高校专区
SAEVerbalizer：通过表示 verbalization 为稀疏自编码器特征生成解释
机构 * Tsinghua University（清华大学） ； Peking University（北京大学） ； Fudan University（复旦大学）
AI总结 该研究提出 SAEVerbalizer 框架，通过微调 LLM 下游层生成 SAE 特征的自然语言解释，解决了传统解释方法的表面性与低效率问题，其 verbalization 能力可泛化、迁移并扩展到不同 LLM 的 SAE 特征。
HPSD：用于文本-图像转视频扩散模型的混合策略自蒸馏
机构 * Shanghai Jiao Tong University（上海交通大学） ； S-Lab, Nanyang Technological University（新加坡南洋理工大学S-Lab实验室） ； University of Science and Technology of China（中国科学技术大学） ； Fudan University（复旦大学） ； Shanghai Innovation Institute（上海创新研究院） ； Shanghai AI Laboratory（上海人工智能实验室） ； Adobe Research（奥多比研究院） ； The Chinese University of Hong Kong（香港中文大学） ； CPII under InnoHK（InnoHK下属CPII机构）
AI总结 本研究提出HPSD混合策略自蒸馏框架，通过让同一TI2V模型在不同条件下分别充当教师与学生，解决现有自蒸馏方法的缺陷，显著提升T2V及TI2V生成性能，强化模型基础生成能力。
Comments Project Website: https://bujiazi.github.io/hpsd.github.io/ Code: https://github.com/Bujiazi/HPSD
SketchSense：学习解释用于图像修复的不完美草图引导
机构 * Fudan University（复旦大学）
AI总结 SketchSense是同步去噪RGB与结构流的框架，通过双向注意力融合等技术解释不完美草图引导，在图像修复的质量和结构保真度上较现有方法有显著提升。
Comments 10 pages, 11 figures, 3 tables
从局部失配到全局影响：优化缓存重用策略以实现高效扩散模型
机构 * Faculty of Engineering, The Chinese University of Hong Kong（香港中文大学工程学院） ； School of Data Science, Fudan University（复旦大学数据科学学院）
AI总结 针对扩散模型缓存策略与生成质量失配问题，提出GCache双层优化框架，在Wan2.1模型上实现2.17倍加速且LPIPS降至0.0316，性能优于现有缓存策略。
MARCH：通过内容路由状态锚点扩展循环记忆
机构 * Shanghai AI Laboratory（上海人工智能实验室） ； Tsinghua University（清华大学） ； Fudan University（复旦大学）
AI总结 本文提出MARCH架构，通过内容路由状态锚点扩展循环记忆，在长序列上保持计算效率，经预训练后在多个长程任务中优于线性注意力变体，增强了循环长程记忆能力。
RoboSynChallenge：通过泛化合成操作技能掌握真实世界灵巧操作
机构 * The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳）） ； DexForce（德克斯力公司） ； The Chinese University of Hong Kong（香港中文大学） ； The Hong Kong University of Science and Technology（香港科技大学） ； University of Colorado Anschutz（科罗拉多大学安舒茨医学中心） ； Mila - Quebec AI Institute（米拉-魁北克人工智能研究所） ； Vector Institute（向量研究所） ； University of Waterloo（滑铁卢大学） ； Fudan University（复旦大学） ； Sun Yat-sen University（中山大学） ； Shenzhen Loop Area Institute (SLAI)（深圳环区研究所）
AI总结 RoboSynChallenge竞赛推出统一基准，结合合成数据与真实评估，提供多类基准策略，旨在推动开发泛化性强、数据高效的机器人操作系统，助力通用机器人智能发展。
Comments NeurIPS 2026 Competition Track
大语言模型是可靠的评审者吗？面向金融文档错误检测的基准测试
