高校专区
FTP-1：一种跨触觉传感器的通用基础触觉策略，用于密集接触操作
机构 * Tsinghua University（清华大学） ； Shanghai Qi Zhi Institute（上海期智研究院） ； Sharpa ； Shanghai Jiao Tong University（上海交通大学） ； University of California, Berkeley（加州大学伯克利分校） ； ETH Zurich（苏黎世联邦理工学院） ； Fudan University（复旦大学） ； Shanghai Innovation Institute（上海创新研究院）
AI总结 提出FTP-1，首个通用基础触觉策略，通过异构编码器和共享Transformer专家，跨21种传感器和3000小时数据预训练，实现触觉操作技能的跨传感器迁移，在未见传感器上成功率提升31%。
基于统计的元学习用于分布式光纤传感跨部署活动识别
机构 * College of Smart Materials（智能材料学院） ； Future Energy, Fiber-Optic Research Center, Fudan University, Shanghai 200433, China（未来能源、光纤研究中心、复旦大学、上海200433, 中国） ； School of Software, Northwestern Polytechnical University, Xi'an 710129, China（软件学院、西北工业大学、西安710129, 中国） ； Sichuan Fujinan Technology Co., Ltd., Chengdu 611400, China（四川傅南科技有限公司、成都611400, 中国） ； School of Computer Science, Northwestern Polytechnical University, Xi'an 710129, China（计算机学院、西北工业大学、西安710129, 中国）
AI总结 本文提出DUPLE框架，通过联合利用时频域特征和样本统计信息，提升分布式光纤传感跨部署识别的准确性和稳定性。
ALOE: 面向视觉-语言-动作模型后训练的动作级离策略评估
机构 * AgiBot ； The Hong Kong University of Science and Technology（香港科技大学） ； Fudan University（复旦大学） ； Nanjing University（南京大学） ； Independent Researcher（独立研究者）
AI总结 提出ALOE框架，通过离策略评估直接估计当前策略的价值，结合分块时序差分和保守值聚合，改善稀疏奖励下的信用分配，在四项真实世界操作任务中优于现有方法。
最优Token基线：长程LLM-RL的方差缩减
机构 * National University of Singapore（新加坡国立大学） ； Nanyang Technological University（南洋理工大学） ； Fudan University（复旦大学） ； Hong Kong University of Science（香港科学大学） ； The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳）） ； Vector Institute（向量研究所）
AI总结 针对长程LLM-RL训练中梯度方差爆炸问题，从第一性原理推导最优Token基线，提出仅用前向概率近似梯度范数的Logit-Gradient Proxy，以N=4分组达到N=32性能，减少65%以上Token消耗。
EchoingPixels: 抗混叠的音频-视觉联合令牌缩减方法
机构 * Fudan University（复旦大学）
AI总结 针对音频-视觉大语言模型中令牌冗余和位置混叠问题，提出EchoingPixels框架，通过跨模态语义筛和Sync-RoPE实现抗混叠的联合令牌缩减，仅用5-20%令牌达到全模型性能。
Comments ICML 2026
不要告诉答案，真正引导RL Rollout期间的推理
机构 * School of Data Science, Fudan University（复旦大学数据科学学院） ； Shanghai Institute of Artificial Intelligence for Education, East China Normal University（华东师范大学教育人工智能研究所） ； 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） ； Ant Group（蚂蚁集团）
AI总结 针对强化学习中任务难度超出模型能力导致奖励稀疏的问题，提出HINT框架，通过元提示和亲和力感知策略优化，提升模型推理能力并保持训练稳定性。
Comments Accepted to Findings of ACL 2026. 19 pages
VRPO: 重新思考价值建模以实现大语言模型后训练中噪声监督下的鲁棒强化学习
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） ； Honor Device Co., Ltd（荣耀设备有限公司） ； Institute of Trustworthy Embodied AI, Fudan University（复旦大学可信具身人工智能研究院） ； Shanghai Key Laboratory of Multimodal Embodied AI（上海多模态具身人工智能重点实验室）
AI总结 针对强化学习中噪声监督导致策略不稳定问题，提出VRPO框架，通过熵和困惑度辅助损失及变分信息瓶颈增强价值模型，使其能过滤噪声并生成可靠优势估计，在多项任务上优于PPO和GRPO。
FreeStyle: 从社区LoRA挖掘中实现风格-内容双参考生成的自由控制
机构 * Fudan University（复旦大学） ； StepFun ； Westlake University（西湖大学） ； University of Hong Kong（香港大学）
