Fudan University（复旦大学）

Rewriting the Response Path: Silent Tampering and Provider-Signed Defense in BYOK LLM Agents

重写响应路径：BYOK LLM 代理中的静默篡改与提供者签名防御

Mingyu Luo, Zihan Zhang, Zesen Liu, Yuchong Xie, Zhixiang Zhang, Dung Hiu Hilton Yeung, Wai Ip Lai, Ping Chen, Ming Wen, Dongdong She

机构 * Fudan University（复旦大学） ； The Hong Kong University of Science and Technology（香港科学与技术大学） ； Huazhong University of Science and Technology（华中科技大学） 纠错

AI总结 研究BYOK LLM代理响应路径完整性问题，发现中继可篡改响应。提出sign-c服务器端方案，能认证执行承载字段和查询，本地垫片验证，加密保护机密性，防御有效拒绝篡改响应，误拒率为零，延迟开销低。

Robust Activation Map Rectification for Weakly Supervised Volumetric Segmentation: Temporal Coherence as a Free Lunch

用于弱监督体积分割的鲁棒激活图校正：将时间相干性作为免费午餐

Renshu Gu, Jialiang Chen, Fei Gao, Hang Su, Jun Qi, Jiamin Xu, Yicheng Shen, Jiayu Zhang, Jiaxi Pan, Caiming Zhang, Gang Xu

机构 * School of Computer Science, Hangzhou Dianzi University（杭州电子科技大学计算机学院） ； Hangzhou Institute of Technology, Xidian University（西安电子科技大学杭州研究院） ； University of Yamanashi（山梨大学） ； Department of Electronic Engineering, School of Information Science and Engineering, Fudan University（复旦大学信息科学与工程学院电子工程系） ； Ruian People’s Hospital（瑞安市人民医院） ； School of Software, Shandong University（山东大学软件学院） 纠错

AI总结 针对弱监督体积分割中CAM不可靠问题，提出无训练无原型框架，利用VRAA抑制噪声放大信号，用BER机制校正不合理激活，该方法与模型无关，集成方便，实验显示相比现有方法有显著提升，减少推理时间。

KineBench: Benchmarking Embodied World Models via IDM-Free Kinematic Grounding

KineBench：通过无逆动力学模型的运动学基础对具身世界模型进行基准测试

Zeyu Liu, Zhangzhe Zhu, Yang Zhang, Chenyou Fan, Chenjia Bai, Xuelong Li

机构 * Institute of Artificial Intelligence (TeleAI), China Telecom（中国电信人工智能研究院） ； National University of Singapore（新加坡国立大学） ； Fudan University（复旦大学） ； Tsinghua University（清华大学） ； Shenzhen Research Institute of Northwestern Polytechnical University（西北工业大学深圳研究院） 纠错

AI总结 研究旨在评估具身世界模型物理一致性，提出无逆动力学模型的KineBench基准测试。利用级联视觉基础模型提取姿态，在物理模拟器中闭环验证，纳入运动学指标，基于ManiSkill3的任务评估EWMs，揭示任务复杂度受限的非线性缩放，为数据缩放策略提供指导。

Comments Accept to ECCV2026

Memory-Augmented Multimodal Large Language Models for Small Object Understanding in Streaming Aerial Videos

用于流式航空视频中小目标理解的内存增强多模态大语言模型

Penglei Sun, Yehua Huang, Zhuoli Tao, Xiang Li, Runwei Guan, Yaoxian Song, Kaiyong Zhao, Henghui Ding, Bo Han, Yang Yang, Xiaowen Chu

机构 * The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）） ； University of Freiburg（弗莱堡大学） ； Hangzhou City University（杭州城市大学） ； XGRIDS（XGRIDS公司） ； Fudan University（复旦大学） ； Hong Kong Baptist University（香港浸会大学） 纠错

AI总结 研究针对流式航空视频中小目标理解难题，提出像素级开放词汇数据集DroneEyes，以及含语义感知令牌路由器和分层内存库的多模态大语言模型SkyAnchor，从数据和方法角度应对挑战。

