高校专区
BraveGuard: 从开放世界威胁到更安全的计算机使用代理
机构 * Fudan University（复旦大学） ； Ant Group（蚂蚁集团） ； Hunan Institute of Advanced Technology（湖南高级技术研究所） ； Alibaba Group（阿里巴巴集团） ； Singapore Management University（新加坡管理大学） ； Deakin University（德肯大学） ； Nanyang Technological University（南洋理工大学） ； Shanghai Innovation Institute（上海创新研究院）
AI总结 提出BraveGuard框架，通过从开放世界威胁信号和真实代理轨迹中训练防护模型，实现轨迹级别的安全检测，显著提升计算机使用代理的安全性。
Agent 的第一天：在工作场景中基准测试学习、探索和调度
机构 * Fudan University（复旦大学） ； Shanghai AI Laboratory（上海人工智能实验室） ； Zhejiang University（浙江大学） ； Shanghai Innovation Institute（上海创新研究院） ； Shanghai Jiao Tong University（上海交通大学）
AI总结 针对多模态大语言模型在动态工作场景中面临的任务调度、主动探索和持续学习三大挑战，提出动态评估环境 EvoEnv，实验表明现有 agent 在这些方面存在显著不足。
$(L_0,L_1)$-光滑条件下的去中心化随机非凸优化
机构 * School of Data Science, Fudan University（复旦大学数据科学学院） ； East China Normal University（华东师范大学）
AI总结 针对满足$(L_0,L_1)$-光滑条件的非凸函数，提出去中心化归一化随机梯度下降算法，实现每个局部智能体达到ε-稳定点，并给出样本复杂度和通信复杂度的上界。
MOC：基于LLM的多智能体系统中的多阶通信
机构 * Fudan University（复旦大学） ； Nanjing Normal University（南京师范大学） ； Pennsylvania State University（宾夕法尼亚州立大学）
AI总结 提出多阶通信（MOC）方案，通过重构智能体间通信以捕获多跳依赖，并设计结构消息合并策略，在多个数据集上提升任务性能并降低通信成本。
超越孤立行为：面向LLM个性化的层次化用户建模
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） ； OPPO
AI总结 针对LLM个性化中用户行为缺乏层次结构的问题，提出基于布迪厄实践理论的PHF框架，通过实践-惯习-场域三层建模，并实现轻量级模型无关方法PHF_Compass，在LaMP基准上取得一致提升。
SentGuard：面向大型语言模型的句子级流式护栏
机构 * Fudan University（复旦大学） ； Shanghai AI Laboratory（上海人工智能实验室）
AI总结 提出SentGuard，一种与生成并行运行的句子级流式护栏，通过轻量级等待缓冲区将流式令牌分组为句子块并仅释放已验证块，以在低延迟下实现高精度不安全内容检测。
Comments 16 pages, 5 figures, submitted to ARR
学习生成空间中的隐式偏置以加速蛋白质动力学仿真
机构 * Fudan University（复旦大学） ； Shanghai Academy of AI for Science（上海人工智能科学研究院） ； Shanghai Innovation Institute（上海创新研究院）
AI总结 提出在预训练生成式仿真器的生成空间中引入隐式历史依赖偏置，结合距离加权分数估计和环境支持正则化，通过重投影步骤保持结构有效性，显著提升采样多样性和稀有状态覆盖速度。
EvoCut：面向高效大型视觉语言模型的多层演化感知视觉标记压缩
机构 * Harbin Institute of Technology（哈尔滨工业大学） ； Xiaohongshu（小红书） ； Fudan University（复旦大学）
AI总结 提出一种无需训练和注意力的视觉标记压缩方法EvoCut，通过分析多层演化偏差估计标记重要性，在LLaVA-1.5-7B上仅保留11.1%的视觉标记即可保持94.4%的平均性能。
Comments Preprint. 12 pages, 6 figures, 7 tables
RoboTrustBench：机器人操作视频世界模型的可信度基准测试
机构 * Singapore Management University（新加坡国立管理学院） ； Fudan University（复旦大学） ； Princeton University（普林斯顿大学）
