Fudan University（复旦大学）

Start Classifying: Categorical Critics for LLM Reinforcement Learning

开始分类：用于大语言模型强化学习的分类式评判器

Zhijian Zhou, Long Li, Xuan Zhang, Zongkai Liu, Yulei Qin, Ke Li, Xing Sun, Xiaoyu Tan, Chao Qu, Yuan Qi

机构 * Fudan University（复旦大学） ； Shanghai Innovation Institute（上海创新研究院） ； Tencent YoutuLab（腾讯优图实验室） ； Griffith University（格里菲斯大学） ； Shanghai Academy of Artificial Intelligence for Science（上海科学人工智能研究院） 纠错

AI总结 该研究提出HL-Gauss PPO，将PPO的标量评判器改为分类式预测器，在多任务及Qwen2.5、Qwen3主干上均优于PPO、DAPO基线，可改进评判器信号与优势估计。

Comments Accepted at COLM 2026. 26 pages, 9 figures. Code: https://github.com/ZhijianZhou/HL-guass-ppo

IACM-RL: Intent-Aware Context Management and Reinforcement Learning for Complex Tool Invocation under Dynamic Intent Fluctuations

IACM-RL：动态意图波动下复杂工具调用的意图感知上下文管理与强化学习

Dingwei Zhu, Jiahan Li, Chengjun Pan, Yunxian Yang, Yunbin Zhao, Yunke Zhang, Zhonghang Lu, Zhuohui Sheng, Chenhao Huang, Jiahang Lin, Yajie Yang, Junlin Shang, Shichun Liu, Yuhui Wang, Honglin Guo, Junjie Ye, Xin Guo, Jiazheng Zhang, Ming Zhang, Shihan Dou, Zhiheng Xi, Tao Gui, Qi Zhang, Xipeng Qiu, Xuanjing Huang

机构 * Fudan University（复旦大学） ； Honor Device Co Ltd.（荣耀设备有限公司） ； Peking University（北京大学） 纠错

AI总结 针对动态意图波动下长程工具调用的意图偏差与无限API循环问题，提出IACM-RL框架，结合DynamicIntent流水线与BeliefState上下文管理器，在多基准上实现性能提升。

One QK Channel, Many Sources: Guarding Low-Precision Attention Collapse

一个QK通道，多个源：防范低精度注意力崩溃

Shuxiao Xie, Shuyang Xie, Yuan Cao, Dezhi Ran, Wei Yang, Tao Xie

机构 * Beijing Tongming Lake Information Technology Application Innovation Center (TLAIC)（北京通明湖信息技术应用创新中心（TLAIC）） ； Fudan University Institute of Systems for Advanced Computing（复旦大学先进计算系统研究所） ； Harbin Institute of Technology（哈尔滨工业大学） ； Peking University（北京大学） ； Shanghai Institute of Systems for Open Computing（上海开放计算系统研究所） 纠错

AI总结 本研究针对bfloat16变换器的低精度注意力崩溃问题，通过定位故障源与通道的分离关系，提出QK-Guard方法，可有效抑制注意力失控，支持在共享QK位点进行干预。

Comments 22 pages, 4 figures. Code and research artifacts: https://github.com/xieTwim/one-qk-channel-artifact

SphereVideo: Prototype-anchored Hyperspherical Boundary for Continual AI-generated Video Detection

SphereVideo：用于持续AI生成视频检测的原型锚定超球面边界

Fei Li, Yue Yu, Yuran Wang, Xinghan Li, Jingjing Chen, Yu-Gang Jiang

机构 * Fudan University（复旦大学） ； Peking University（北京大学） 纠错

AI总结 针对AI生成视频检测中持续学习框架不足的问题，提出SphereVideo框架，以超球面原型锚定与多尺度时序建模提升泛化性，在已见和未见数据上均优于现有方法

OpenART: Scaling Agent Red Teaming via Open-Ended Environment Evolution

OpenART：通过开放式环境演化扩展智能体红队演练规模

Yunhao Chen, Xin Wang, Yixu Wang, Yi Liu, Jie Li, Yan Teng, Xingjun Ma, Xia Hu, Yu-Gang Jiang

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

AI总结 本研究针对现有智能体安全基准无法捕捉累积风险的问题，推出开放式智能体红队演练平台OpenART，并提出EMHA攻击方法，在75种智能体模型配置上实现85.0%的汇总攻击成功率，为复杂环境下的智能体安全研究提供可扩展基础。

A Survey of Large Audio Language Models: Generalization, Trustworthiness, and Outlook

大型音频语言模型综述：通用性、可信度与展望

Kaiwen Luo, Zhenhong Zhou, Leyan Wang, Liang Lin, Tianyu Shao, Yuanhe Zhang, Yang Xiao, Yuxuan Li, Miao Yu, Kailin Lyu, Jiaming Zhang, Li Sun, Songze Li, Yueming Wu, Ting Dang, Xiaojun Jia, Dongrui Liu, Kai Li, Rohan Kumar Das, Siyuan Liang, Xinfeng Li, Qiankun Li, Jing Chen, Xingjun Ma, Kun Wang, Junhao Dong, Deqing Zou, Yu Cheng, Xia Hu, Zhigang Zeng, Sen Su, Yang Liu, Yu-Gang Jiang, Philip S. Yu, Yew-Soon Ong