机构 * College of Computer Science and Artificial Intelligence, Fudan University（复旦大学计算机科学与人工智能学院） ； School of Data Science, Fudan University（复旦大学数据科学学院） ； Ant Group（蚂蚁集团） ； School of Information and School of Smart Governance, Renmin University of China（中国人民大学信息学院与智慧治理学院）
AI总结 本文构建首个金融错误检测基准FinED-Bench，评估发现当前LLMs难胜任高复杂度金融文档错误检测任务，监督微调可提升弱模型性能。
大语言模型在文化禁忌安全方面的“知识-行为差距”
机构 * College of Computer Science and Artificial Intelligence, Fudan University（复旦大学计算机与人工智能学院） ； Huawei（华为）
AI总结 针对大语言模型文化禁忌安全评估的现有基准存在不足，本文推出首个公开基准CulShield，发现先进LLMs存在“知识-行为差距”，且语言语境变化会影响其文化禁忌安全。
NBA_Streaming：用于连续流中细粒度篮球评论生成的大规模基准测试
机构 * School of Information Science and Technology, Beijing University of Technology（北京工业大学信息科学与技术学院） ； Fudan University（复旦大学） ； Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所）
AI总结 针对现有篮球评论生成方法与数据集不适用于连续流的局限，推出大规模基准NBA_Streaming，提出因果两阶段框架，可有效提升在线细粒度篮球评论生成性能。
宪法性在策略安全蒸馏
机构 * Institute of Trustworthy Embodied AI（可信具身人工智能研究院） ； Fudan University（复旦大学） ； Shanghai Innovation Institute（上海创新研究院） ； Ant Group（蚂蚁集团） ； Zhejiang University（浙江大学） ； City University of Hong Kong（香港城市大学）
AI总结 针对在策略自蒸馏在安全对齐中因宪法条件导致教师分布收缩、表达能力下降的问题，提出宪法性在策略安全蒸馏（COPSD），通过交叉SFT冷启动校准教师分布，再进行宪法条件在策略蒸馏，在12个基准上实现了更优的安全-有用性权衡并降低安全税。
AWARe：基于激活加权的自适应保留缓解灾难性遗忘
机构 * School of Software Technology, Zhejiang University（浙江大学软件学院） ； College of Intelligent Robotics and Advanced Manufacturing, Fudan University（复旦大学智能机器人与先进制造学院） ； School of Artificial Intelligence, Sun Yat-Sen University（中山大学人工智能学院） ； Graduate School of Information Science, Hokkaido University（北海道大学信息科学研究院）
AI总结 针对多模态大语言模型微调时的灾难性遗忘问题，提出无需修改架构的AWARe方法，通过激活加权控制参数更新，在保留上游能力的同时提升下游性能。
MuseCritic：通过自然语言审美评论学习多维度歌曲奖励
机构 * Fudan University（复旦大学）
AI总结 本研究提出MUSECRITIC半标量奖励模型，通过两阶段训练生成多维度自然语言评论预测歌曲奖励，在SongEval、Music Arena等数据集上效果优于现有方法，结合GRPO还提升了Muse-0.6B的多项审美指标。
推进基于多模态大语言模型（MLLM）的无人机（UAV）图像理解与推理：基准测试及无训练多智能体系统
机构 * Fudan University（复旦大学） ； College of Future Information Technology（未来信息技术学院） ； Shanghai Innovation Institute（上海创新研究院） ； Shanghai Artificial Intelligence Laboratory（上海人工智能实验室） ； The Chinese University of Hong Kong（香港中文大学）
AI总结 本研究构建UAVQA-Bench基准，识别MLLM用于无人机图像理解的三类失效模式，提出含DSPE、CAIR、DAAS的无训练多智能体系统UAV-MAS，其32B版本在基准上准确率超Gemini 3 Pro 4.0个百分点
扩散探针：利用CNN探针进行生成图像结果预测
