高校专区
驯服系统复杂性：揭秘软件工程代理在诊断Linux内核故障中的作用
机构 * Fudan University（复旦大学） ； Nanyang Technological University（南洋理工大学）
AI总结 针对Linux内核故障定位挑战，提出LinuxFLBench基准和LinuxFL$^+$增强框架，将现有LLM代理的文件级top-1准确率从41.6%提升7.2%-11.2%。
Comments Accepted to ACL 2026
SCL：面向遥感变化检测的单时相多模态对比学习域泛化方法
机构 * Fudan University（复旦大学） ； Tencent YouTu Lab（腾讯YouTu实验室）
AI总结 提出基于视觉-语言预训练模型的单时相多模态对比学习（SCL）基础模型，结合动态文本-视觉上下文优化（DTCO）和可控生成与单时相训练策略（SAIN），无需目标数据集训练即可实现遥感变化检测的跨数据集泛化。
Comments CVPRW 2026
TraceGraph: 用于诊断和改进智能体轨迹的共享决策景观
机构 * Fudan University（复旦大学） ； Shanghai Innovation Institute（上海创新研究院）
AI总结 提出TraceGraph图框架，将多模型智能体轨迹构建为共享决策景观，通过事件摘要和陷阱感知恢复管线提升SWE-bench解决率。
MoE-dqINR：用于特定扫描动态和定量MRI重建的统一混合专家隐式神经表示框架
机构 * Department of Bioengineering and I-X, Imperial College London（生物工程系和I-X，帝国理工学院伦敦分校） ； Cardiovascular Research Centre, Royal Brompton Hospital（心脏血管研究中心，皇家布隆特医院） ； National Heart and Lung Institute, Imperial College London（国家心脏和肺研究所，帝国理工学院伦敦分校） ； School of Biomedical Engineering & Imaging Sciences, King’s College London（生物医学工程与成像科学学院，伦敦国王学院） ； Shanghai Pudong Hospital and Human Phenome Institute, Fudan University（上海浦东医院和人类表型研究所，复旦大学） ； International Human Phenome Institute (Shanghai), Shanghai, China（国际人类表型研究所（上海），上海，中国）
AI总结 提出MoE-dqINR框架，通过共享空间专家和状态条件路由路径，实现高效、统一的特定扫描多线圈动态和定量MRI重建，优化时间约30秒。
迈向基于原则性样本选择的高效LLM退火
机构 * The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）） ； Fudan University（复旦大学） ； Microsoft Research Asia（微软亚洲研究院）
AI总结 本文通过损失景观的谱几何特性，将退火阶段的数据选择建模为有约束优化问题，提出DiReCT框架，利用Hessian谱对梯度施加方向约束，实现高效样本选择，显著提升模型性能。
MindVoice: 利用预训练先验从非侵入性神经信号重建可理解语音
机构 * Fudan University（复旦大学）
AI总结 提出MindVoice框架，通过解耦语义和声学路径并融合预训练生成模型与语音克隆，从EEG/MEG信号中重建出可理解语音，显著优于现有方法。
面向多模态智能体的任务聚焦记忆
机构 * Fudan University（复旦大学）
AI总结 提出基于强化学习的任务聚焦记忆策略学习框架TaskMem，通过两阶段训练使多模态智能体在流式观测中动态选择任务相关记忆，在三个流式基准上VQA准确率提升5.3%-7.0%。
空中VLA模型能协作吗？基于CARLA-Air的闭环空地协调评估
机构 * Southern University of Science and Technology（南方科技大学） ； Fudan University（复旦大学）
AI总结 本文通过构建CARLA-Air仿真环境，评估空中视觉-语言-动作模型在空地协作任务中的表现，发现当前模型难以将单智能体能力转化为稳定协作行为，并指出零样本协作需要伙伴状态显式感知、低延迟动作协调和团队目标对齐三个关键组件。
Comments Code at https://github.com/louiszengCN/CarlaAir
AdaptR1：基于强化学习的自适应交错思考在多跳问答中的应用
机构 * Computer Science, Fudan University（复旦大学计算机科学系） ； Institute of Modern Languages and Linguistics, Fudan University（复旦大学现代语言与语言学研究院） ； Shanghai Innovation Institute（上海创新研究院） ； Soochow University（苏州大学）
AI总结 提出AdaptR1框架，通过强化学习动态分配每步推理预算，减少多跳问答中的过度思考，在保持性能的同时显著降低推理成本。
SlotMemory: 面向流式长视频生成的以对象为中心的KV记忆
机构 * Fudan University（复旦大学） ； Meta Superintelligence Labs（Meta超智能实验室） ； Baidu（百度）
