好数据集BiComp和扩展Diffusion DPO联合优化图像与文本偏好，结合区域级引导方法，提升文本到图像模型对复杂组合提示的生成保真度。
T-GINEE：基于张量的多层图表示学习
机构 * City University of Hong Kong（香港城市大学） ； Beihang University（北京航空航天大学） ； Independent Researcher（独立研究者） ； Peking University（北京大学） ； Fudan University（复旦大学） ； Shanghai Academy of AI for Science（上海人工智能科学研究院）
AI总结 针对现有方法无法捕捉多层网络层间复杂依赖的问题，提出T-GINEE框架，结合张量分解与广义估计方程显式建模跨网络相关性，理论证明一致性与渐近正态性，实验验证有效性。
Comments Accepted by ICML 2026
LLMs 是否从文本构建世界模型？多语言空间推理诊断
机构 * University of New South Wales（新南威尔士大学） ； Essential Energy ； University of Alabama at Birmingham（阿拉巴马大学伯明翰分校） ； Zhejiang University（浙江大学） ； Fudan University（复旦大学） ； Tsinghua University（清华大学）
AI总结 通过多语言诊断基准 MentalMap 评估大语言模型的空间推理能力，发现所有模型在视角推理上存在普遍的性能瓶颈（L3 推理悬崖），表明该限制源于纯文本工作记忆约束而非特定架构。
面向持续游戏生成的GUI智能体
机构 * Fudan University（复旦大学） ； Xiaohongshu Inc.（小红书公司） ； Tongji University（同济大学） ； University of California, Santa Barbara（加州大学圣芭芭拉分校）
AI总结 提出利用GUI智能体作为客观评估者和主观测试者，通过PlaytestArena和Play2Code框架实现持续游戏生成，显著提升可玩性。
VLA-Hijack: 通过视觉本体感觉劫持实现针对视觉-语言-动作模型的可迁移补丁攻击
机构 * Fudan University（复旦大学） ； The Hong Kong Polytechnic University（香港理工大学）
AI总结 提出VLA-Hijack框架，通过注意力引导的本体感觉抑制和多模态本体感觉注入攻击视觉自定位过程，实现跨架构黑盒迁移攻击。
ATLAS: 跨尺度的长上下文能力全面测试
机构 * Meituan（美团） ； Fudan University（复旦大学）
AI总结 提出ATLAS基准框架，通过分层分类、长度感知AUC评分和ATLAScore聚合指标，系统评估长上下文语言模型在不同长度和任务上的性能退化与能力分布。
Comments 29 pages, 13 figures. Preprint
弥合推理模型在信息不足情况下的检测到弃权差距
机构 * Fudan University（复旦大学） ； Ant Group（蚂蚁集团） ； Zhejiang University（浙江大学） ； Tsinghua University（清华大学）
AI总结 针对推理模型在信息不足时无法有效弃权的问题，提出Judge-Then-Solve（JTS）轨迹级推理控制框架，通过可回答性判断和强化学习训练，显著提升可靠弃权率并减少不必要的推理。
技能即伪代码：将技能库重构为面向LLM智能体的伪代码
机构 * Nanyang Technological University（南洋理工大学） ； Fudan University（复旦大学） ； Shanghai AI Laboratory（上海人工智能实验室）
AI总结 提出Skill-as-Pseudocode (SaP)方法，自动将Markdown技能库转换为带类型伪代码，通过确定性质量检查解决LLM智能体在检索技能时产生的混淆循环问题，在ALFWorld任务上显著优于基线。
Comments Preprint. Code: https://github.com/InternLM/Skill-as-Pseudocode
更小、更年轻、更具影响力：AI辅助写作如何改变研究团队
机构 * School of Information, University of Texas at Austin（德克萨斯大学奥斯汀分校信息学院） ； National Science Library, Chinese Academy of Sciences（中国科学院国家科学图书馆） ； Department of Information Resources Management, School of Economics and Management, University of Chinese Academy of Sciences（中国科学院大学经济管理学院信息资源管理系） ； Department of Information Management, Peking University（北京大学信息管理系） ； Institute of Big Data, Fudan University（复旦大学大数据研究院） ； Institute for Global Public Policy, Fudan University（复旦大学全球公共政策研究院） ； Faculty of Finance, City University of Macau（澳门城市大学金融学院）
AI总结 本研究利用2020年以来的PLoS和Nature系列期刊全文，通过多种回归方法发现AI辅助写作使研究团队更年轻、规模更小，且不影响甚至提升科学影响力。
流形上的推理：扩散语言模型中用于自我验证的双向一致性
机构 * Institute of Science and Technology for Brain-Inspired Intelligence（脑启发智能科学与技术研究院） ； Fudan University（复旦大学） ； Shanghai Artificial Intelligence Laboratory（上海人工智能实验室） ； University of Science and Technology of China（中国科学技术大学） ； IEG, Tencent Inc.（腾讯IEG）
AI总结 提出双向流形一致性（BMC），一种无训练、无监督的度量方法，通过前向掩码和后向重建循环量化生成序列的稳定性，用于扩散语言模型的诊断、推理和对齐。
Comments 31 pages, 7 figures. Accepted to the 43rd International Conference on Machine Learning (ICML 2026). Camera-ready version
Journal ref Proceedings of the 43rd International Conference on Machine Learning, PMLR 306, 2026
针对文本到图像扩散模型的语义级后门攻击
机构 * College of Computer Science and Artificial Intelligence, Fudan University, Shanghai, China（复旦大学计算机科学与人工智能学院，上海，中国） ； State Key Laboratory of Integrated Services Networks, Xidian University, Xian, China（集成服务网络国家重点实验室，西安电子科技大学，西安，中国） ； University of Electronic Science and Technology of China, Sichuan, China（电子科技大学，四川，中国） ； Ajou University, Gyeonggi-do, South Korea（庆尚道，韩国，全州大学）
AI总结 提出语义级后门攻击（SemBD），通过基于连续语义区域的表示级触发器替代离散文本模式，利用蒸馏编辑交叉注意力层的键和值投影矩阵植入后门，并引入语义正则化和多实体后门目标增强隐蔽性，实现100%攻击成功率并抵御输入级防御。
Mask-GCG：对抗性后缀中的所有标记对于越狱攻击都是必要的吗？
机构 * Politecnico di Milano（米兰理工学院） ； Beihang University（北京航空航天大学） ； East China Normal University（华东师范大学） ； Fudan University（复旦大学） ； University of the Chinese Academy of Sciences（中国科学院大学） ； AI Security Lab（360人工智能安全实验室）
AI总结 提出Mask-GCG方法，通过可学习的标记掩码识别后缀中高影响力标记并剪枝低影响力标记，降低计算开销并保持攻击成功率，揭示LLM提示中的标记冗余。
Comments Accepted to ICASSP 2026
Journal ref 2026 IEEE International Conference on Acoustics, Speech and Signal Processing (ICASSP), pp. 13887-13891, 2026
IRPO：通过后训练GRPO提升图像恢复
机构 * The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）） ； Tsinghua University（清华大学） ； Technical University of Munich（慕尼黑技术大学） ； Zhejiang University（浙江大学） ； Shanghai Jiao Tong University（上海交通大学） ； Fudan University（复旦大学） ； National University of Singapore（新加坡国立大学）
AI总结 提出IRPO框架，利用GRPO后训练优化确定性恢复模型，通过数据筛选和复合奖励建模，在域内和域外任务上显著提升性能。
扫码添加微信好友，提出您的宝贵建议 👇
💡 备注请填写：网站反馈