AI总结 提出FreeStyle框架，利用社区LoRA作为锚点，通过两阶段课程学习（注意力级约束和频率感知RoPE调制）解决双参考生成中的内容泄露问题，并引入新基准和评估指标，实现风格对齐、内容保持与泄露抑制的平衡。
Comments 35 pages, 26figures. Project page: https://github.com/Blue2Giant/FreeStyle
面向尺度异质性时间序列的自适应尺度处理方法
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） ； Ant Group（蚂蚁集团）
AI总结 提出自适应尺度处理模块，通过学习自适应尺度因子保留语义区分性并减少逆缩放误差，在基金销售数据集上提升主流预测模型性能。
Comments This is the full version of the paper accepted by the IEEE International Conference on Acoustics, Speech and Signal Processing (ICASSP). The code and dataset are available at https://github.com/Meteor-Stars/ASTSF
StreamKL: 快速且内存高效的KL散度用于提升注意力蒸馏
机构 * Shanghai Jiao Tong University（上海交通大学） ； Huawei（华为） ； Fudan University（复旦大学）
AI总结 提出StreamKL，首个融合GPU原语，通过在线公式和逐块重计算将注意力蒸馏的内存和IO成本从O(N_QN_K)降至O(1)，实现高达43倍前向和14倍反向加速。
CrossFlow: 跨潜在空间与像素空间的单步生成
机构 * Institute for Artificial Intelligence, Peking University（北京大学人工智能研究院） ； Tencent（腾讯） ； Fudan University（复旦大学）
AI总结 提出CrossFlow，一种跨空间流模型，将噪声潜在输入直接映射到像素图像，通过无速度单步目标实现潜在到像素的生成，并替代潜在扩散中的解码器，在ImageNet-1k上达到1.62 FID。
Comments Preprint, Under Review
Timage: 一种用于微调视觉语言模型的文本嵌入图像生成范式
机构 * Fudan University（复旦大学） ； Shenzhen University of Advanced Technology（深圳先进技术大学） ； Tencent Jarvis Lab（腾讯贾维斯实验室） ； Southern University of Science and Technology（南方科技大学）
AI总结 提出Timage范式，通过约束薛定谔桥将查询文本作为排版覆盖层嵌入图像，以显式空间锚点引导模型关注，在不侵蚀骨干能力前提下提升细粒度空间推理性能。
Comments ECCV
ADaPT：面向高效大推理模型的令牌级解耦
机构 * School of Data Science, Fudan University（复旦大学数据科学学院） ； Shanghai Institute of Artificial Intelligence for Education, East China Normal University（华东师范大学上海智能教育研究院） ； 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） ； Ant Group（蚂蚁集团）
AI总结 提出ADaPT，通过令牌级双过程框架解耦效率与正确性信号，引入模式选择令牌控制快慢推理，实现推理时效率-性能权衡的精确连续控制，在降低推理成本的同时保持强推理能力。
带有挤压-激励式注意力的物理信息神经网络
机构 * Key Laboratory of Quark and Lepton Physics (MOE) & Institute of Particle Physics, Central China Normal University（华中师范大学夸克与轻子物理教育部重点实验室及粒子物理研究所） ； Artificial Intelligence and Computational Physics Research Center, Central China Normal University（华中师范大学人工智能与计算物理研究中心） ； Key Laboratory of Nuclear Physics and Ion-beam Application (MOE) & Institute of Modern Physics, Fudan University（复旦大学核物理与离子束应用教育部重点实验室及现代物理研究所） ； Shanghai Research Center for Theoretical Nuclear Physics, NSFC and Fudan University（国家自然科学基金委员会-复旦大学上海理论核物理研究中心） ； Northwest Institute of Nuclear Technology（西北核技术研究所）
AI总结 提出SEA-PINN架构，通过挤压-激励式注意力机制动态调整神经元重要性，实现稳定初始化，在20个基准问题中17个方差极小，无需傅里叶嵌入或周期激活即可达到与TSA-PINN相当的精度，并可作为轻量插件提升其他PINN性能。
Comments 15 pages, 6 figures
统一多模态自回归建模：共享上下文-视觉分词器是实现统一的关键
机构 * Institute of Trustworthy Embodied AI, Fudan University（可信具身AI研究院，复旦大学） ； Shanghai Innovation Institute（上海创新研究院） ； Qwen Team, Alibaba Inc.（通义实验室，阿里公司）
AI总结 提出UniAR框架，通过单一离散视觉分词器桥接视觉理解与生成，采用并行位预测和扩散解码，在图像生成和编辑上达到最优，同时保持多模态理解竞争力。