Zero-Observation User Reactivation with Gap-Driven Dimensional Gating

基于间隙驱动维度门控的零观测用户重新激活

Jiandong Ding, Tianying Liu, Fuyuan Liu, Huijie Qin, Tiandeng Wu

机构 * Fudan University（复旦大学） ； Huawei Technologies（华为技术） 纠错

AI总结 研究零观测用户重新激活问题，提出轻量级输出层插件DeltaGate，在三个亚马逊数据集实验，其能在保持主干冻结下，通过间隙和个性化表示调节路由维度，相比其他方法提升了Hit@10指标，且参数少、保留主干漂移。

Comments Accepted at the 20th ACM Conference on Recommender Systems (RecSys 2026)

SwiftRepertoire: Few-Shot Immune-Signature Synthesis via Dynamic Kernel Codes

SwiftRepertoire: 通过动态核码实现少样本免疫特征合成

Rong Fu, Yang Li, Yabin Jin, Jiekai Wu, Chunlei Meng, Youjin Wang

机构 * University of Macau（澳门大学） ； Peking University（北京大学） ； University of Chinese Academy of Sciences（中国科学院大学） ； The First People’s Hospital of Foshan（佛山第一人民医院） ； Juntendo University（立命馆大学） ； Shanghai AI Laboratory（上海人工智能实验室） ； Fudan University（复旦大学） ； Renmin University of China（中国人民大学） ； Minzu University of China（民族大学） ； Tsinghua University（清华大学） ； Capital Medical University（首都医科大学） 纠错

AI总结 本文提出SwiftRepertoire框架，通过动态核码实现少样本免疫特征合成，利用轻量任务描述符和原型字典生成紧凑任务特定参数化，实现快速适应新任务，提升临床和研究场景下的模型实用性与可解释性。

Comments 19 pages, 8 figures, 8 tables

NeuroPareto: Calibrated Acquisition for Costly Many-Goal Search in Vast Parameter Spaces

NeuroPareto：在广阔参数空间中针对昂贵多目标搜索的校准获取

Rong Fu, Chunlei Meng, Haoyu Zhao, Kun Liu, JiaBao Dou, Youjin Wang, Simon James Fong

机构 * University of Macau（澳门大学） ； Fudan University（复旦大学） ； Renmin University of China（中国人民大学） ； Wuhan University（武汉大学） ； Shanghai AI Laboratory（上海人工智能实验室） ； University of Southampton（南安普顿大学） ； Hong Kong Baptist University（香港 Baptist大学） 纠错

AI总结 NeuroPareto通过整合排名中心过滤、不确定性解耦和历史条件获取策略，有效导航复杂目标景观，实现多目标优化中的高效搜索与高精度候选生成。

Comments 39 pages, 19 figures

Universality Reconsidered: Rethinking the Validation of Foundation Models for General-Purpose 3D Medical Segmentation

揭示通用3D医学分割中的模态差异与泛化幻觉

Yichi Zhang, Le Xue, Feiyang Xiao, Wenbo Zhang, Gang Feng, Chenguang Zheng, Yuan Qi, Yuan Cheng, Zixin Hu

机构 * Fudan University, Shanghai, China.（复旦大学） ； Shanghai Academy of Artificial Intelligence for Science, Shanghai, China.（上海人工智能科学研究院） ； Shanghai Universal Medical Imaging Diagnostic Center, Shanghai, China.（上海通用医学影像诊断中心） 纠错

AI总结 本文通过UMD数据集揭示3D医学分割中模态差异与泛化幻觉问题，指出现有基础模型在实际应用中存在显著性能差异，需转向多模态训练以提升通用性。

CreatiPoster: Towards Editable and Controllable Multi-Layer Graphic Design Generation

CreatiPoster：迈向可编辑和可控的多层平面设计生成

Dexiang Hong, Zhao Zhang, Weidong Chen, Yutao Cheng, Maoke Yang, Gonglei Shi, Hui Zhang, Zhendong Mao

机构 * University of Science and Technology of China（中国科学技术大学） ； Intelligent Creation（智能创作） ； Fudan University（复旦大学） 纠错

AI总结 研究旨在解决平面设计难题，提出CreatiPoster框架，通过协议模型和条件背景模型生成可编辑多层构图，超越开源方法和商业系统，发布无版权语料库，推动AI辅助平面设计应用。