AI总结 提出SlotMemory，一种以对象为中心的键值记忆机制，通过将变换器的键值流形分解为离散语义槽，实现实体级持久性和提示感知检索，在60秒交互叙事中动态一致性相对提升22.8%。
TRACE: 通过适应感知探测发现任务特定参数以实现持续微调
机构 * College of Computer Science and Technology, Jilin University（吉林大学计算机科学与技术学院） ； College of Software, Jilin University（吉林大学软件学院） ； Fudan University（复旦大学） ； School of Mathematical and Computer Sciences, Heriot-Watt University（赫瑞-瓦特大学数学与计算机科学学院） ； Department of Information Engineering and Computer Science, University of Trento（特伦托大学信息工程与计算机科学系）
AI总结 提出TRACE方法，通过适应感知探测发现任务特定核心参数，在持续微调中仅更新这些参数以缓解灾难性遗忘，并验证了跨模型和规模的迁移性。
Comments KDD2026
SteerFace: 通过自适应残差扰动消除合成人脸生成中的偏差
机构 * Fudan University（复旦大学） ； Youtu Lab, Tencent（腾讯优图实验室） ； WeChat Pay Lab33, Tencent（腾讯微信支付实验室33）
AI总结 针对合成人脸数据与真实数据分布存在视觉倾向差异的问题，提出SteerFace框架，通过将身份嵌入向随机正交方向扰动作为正则化项，抑制生成器对非身份视觉线索的依赖，从而缩小合成-真实差距。
CameraNoise: 通过几何流引导的噪声扭曲实现视频扩散中的忠实相机控制
机构 * Fudan University（复旦大学） ； Tencent（腾讯） ； Xiamen University（厦门大学）
AI总结 提出CameraNoise方法，通过几何流引导的噪声扭曲将相机运动编码为时间一致的随机表示，实现视频扩散中忠实且几何一致的相机控制。
Comments 28 pages, 16 figures
Journal ref Proceedings of the Forty-third International Conference on Machine Learning (ICML), 2026
GSAM: 一种通用且安全的铰接物体操作机器人框架
机构 * College of Computer Science, Chongqing University, Chongqing, China（重庆大学计算机学院） ； Lumos Robotics, China（Lumos机器人中国） ； Xi'an Jiaotong-Liverpool University, China（西安交通大学利物浦大学） ； Fudan University, China（复旦大学） ； Department of Information Engineering and Computer Science, University of Trento, Trento, Italy（特伦托大学信息工程与计算机科学系）
AI总结 提出GSAM框架，通过视觉感知器生成运动学参数、基于VLM的细调器进行常识推理修正、交互约束函数生成器集成障碍物避免知识，并由运动学感知规划器验证轨迹可达性，在50个铰链任务上相比最佳基线将标准差降低3.1%、操作成功率提升36.0%。
Comments Accepted by the 19th International Conference on Parallel Problem Solving from Nature (PPSN 2026)
CobSeg: 对话主题分割的连贯性边界建模
机构 * Institute of High Performance Computing, Agency for Science, Technology and Technology（高性能计算研究所，科技局） ； Shanghai Univeristy（上海大学） ； Fudan University（复旦大学）
AI总结 提出CobSeg多分支架构，通过分离连贯性语义与词汇边界转换并利用边界信息加权和主题连贯性线索，在无需LLM调用下提升对话主题分割性能。
Comments 8 pages with appindx. Under review
破碎的记忆：通过退化生成检测和缓解扩散模型中的记忆化
机构 * Fudan University（复旦大学） ； East China University of Science and Technology（东华大学）
AI总结 本文首次发现扩散模型中的记忆化会导致内部数值不稳定性并表现为视觉“破碎”伪影，基于此提出了一种基于潜变量更新范数的经验稳定区域来量化稳定行为，并设计了一个即时的逐步骤检测与自适应缓解框架，在不改变提示或引导的情况下抑制记忆化，在Stable Diffusion 1.4上实现了AUC>0.999的检测性能和0.0%的记忆化率。
Comments KDD 2026, extended version
OmniMatBench：跨19个材料科学子领域的人类校准多模态推理基准