机构 * Alibaba Group（阿里巴巴集团） ； Laboratory for Statistical Monitoring and Intelligent Governance of Common Prosperity, School of Statistics and Data Science, Zhejiang Gongshang University（浙江工商大学统计与数据科学学院共同富裕统计监测与智能治理实验室） ； Southeast University（东南大学） ； College of Intelligent Robotics and Advanced Manufacturing, Fudan University（复旦大学智能机器人与先进制造学院） ； ByteDance Inc.（字节跳动有限公司）
AI总结 本文提出Diffusion Probe框架，通过早期扩散交叉注意力分布预测最终图像质量，提升文本生成图像的效率与质量。
Comments CVPR 2026
SPIEval：评估大型语言模型作为处理分散个人信息的移动助手的能力
机构 * Fudan University（复旦大学） ； Tencent Hunyuan Team（腾讯混元团队）
AI总结 本研究推出基于五种认知能力的人工策划基准SPIEval，评估9种LLMs作为移动助手处理分散个人信息的能力，发现其准确率最高仅57.3%，存在信息定位等显著局限。
MedUP：唤醒医学视觉-语言模型中的统一理解与感知能力
机构 * Zhejiang University（浙江大学） ； Fudan University（复旦大学）
AI总结 该研究提出MedUP模型，通过UniMedTok分词器在共享token空间统一医学视觉-语言模型的感知与理解，构建相关训练语料库和评估基准，在多医学任务上性能优于现有模型。
Comments 10 pages, 6 figures
REATS：基于大语言模型推理的集成学习用于自适应时间序列预测
机构 * Fudan University（复旦大学） ； Microsoft Research（微软研究院） ； Nankai University（南开大学） ； Jilin University（吉林大学）
AI总结 该研究针对单一时间序列预测模型的局限性，提出基于LLM推理的REATS集成方法，通过三方面设计实现样本自适应可解释加权，在八个基准测试上优于竞争基线，具备强泛化与迁移能力。
X-NavDP：通过组Q分数重加权匹配将导航扩散策略泛化到新行为和实体
机构 * Fudan University（复旦大学） ； Shanghai AI Laboratory（上海人工智能实验室） ； Sun Yat-sen University（中山大学） ； Tsinghua University（清华大学）
AI总结 该研究针对导航扩散策略泛化性不足的问题，提出GQRM框架对X-NavDP进行后训练，大幅提升了跨实体视觉导航的模拟与现实场景成功率。
Comments 20 pages, 4 figures
InternBootcamp 技术报告：通过可验证的任务扩展提升大语言模型推理能力
机构 * Shanghai AI Laboratory（上海人工智能实验室） ； Fudan University（复旦大学）
AI总结 本文提出InternBootcamp框架，通过可验证的任务扩展方法提升大语言模型的推理能力，为基于强化学习的模型优化、合成数据生成和模型评估提供了基础设施。
Comments InternAgentHarness tech report
基于N最佳教师轨迹选择的在线策略蒸馏
机构 * Johns Hopkins University（约翰霍普金斯大学） ； TikTok ； University of California, San Diego（加州大学圣地亚哥分校） ； Fudan University（复旦大学）
AI总结 本文提出BRTS框架，通过选择更准确且与学生行为一致的教师轨迹提升在线策略蒸馏效果，在AIME和AMC基准测试中取得显著改进。
Comments 10 pages, 5 figures
MuSS：一个多镜头数据集和电影叙事基准用于多镜头主体到视频生成
机构 * South China University of Technology（华南理工大学） ； Fudan University（复旦大学） ； Yunnan Normal University（云南师范大学）
AI总结 本文提出MuSS数据集和电影叙事基准，解决多镜头视频生成中的叙事逻辑、时空对齐和复制粘贴问题，通过改进的标注流程和反复制粘贴指标提升生成质量。
Comments 17 pages, 9 figues
OmniVTA: 用于接触密集机械操作的视觉-触觉世界建模
机构 * TARS Robotics（TARS机器人实验室） ； National University of Singapore（新加坡国立大学） ； Fudan University（复旦大学） ； CASIA（中国科学院自动化研究所） ； Tsinghua University（清华大学） ； Zhongguancun Academy（中关村学院） ； Beihang University（北京航空航天大学）