AI总结 针对视频世界模型在机器人操作中的可信度问题，提出RoboTrustBench基准，包含正常、约束敏感、反事实和对抗四种场景，通过专家验证的指令-图像对和六维评估协议，发现当前模型在约束推理、反事实基础、物理交互和不安全指令抑制方面存在不足。
Comments Project: https://huiqiongli.github.io/RoboTrustBench/
FlowTime: 基于流的个性化先验实现连续生成式观看时间预测
机构 * Fudan University（复旦大学） ； Shanghai University of Finance and Economics（上海财经大学） ； Kuaishou Technology（快手科技） ； Tongji University（同济大学）
AI总结 针对现有观看时间预测方法在范式上的局限性，提出连续生成式回归范式及FlowTime方法，利用一步生成变分自编码器和基于流的个性化先验，有效建模多模态用户-物品交互模式，显著提升预测性能。
Comments Accepted by KDD'26
知识密集型视频生成
机构 * Fudan University（复旦大学） ； Shanghai Jiao Tong University（上海交通大学）
AI总结 针对文本到视频生成在事实性和实用性方面的不足，提出知识密集型视频生成（KIVI）任务，构建KIVI-Bench基准和自动评估指标，实验表明现有模型在视觉属性、操作过程和信息呈现上落后于人类。
解锁潜在推理的黑箱：一种可解释性引导的干预方法
机构 * Shanghai Jiao Tong University（上海交通大学） ； Fudan University（复旦大学）
AI总结 本文通过结构、因果和几何探针分析潜在推理向量的可解释性，并基于此提出无需训练的解码时干预方法，提升大语言模型推理准确性。
Journal ref ACL2026 Main
连接点：长时对话中的反思性记忆基准测试
机构 * Harbin Institute of Technology, Shenzhen（哈尔滨工业大学（深圳）） ； The Hong Kong Polytechnic University（香港理工大学） ； Fudan University（复旦大学） ； Peng Cheng Laboratory（鹏城实验室）
AI总结 针对现有基准无法衡量从碎片化多模态线索合成高层解释的反思性记忆问题，提出RefMem-Bench基准和REMIND层次框架，通过渐进式证据感知、定位和抽象提升模型反思性记忆能力。
Comments 9 pages, 6 figures
CAREAgent: 具有结构化推理和工具集成的临床智能体用于医嘱生成
机构 * East China University of Science and Technology, Shanghai, China（东华大学上海科学技术学院） ； Zhongshan Hospital, Fudan University, Shanghai, China（复旦大学中山医院）
AI总结 提出CAREAgent，通过两阶段推理数据构建和监督微调与强化学习，生成细粒度临床医嘱，在ClinicalBench上F1提升5.05%。
深度研究作为强化学习的评估准则
机构 * Fudan University（复旦大学） ； Xiaohongshu Inc.（小红书公司） ； Beijing University of Posts and Telecommunications（北京邮电大学）
AI总结 提出DR-rubric框架，通过两阶段过程（迭代多轮智能体搜索构建准则，然后蒸馏为可验证约束用于GRPO策略优化）为开放式推理和长文本生成任务生成细粒度奖励信号，实验表明该方法在多个基准上表现优异。
单一LLM驱动的多智能体系统的扩展行为
机构 * Fudan University（复旦大学）
AI总结 本文通过提出顺序迭代多智能体系统（SIMAS）框架，系统研究了同质多智能体系统性能随智能体数量变化的扩展规律，发现性能并非单调提升，而是受协作协同与协调开销之间的权衡支配，呈现收益递减模式。
MM-Snowball：多模态多轮对话中的幻觉雪崩评估与缓解
机构 * 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） ； Southern University of Science and Technology（南方科技大学） ； TMLR Group, Hong Kong Baptist University（香港 Baptist 大学 TMLR 团体） ； MM Lab, CUHK（CUHK 多模态实验室） ； RAMS Lab, Huawei Technologies Co., Ltd.（华为技术有限公司 RAMS 实验室）