机构 * University of Science and Technology of China（中国科学技术大学） ； Shanghai Artificial Intelligence Laboratory（上海人工智能实验室） ； Fudan University（复旦大学） ； Southeast University（东南大学） ； Nanjing University（南京大学） ； Suzhou Laboratory（苏州实验室） ； Shanghai Jiao Tong University（上海交通大学）
AI总结 针对现有基准忽视从材料知识到应用的推理过程，提出OmniMatBench，包含3171个专家策划的问答与计算问题，覆盖19个子领域，评估13个多模态大模型，最佳模型仅得0.372分，揭示当前模型在材料科学推理中的显著差距。
Comments 22 Pages
SpaMEM：具身环境中通过感知-记忆集成进行动态空间推理的基准测试
机构 * The University of New South Wales（新南威尔士大学） ； The University of Alabama at Birmingham（阿拉巴马大学伯明翰分校） ； Fudan University（复旦大学） ； Tsinghua University（清华大学） ； Zhejiang University（浙江大学） ； Xinjiang University（新疆大学） ； The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州））
AI总结 提出SpaMEM基准，通过动作条件场景变换和多模态数据，分层评估多模态大模型在具身环境中的空间信念演化能力，揭示坐标一致性和视觉记忆瓶颈。
X-GS：基于3D高斯溅射的感知与思考可扩展框架
机构 * The Chinese University of Hong Kong（香港中文大学） ； Fudan University（复旦大学） ； Shanghai Academy of AI for Science（上海人工智能科学研究院）
AI总结 提出X-GS框架，包含感知器和思考器，统一多种3DGS技术实现实时在线SLAM与语义蒸馏，并支持多模态模型完成下游任务。
UniMedVL: 通过观察-知识-分析统一医学多模态理解与生成
机构 * Shanghai Artificial Intelligence Laboratory ； Shanghai Innovation Institute ； Shanghai Jiao Tong University ； Shanghai Institute of Optics ； Fudan University ； University of Cambridge ； Monash University ； DAMO Academy, Alibaba Group ； Imperial College London ； The University of Hong Kong ； The Hong Kong University of Science ； Hupan Lab ； The Chinese University of Hong Kong
AI总结 提出首个统一医学模型UniMedVL，通过渐进式训练流水线融合多模态理解与生成能力，并在8种影像模态的5.6M实例数据集上验证其性能。
Comments This submission has been converted to the ICML template
理解检索增强生成系统的基本设计决策
机构 * Fudan University（复旦大学） ； East China Normal University（华东师范大学） ； Shanghai Innovation Institute（上海创新研究院） ； The University of Tokyo（东京大学） ； Macau University of Science and Technology（澳门科学理工学院） ； Concordia University（Concordia大学） ； University of Alberta（阿尔伯塔大学） ； The University of Tokyo, Japan（日本东京大学）
AI总结 本文通过系统实验，研究了RAG部署中的三个关键决策（是否部署、检索量、知识集成方式），揭示了任务和模型依赖的优化策略，为实践者提供基于证据的指导。
Journal ref ACM Transactions on Software Engineering and Methodology (TOSEM), 2026
LoMo: 局部模态替换以实现更深的视觉-语言融合
机构 * Fudan University（复旦大学） ； Shanghai Innovation Institute（上海创新研究院） ； Shanghai Jiao Tong University（上海交通大学） ； University of Science and Technology of China（中国科学技术大学）
AI总结 针对视觉-语言模型在模态替换时性能下降的“载体敏感性”问题，提出局部模态替换（LoMo）数据策展范式，通过将文本片段动态渲染为图像来训练跨模态表示不变性，显著提升多模态推理与融合效果。
VLA-Trace: 通过表示与行为追踪诊断视觉-语言-动作模型
机构 * University of Science and Technology of China（中国科学技术大学） ； University of Manchester（曼彻斯特大学） ； Beihang University（北航） ； Fudan University（复旦大学） ； University of New South Wales（新南威尔士大学）