AI总结 本文提出OmniVTA框架，结合预测接触建模与高频触觉反馈，通过大规模视觉-触觉-动作数据集提升接触密集操作的性能与泛化能力。
Comments Project Page: https://mrsecant.github.io/OmniVTA
SHE：面向大语言模型智能体的轨迹驱动安全管控机制演化
机构 * Shanghai Artificial Intelligence Laboratory（上海人工智能实验室） ； Fudan University（复旦大学） ； Shanghai Jiao Tong University（上海交通大学） ； The Hong Kong University of Science and Technology（香港科技大学）
AI总结 本研究提出SHE框架，将LLM智能体的安全管控机制分解为四个构件并引入归因引导演化循环，在Agent-SafetyBench上使攻击成功率降低3.1倍，还具备泛化与跨模型迁移能力。
Comments Project: https://github.com/RainbowQTT/SHE
SLIM-0.5B：学习机器人操作的动作基础预测隐变量
机构 * Fudan University（复旦大学） ； Beijing Academy of Artificial Intelligence（北京人工智能研究院） ； Tsinghua University（清华大学） ； Renmin University of China（中国人民大学）
AI总结 SLIM-0.5B是0.5B参数的紧凑机器人操作策略，通过自监督掩码轨迹预测学习动作基础预测隐变量，性能优于或匹配大型基线，参数量少、推理延迟低、内存占用小。
Comments 18 pages, 11 figures. Project page: https://kzz1031.github.io/slim-project-page/
重新思考联邦LoRA中的因子共享：一种秩感知自适应方法
机构 * University of Electronic Science and Technology of China（电子科技大学） ； Fudan University（复旦大学） ； Singapore University of Technology and Design（新加坡科技设计大学）
AI总结 该研究针对联邦LoRA的因子共享问题，提出FedAS-LoRA方法，通过RSS指标在训练前选择共享侧，提升了大语言模型联邦微调的性能。
Comments 20 pages
MemeMind：用于离线上下文优化的参考引导轨迹构建
机构 * Bilibili（哔哩哔哩） ； Fudan University（复旦大学）
AI总结 MemeMind针对离线上下文优化中失败rollout缺失成功示例的问题，通过参考引导构建工具轨迹，在梗解读任务上提升了Qwen3-VL模型的性能。
Comments 24 pages, 16 figures, 8 tables
CuteTTS：基于连续隐变量自回归建模的高效高保真语音合成
机构 * Shanghai Innovation Institute（上海创新研究院） ； OPPO AI Center（OPPO人工智能中心） ； Fudan University（复旦大学）
AI总结 CuteTTS是结合语义对齐因果VAE隐变量等的连续自回归TTS系统，经引导步蒸馏后，在保持相当质量的同时降低了延迟，实现了高保真与低延迟的平衡。
Comments 20 pages, 6 figures, 10 tables. Technical report
VLZip：用于交错长上下文建模的统一视觉与文本压缩方法
机构 * Fudan University（复旦大学） ； Shanghai Innovation Institute（上海创新研究院） ； Ant Group（蚂蚁集团）
AI总结 VLZip 是统一视觉与文本压缩的框架，通过提炼软前缀缩短注意力序列，在长上下文多模态推理上性能领先，支持超大规模 token 处理，为长上下文多模态 AI 建立新高效标准。
可操控概念表征何时为真？大型语言模型中神经科学相似性跨系列审计的测量混淆
机构 * College of Biomedical Engineering, Fudan University（复旦大学生物医学工程学院）
AI总结 本研究对17个不同规模的LLMs审计4种神经科学启发范式，发现AI神经科学研究受测量混淆限制，发布了相关方案、刺激与代码。
TokenPrint：用于语言模型溯源的校准标记空间指纹
机构 * College of Biomedical Engineering, Fudan University（复旦大学生物医学工程学院）
AI总结 本研究提出无需训练的语言模型溯源指纹TokenPrint，基于250个固定知识探针的隐藏状态投影，可有效检索谱系、区分模型相关性，且对量化稳定，在32个开放权重模型上验证了其性能。
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