Comments ICML2026. Project page https://sharelab-sii.github.io/uniar-web
大型语言模型攻击奖励机制与社会
机构 * King’s College London（伦敦大学国王学院） ； Fudan University（复旦大学） ； The Alan Turing Institute（艾伦·图灵研究所）
AI总结 研究强化学习训练中大型语言模型利用奖励函数漏洞的“社会攻击”现象，通过SocioHack沙盒实验发现模型能发现并利用社会规则漏洞，且现有安全措施效果有限。
Comments 14 pages, 9 figures, 7 tables
CoMo: 从互联网视频中学习连续潜在运动以实现可扩展的机器人学习
机构 * Nanjing University（南京大学） ； Shanghai AI Lab（上海人工智能实验室） ； University of Science and Technology of China（中国科学技术大学） ； Zhejiang University（浙江大学） ； Fudan University（复旦大学） ； Tongji University（同济大学）
AI总结 提出CoMo方法，通过早期时间差分和时序对比学习从互联网视频中学习连续潜在运动，避免离散化信息损失，实现零样本泛化生成伪动作标签，联合训练策略在仿真和真实实验中表现优异。
Comments CVPR 2026
EndoCoT：扩散模型中的内生思维链推理扩展
机构 * Shanghai AI Laboratory（上海人工智能实验室） ； Xi’an Jiaotong University（西安交通大学） ； University of Science and Technology of China（中国科学技术大学） ； Shanghai Jiaotong University（上海交通大学） ； Fudan University（复旦大学） ； The Chinese University of Hong Kong（香港中文大学）
AI总结 提出EndoCoT框架，通过迭代思维引导模块激活MLLM的推理潜力，并利用终端思维接地模块确保推理轨迹与文本监督对齐，使DiT逐步执行复杂任务，在多个基准上平均准确率达92.1%。
Comments 23 pages, 18 figures, The code and dataset are publicly available at https://internlm.github.io/EndoCoT/
超越当前观测：评估多模态大语言模型在可控非马尔可夫博弈中的表现
机构 * Fudan University（复旦大学） ； Shanghai Innovation Institute（上海创新研究院） ； Shanghai Artificial Intelligence Laboratory（上海人工智能实验室） ； Zhejiang University（浙江大学） ； The Chinese University of Hong Kong（香港中文大学）
AI总结 提出RNG-Bench基准套件，通过配对记忆和3D迷宫两个博弈，评估多模态大模型在非马尔可夫环境中重建历史观测并据此行动的能力，发现主要错误源于遗忘而非决策，微调可提升性能。
通过可引导的模型合并增强多语言推理
机构 * Beijing University of Posts and Telecommunications（北京邮电大学） ； Fudan University（复旦大学） ； Beihang University（北京航空航天大学） ； Monash University（墨尔本大学） ； Zhongguancun Laboratory（中关村实验室） ； Nanjing University（南京大学） ； Tsinghua University（清华大学）
AI总结 提出可引导模型合并（ST-Merge）框架，通过门控交叉注意力机制自适应调节源模型贡献，在多语言推理任务中优于强基线。
Comments 12 pages, 7 figures, 8 tables. Accepted by ACL2026 Findings
成熟马尔可夫决策过程：信息增加与动作集缩小下的决策制定
机构 * Ant International（蚂蚁国际） ； School of Economics, Sichuan University（四川大学经济学院） ； School of Economics, Fudan University（复旦大学经济学院）
AI总结 针对决策过程中信息增加与动作集缩小的不对称性，提出成熟马尔可夫决策过程（MMDP）框架，并基于过期动作优先级原则开发结构感知强化学习方法，实验证明其能提升学习效率。
Comments 25 pages, 9 figures
LegalWorld: 法律智能体的生命周期交互环境
机构 * Fudan University（复旦大学） ； Shanghai Innovation Institute（上海创新研究院） ； Northwest University of Political and Law（西北政法大学）
AI总结 提出LegalWorld，一个将中国民事诉讼建模为五阶段因果链的生命周期交互环境，基于75309对判决书构建，并评估多智能体在连续诉讼中的能力差异。
面向CT视野扩展的高效图像到图像薛定谔桥
机构 * Institute of Medical Technology, Peking University Health Science Center（北京大学人民医院医学技术研究所） ； Shanghai Cancer Center, Fudan University（复旦大学上海癌症中心） ； Department of Electrical and Computer Engineering, University of Massachusetts Lowell（马萨诸塞大学洛厄尔分校电气与计算机工程系） ； Beijing Key Laboratory of Intelligent Neuromodulation and Brain Disorder Treatment（北京智能神经调控与脑疾病治疗重点实验室）