AI总结 针对多模态大模型在多轮对话中因初始错误累积导致幻觉雪崩的问题，提出首个细粒度诊断基准MM-Snowball，并设计无训练的冲突感知视觉校正方法CAVR，通过表示级刷新视觉锚定和logit级修正输出分布来缓解雪崩效应。
Comments Accepted by The International Conference on Machine Learning (ICML 2026)
技能还是跳过？通过双粒度偏好学习在智能体任务中学习选择性技能调用
机构 * Meituan（美团） ； Fudan University（复旦大学） ； Shanghai Jiao Tong University（上海交通大学） ； Nanjing University（南京大学） ； Peking University（北京大学）
AI总结 提出SelSkill框架，通过双粒度偏好学习实现选择性技能调用，在ALFWorld和BFCL上显著提升任务成功率和执行精度。
Comments 18 pages, 4 figures, 10 tables
结构化视觉证据分解用于阻塞性睡眠呼吸暂停低通气综合征的证据驱动多模态筛查
机构 * School of Electronic and Electrical Engineering, Shanghai University of Engineering Science（上海工程技术大学电子与电气工程学院） ； Tencent Youtu Lab（腾讯云视频实验室） ； ENT Institute and Department of Otorhinolaryngology, Eye & ENT Hospital of Fudan University（复旦大学耳鼻喉科医院耳鼻喉科研究所） ； National University of Singapore（新加坡国立大学）
AI总结 提出EviOSAHS框架，通过将面部图像分解为七个解剖查询并生成结构化证据卡，结合临床信息进行高灵敏度OSAHS筛查。
从人类视频到机器人操作：基于人类中心数据的可扩展视觉-语言-动作学习综述
机构 * Tsinghua University（清华大学） ； HKUST（香港科技大学） ； Xi’an Jiaotong University（西安交通大学） ； Fudan University（复旦大学） ； Microsoft Research Asia（微软亚洲研究院） ； Peking University（北京大学） ； Microsoft Zurich Project（微软苏黎世实验室）
AI总结 本文综述了如何将丰富的人类视频转化为视觉-语言-动作（VLA）模型的有效知识，分类了四种方法（潜在动作表示、预测世界模型、显式2D监督、显式3D重建），并指出了结构化非结构化视频、跨具身和视角的动作映射、以及评估协议设计三大挑战。
Comments Accepted to IJCAI 2026 Survey Track. Project page: https://aaronfengzy.github.io/HumanCentricToVLA-Survey/
通道级向量量化
机构 * Shanghai Innovation Institute（上海创新研究院） ； Westlake University（西湖大学） ； Zhejiang University（浙江大学） ； Fudan University（复旦大学） ； JD.COM（京东公司） ； University of Chinese Academy of Sciences（中国科学院大学）
AI总结 提出通道级向量量化（CVQ）代替补丁级量化，并基于此设计通道级自回归（CAR）模型，通过逐通道预测实现渐进式细节生成，在图像重建和文本到图像生成中取得优异性能。
图纳维-斯托克斯网络
机构 * Northwest A&F University（西北农林科技大学） ； Corporate Research Center, Midea Group（美的集团企业研发中心） ； Peking University（北京大学） ； Fudan University（复旦大学） ； Griffith University（格里菲斯大学） ； Bosch（博世）
AI总结 针对图神经网络中的过平滑问题，提出基于纳维-斯托克斯方程的图纳维-斯托克斯网络（GNSN），通过引入对流机制实现更高效的消息传递，并在12个真实数据集上取得最优分类性能。
Baton: 用于联合视频-音频生成的显式语义蓝图
机构 * Fudan University（复旦大学） ； Tencent Hunyuan（腾讯幻元）
AI总结 提出Baton框架，通过VA-Planner生成语义对齐的模态感知规划令牌作为蓝图，注入扩散骨干以协调视频和音频去噪，解决现有方法因缺乏共享长期规划导致的跨模态对齐脆弱问题。