机构 * Nanyang Technological University（南洋理工大学） ； Independent Researcher（独立研究者） ； The University of Melbourne（墨尔本大学） ； North China Electric Power University（华北电力大学） ； Beijing University of Posts and Telecommunications（北京邮电大学） ； University of Chinese Academy of Sciences（中国科学院大学） ； University of Science and Technology of China（中国科学技术大学） ； Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所） ； Shanghai AI Laboratory（上海人工智能实验室） ； Huazhong University of Science and Technology（华中科技大学） ； Tsinghua University（清华大学） ； Fortemedia Singapore（富媒体新加坡） ； Tencent（腾讯） ； Fudan University（复旦大学） ； Wuhan University（武汉大学） ； Chinese University of Hong Kong（香港中文大学） ； Chongqing University of Posts and Telecommunications（重庆邮电大学） ； University of Illinois Chicago（伊利诺伊大学芝加哥分校） 纠错

AI总结 本文综述了大型音频语言模型的通用性、可信度及未来发展方向，探讨了其架构创新、对齐算法及安全风险，并提出了防御深入、因果音频世界建模等策略以提升音频智能的可信度。

Chimera: Neuro-Symbolic Attention Primitives for Trustworthy Dataplane Intelligence

Chimera：用于可信数据平面智能的神经符号注意力原语

Rong Fu, Xiaowen Ma, Kun Liu, Wangyu Wu, Ziyu Kong, Jia Yee Tan, Tailong Luo, Xianda Li, Yongtai Liu, Youjin Wang, Simon Fong

机构 * University of Macau（澳门大学） ； Zhejiang University（浙江大学） ； University of Southampton（南安普顿大学） ； University of Liverpool（利物浦大学） ； Fudan University（复旦大学） ； Renmin University of China（中国人民大学） ； New York Institute of Technology（纽约理工学院） ； University of Bologna（博洛尼亚大学） ； Minzu University of China（民族大学） ； Hanyang University（汉阳大学） 纠错

AI总结 Chimera提出了一种框架，将神经计算和符号约束映射到数据平面原语，实现可信推断，通过线性化注意力近似和层级键选择机制，在资源限制下实现高保真推理。

Comments 22 pages, 10 figures

GaiaFlow: Semantic-Guided Diffusion Tuning for Carbon-Frugal Search

GaiaFlow：基于语义的扩散调优用于碳节约搜索

Rong Fu, Jia Yee Tan, Chunlei Meng, Shuo Yin, Xiaowen Ma, Wangyu Wu, Simon Fong

机构 * University of Macau（澳门大学） ； Renmin University of China（中国人民大学） ； Fudan University（复旦大学） ； Tsinghua University（清华大学） ； Zhejiang University（浙江大学） ； University of Liverpool（利物浦大学） ； Peking University（北京大学） ； Northeast Normal University（东北师范大学） ； Minzu University of China（民族大学） 纠错

AI总结 GaiaFlow通过结合语义引导的扩散调优与硬件无关的性能建模策略，在保证检索精度的同时降低环境影响，实现了高效且可持续的神经搜索系统。

Comments 19 pages, 7 figures

Missing-by-Design: Certifiable Modality Deletion for Revocable Multimodal Sentiment Analysis

缺失-by-设计：可撤销多模态情感分析的可验证模态删除

Rong Fu, Ziming Wang, Chunlei Meng, Jiekai Wu, Kangan Qian, Hao Zhang, Simon Fong

机构 * University of Macau（澳门大学） ； Zhejiang University（浙江大学） ； Fudan University（复旦大学） ； Shanghai AI Laboratory（上海人工智能实验室） ； Juntendo University（立命馆大学） ； Tsinghua University（清华大学） ； University of Chinese Academy of Sciences（中国科学院大学） 纠错

AI总结 本文提出MBD框架，通过结构化表示学习和可验证参数修改流程，实现可撤销多模态情感分析中的模态删除，实验表明其在不完整输入下具有强预测性能，并实现隐私与效用的平衡。

Comments 21 pages, 6 figures. In the previous version, Juntendo University was erroneously listed as the affiliation; we must clarify that this paper has absolutely no relation to Juntendo University. Therefore, we have replaced this affiliation in the new version

ARGen: Affect-Reinforced Generative Augmentation towards Vision-based Dynamic Emotion Perception

ARGen：基于情感强化的生成增强方法用于基于视觉的动态情绪感知

Huanzhen Wang, Ziheng Zhou, Jiaqi Song, Li He, Yunshi Lan, Yan Wang, Wenqiang Zhang

机构 * Fudan University（复旦大学） ； East China Normal University（华东师范大学） 纠错

AI总结 本文提出ARGen框架，通过情感语义注入和自适应强化扩散阶段，解决野外动态表情识别中的数据稀缺问题，提升情绪感知的生成质量和识别性能。

EmoScene: A Dual-space Dataset for Controllable Affective Image Generation

EmoScene：用于可控情感图像生成的双空间数据集

Li He, Longtai Zhang, Wenqiang Zhang, Yan Wang, Lizhe Qi

机构 * Fudan University（复旦大学） ； East China Normal University（华东师范大学） 纠错

AI总结 本文提出EmoScene数据集，通过双空间编码情感维度与感知属性，提升文本到图像模型对场景语义和情感调制的控制能力。

Hyperparameter Transfer Laws for Non-Recurrent Multi-Path Neural Networks

非递归多路径神经网络的超参数转移定律

Shenxi Wu, Haosong Zhang, Xingjian Ma, Shirui Bian, Yichi Zhang, Xi Chen, Wei Lin

机构 * Fudan University, Shanghai, China（复旦大学） ； New York University, New York, NY, USA（纽约大学） 纠错

AI总结 本文提出有效深度概念，揭示了非递归多路径神经网络中学习率衰减遵循-3/2幂律，实现超参数跨深度和宽度的可靠转移。