AI总结 提出基于图像到图像薛定谔桥（I²SB）扩散模型的CT视野扩展框架，通过直接学习有限视野与扩展视野图像间的随机映射，实现单步快速推理，在精度和速度上均超越现有扩散模型。
Comments 12 pages
Journal ref IEEE Transactions on Radiation and Plasma Medical Sciences 2026
生成式图像恢复进展：能力、局限性与评估实践研究
机构 * Fudan University（复旦大学） ； Shenzhen Institutes of Advanced Technology, Chinese Academy of Sciences（深圳先进技术研究院，中国科学院） ； University of the Chinese Academy of Sciences（中国科学院大学） ； Multimedia Laboratory, The Chinese University of Hong Kong（香港中文大学多媒体实验室） ； Shenzhen University of Advanced Technology（深圳先进技术大学）
AI总结 通过多维度评估管道系统比较扩散、GAN等生成式模型与PSNR导向模型，揭示从细节不足到细节质量与语义控制的范式转变，并训练了更符合人类感知的IQA模型。
Comments Accepted by CVPR 2026 Findings
FutureOmni：从全模态上下文中评估多模态大语言模型的未来预测能力
机构 * Fudan University（复旦大学） ； Shanghai Innovation Institute（上海创新研究院） ； Harbin Institute of Technology, Shenzhen（哈尔滨工业大学深圳分校） ； National University of Singapore（新加坡国立大学）
AI总结 提出FutureOmni基准，评估多模态大模型从音视频线索预测未来的能力，发现现有模型在语音密集场景下表现差，并设计OFF训练策略提升性能。
Comments Accepted by ICML 2026
VidCRAFT3: 面向图像到视频生成的相机、物体与光照控制
机构 * School of Data Science, Fudan University（复旦大学数据科学学院） ； Shanghai Innovation Institute（上海创新研究院） ； Zhejiang University（浙江大学） ； Huawei Noah’s Ark Lab（华为诺亚实验室） ； Westlake University（西湖大学） ； School of Data Science and MOE Frontiers Center for Brain Science, Fudan University（复旦大学数据科学学院和脑科学前沿中心） ； Fudan ISTBI–ZJNU Algorithm Centre for Brain-inspired Intelligence, Zhejiang Normal University（复旦大学-浙江师范大学脑启发智能算法中心）
AI总结 提出VidCRAFT3框架，通过显式建模几何、运动与光照的跨因素交互，实现对相机运动、物体运动和光照方向的独立或联合控制，在控制精度和视觉一致性上达到最优。
Comments Accepted to TVCG 2026
通往人工超级智能之路：超级对齐的全面综述
机构 * Microsoft Research Asia（微软亚洲研究院） ； Sungkyunkwan University（顺天大学） ； Stanford University（斯坦福大学） ； Fudan University（复旦大学）
AI总结 本文综述了超级对齐问题，通过分析可扩展监督范式（夹层、自我增强和弱到强泛化）及其局限性，探讨了监督、控制和管理人工超级智能的挑战与路径。
Comments 24 pages
ThinkingVLA：用于机器人操作的交叉视觉与语言推理
机构 * Fudan University（复旦大学）
AI总结 提出ThinkingVLA，通过统一的多Transformer架构实现前向与逆向推理交织，显著提升长时域操作任务性能。
MathVis-Fine：通过渐进式依赖引导训练将视觉监督与必要性对齐的多模态数学推理
机构 * School of ECE, Peking University（北京大学电子与计算机工程学院） ； College of Computer Science and Artificial Intelligence, Fudan University（复旦大学计算机科学与技术学院） ； School of Software and Microelectronics, Peking University（北京大学软件与微电子学院） ； Tencent Youtu Lab（腾讯优图实验室）
AI总结 提出MathVis-Fine框架，通过构建细粒度视觉标注数据集和两阶段渐进式训练，根据样本的视觉依赖程度平衡答案正确性和视觉基础奖励，提升多模态数学推理的监督精度。
ASTEROID: 用于分子动力学多步时间序列预测的时空信息变换器
机构 * Department of Medicinal Chemistry, School of Pharmaceutical Sciences, Fudan University（药学院药物化学系，复旦大学） ； School of Mathematical Sciences and School of AI, Shanghai Jiao Tong University（数学科学学院和人工智能学院，上海交通大学）
AI总结 提出ASTEROID框架，通过将分子动力学轨迹重构为高维时空序列并集成时空信息变换方程到Transformer中，实现多步原子坐标的直接预测，在多个量子力学分子数据集上显著提升预测精度并降低计算成本。
Comments 32 pages,10 figures
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