LC-ERD：通过一致性调节奖励分解挖掘潜在逻辑以实现自我进化推理
机构 * The Chinese University of Hong Kong（香港中文大学） ； Shanghai Jiaotong University（上海交通大学） ； Fudan University（复旦大学）
AI总结 针对大语言模型推理中高质量过程数据稀缺的问题，提出LC-ERD框架，通过潜在逻辑挖掘和一致性调节的奖励分解，实现自我对齐与推理进化。
Comments Accepted in SIGKDD 2026 Research Track
SCOPE: 信号校准的在线策略蒸馏增强与双路径自适应加权
机构 * University of Science and Technology of China（中国科学技术大学） ； Meituan LongCat Interaction Team（美团 LongCat 交互团队） ； Nanjing University（南京大学） ； Fudan University（复旦大学） ； Huazhong University of Science and Technology（华中科技大学）
AI总结 针对在线策略强化学习中奖励稀疏导致的信用分配难题，提出SCOPE框架，通过双路径自适应加权机制分别处理正确与错误轨迹，实现信号校准的蒸馏增强，在六个推理基准上平均提升11.42%的Avg@32和7.30%的Pass@32。
AffordGen: 通过可供性对应生成多样化演示以实现通用物体操作
机构 * Shanghai Qi Zhi Institute（上海启智研究院） ； Tsinghua University（清华大学） ； Fudan University（复旦大学） ； UC Berkeley（伯克利大学）
AI总结 提出AffordGen框架，利用3D生成模型和视觉基础模型在大规模3D网格上的语义对应生成多样化操作轨迹，训练鲁棒的闭环视觉运动策略，实现零样本泛化到未见物体。
IAG: 基于输入感知的后门攻击针对VLM视觉定位
机构 * Shanghai Jiao Tong University（上海交通大学） ； Fudan University（复旦大学） ； Columbia University（哥伦比亚大学） ； Hong Kong Polytechnic University（香港理工大学） ； Nanyang Technological University（南洋理工大学）
AI总结 提出IAG方法，通过文本条件UNet动态生成输入感知的触发器，实现首个多目标后门攻击VLM视觉定位，在多个模型和基准上达到最佳攻击成功率且不影响正常性能。
Comments Accepted by CVPR 2026; Code is at https://github.com/lijunxian111/IAG
Journal ref https://openaccess.thecvf.com/content/CVPR2026/papers/Li_IAG_Input-aware_Backdoor_Attack_on_VLM-based_Visual_Grounding_CVPR_2026_paper.pdf
预测未来效用：任务无关的KV缓存驱逐的全局组合优化
机构 * Fudan University（复旦大学） ； Baige AI Team, Baidu inc（百度AI团队） ； Work done during an internship at Baidu（百度实习）
AI总结 提出LU-KV框架，通过全局组合优化分配注意力头预算以最大化长期边际贡献，实现80%的KV缓存压缩且性能损失极小。
从人类偏好中学习查询特定评分标准用于DeepResearch报告生成
机构 * Tencent（腾讯） ； Fudan University（复旦大学） ； Tsinghua University（清华大学）
AI总结 提出一种通过强化学习训练查询特定评分标准生成器的流水线，以解决DeepResearch长报告生成中缺乏可验证奖励信号的问题，并在人类偏好测试和下游任务中取得显著性能提升。
CURP: 基于码本的连续用户表示用于大语言模型的个性化生成
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） ； School of Computer Science, Fudan University（复旦大学计算机科学学院）
AI总结 提出CURP框架，通过双向用户编码器和离散原型码本提取多维用户特征，实现少量可训练参数的即插即用个性化生成，在变体生成任务上优于强基线。
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