AI总结 提出VLA-Trace诊断框架，通过表示演化、因果控制归因和行为表现分析，揭示VLA模型在多模态知识向具身控制转化中的机制，发现不同模型在微调适应、多模态路由和语义遵循上的差异与局限。
来自稀疏观测的大深度补全模型
机构 * Zhejiang University（浙江大学） ； Tongyi Lab, Alibaba Group（阿里云实验室） ； Fudan University（复旦大学） ； Ningbo Innovation Center, Zhejiang University（宁波创新中心，浙江大学） ； NingboTech University（宁波科技学院） ； Jinhua Institute of Zhejiang University（金华大学浙大研究院）
AI总结 提出LDCM，利用单目基础模型和基于泊松的深度初始化策略，结合点图头回归3D坐标，实现稀疏观测下的度量准确深度补全。
Comments ICLR 2026. Project webpage: https://pkqbajng.github.io/ldcm/
为什么专家模型仍然重要：面向医学人工智能的异构多智能体范式
机构 * Fudan University（复旦大学）
AI总结 提出HetMedAgent异构多智能体框架，通过冲突感知证据融合、不确定性驱动的临床医生干预触发和自适应阈值校准，实现通用大语言模型与领域专家模型的协同，在三个临床决策任务中验证了专家模型在模态特定分析中的不可替代价值。
Comments Accepted at ICML 2026. 12 pages main text, 16 pages appendix
Domino: 在推测解码中将因果建模与自回归草稿解耦
机构 * EPIC Lab, Shanghai Jiao Tong University（上海交通大学EPIC实验室） ； School of Software Engineering, HUST（华中科技大学软件学院） ； UESTC ； Fudan University（复旦大学） ； Huawei（华为公司）
AI总结 提出Domino框架，通过并行草稿骨干和轻量级Domino头解耦因果依赖建模与自回归草稿执行，结合基础锚定训练课程，在Qwen3模型上实现高达5.49倍端到端加速和5.8倍吞吐量加速。
广义薛定谔桥下在线强化学习的路径空间镜像下降
机构 * School of Data Science, Fudan University（复旦大学数据科学学院） ； Laboratory for Big Data and Decision, National University of Defense Technology（国防科技大学大数据与决策实验室） ； ShanghaiTech University（上海科技大学） ； 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） ； Shanghai Innovation Institute（上海创新研究院）
AI总结 针对生成式策略在在线策略优化中终端动作密度难处理的问题，提出GSB-MDPO方法，通过将策略优化建模为广义薛定谔桥问题并利用路径空间KL散度作为近端项，实现了无需显式终端似然评估的稳定更新。
正则化深度矩阵分解的完整损失景观分析
机构 * School of Data Science, Fudan University, Shanghai, China（复旦大学数据科学学院，上海，中国） ； Department of Computer and Information Science, University of Macau, Macau SAR, China（澳门大学计算机与信息科学系，澳门特别行政区，中国）
AI总结 本文通过闭式表征所有临界点并分类其类型，揭示了正则化深度矩阵分解的损失景观，解释了梯度方法几乎总是收敛到局部极小值的原因。
Comments 30 pages, 2 figures
VLA-Pro：面向视觉-语言-动作模型的跨任务程序性记忆迁移
机构 * 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） ； Shanghai Xinzhi Embodied Intelligence Technology Co., Ltd.（上海新智具身智能技术有限公司）
AI总结 提出VLA-Pro框架，通过存储和检索任务相关的LoRA适配器作为程序性记忆，实现跨任务泛化，在仿真和真实任务中成功率显著提升。
迈向具有智能体纠正和语义评估的类人交互式语音识别
机构 * College of Artificial Intelligence, Xi’an Jiaotong University（西安交通大学人工智能学院） ； X-LANCE Lab, School of Electronic Information and Electrical Engineering, Shanghai Jiao Tong University（上海交通大学电子信息与电气工程学院X-LANCE实验室） ； The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳）） ； Fudan University（复旦大学） ； Tongyi Fun Team, Alibaba Group（阿里云通义团队）
AI总结 提出Agentic ASR闭环框架，通过多轮交互和语义纠正减少语义错误，并引入句子级语义错误率（S^2ER）作为评估指标。
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