高校专区
CoTEvol：用于数学推理数据合成的自演化思维链
机构 * Fudan University（复旦大学） ； Shanghai Innovation Institute（上海创新研究院） ； The Chinese University of Hong Kong（香港中文大学） ； Monash University（墨尔本大学） ； Independent Researcher（独立研究者） ； Shanghai Academy of AI for Science（上海人工智能科学研究院）
AI总结 本文提出CoTEvol，一种基于遗传算法的思维链生成框架，通过全局交叉和局部突变提升生成准确性和多样性，实验表明其在数学推理任务中效果优于传统方法。
Comments acl2026 findings
学习高效的视觉推理路径
机构 * Fudan University（复旦大学） ； University of California, Davis（加州大学戴维斯分校）
AI总结 本文提出AVR框架，通过分解视觉推理为三个认知功能，动态选择响应格式，减少推理冗余，提升效率。
SAGE Celer 2.6 技术卡片
机构 * SAGEA ； Tribhuwan University（特里布文大学） ； Vedas College（维达斯学院） ； Madan Bhandari Memorial College（马达恩·巴恩迪纪念学院） ； Fudan University（复旦大学） ； ETH Zurich（苏黎世联邦理工学院）
AI总结 SAGE Celer 2.6 通过逆向推理管道优化逻辑路径，支持多模态功能，并针对南亚语言进行优化，在数学、编程和一般智能基准测试中表现优异。
Comments 28 pages, 14 figures
Tora3：基于轨迹的音频视频生成与物理一致性
机构 * Alibaba Cloud Computing（阿里巴巴云 computing） ； Fudan University（复旦大学）
AI总结 Tora3通过引入轨迹作为共享的运动先验，提升音频视频生成的物理一致性，采用轨迹对齐的运动表示和混合流匹配方案，改进运动真实性和运动-声音同步性。
Comments 12 pages, 5 tables, 5 figures
EchoAgent：迈向可靠超声心动图解读的“眼、手、脑”系统
机构 * Fudan University（复旦大学） ； Fudan Zhongshan Hospital（复旦中山医院） ； Fuwai Yunnan Hospital（阜外云南医院） ； Fuwai Beijing Hospital（阜外北京医院）
AI总结 本文提出EchoAgent，通过整合视觉、手动操作与专家知识，实现端到端的超声心动图解读，提升临床可靠性与实用性。
Comments Accepted by CVPR 2026 CV4Clinical, 11 pages, 6 figures
哪些信息值得记忆：面向大语言模型代理的自适应记忆蒸馏
机构 * Fudan University（复旦大学） ； Shanda Group（上海莎anda集团） ； Beihang University（北航） ； Shanghai University of Finance and Economics（上海财经大学）
AI总结 本文提出NEMORI框架，通过预测性来评估经验的未来效用，实现自适应记忆蒸馏，提升LLM代理的记忆性能与存储效率。
ROSE：基于检索的分割增强
机构 * Fudan University（复旦大学）
AI总结 本文提出ROSE框架，通过引入网络检索模块和提示增强模块，提升多模态大语言模型在新兴实体和新实体分割任务中的性能，实验表明其在NEST基准上表现优异。
Comments CVPR 2026 Findings, Project Page: https://henghuiding.com/ROSE/
MUSE：通过自演化档案和评分引导对齐实现多领域中文用户模拟
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） ； Meituan（美团）
AI总结 MUSE通过自演化档案和评分引导对齐，生成逼真且行为一致的中文用户响应，优于现有方法。
从锚点到监督：基于记忆图的无语料去学习框架
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） ； Shanghai University of Electric Power（上海电力大学） ； School of Information Science and Engineering, East China University of Science and Technology（东华大学信息科学与工程学院）
AI总结 本文提出MAGE框架，通过用户提供的轻量锚点识别目标实体，利用记忆图恢复相关记忆并生成监督，实现无语料的去学习，有效提升隐私保护和审计能力。
Comments 15 pages, appendix included
MedRCube：面向医学影像中多模态大语言模型细粒度与深入评估的多维框架
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 Integrated Circuits, Zhejiang University（浙江大学集成电路学院） ； School of Software Engineering, Huazhong University of Science and Technology（华中科技大学软件工程学院） ； School of Computer Science, Northwestern Polytechnical University（西北工业大学计算机学院）
AI总结 本文提出MedRCube框架，通过两阶段构建流程对33个MLLM进行细粒度评估，揭示先前方法无法获取的洞察，并引入可信度评估子集，发现快捷行为与诊断性能的显著正相关，引发临床部署的担忧。
Doc-V*：多页文档视觉问答中的粗到细交互推理
机构 * School of Software Engineering, Huazhong University of Science and Technology（华中科技大学软件工程学院） ； MiLM Plus, Xiaomi Inc.（小米公司MiLM Plus团队） ； School of Computer Science and Technology, Huazhong University of Science and Technology（华中科技大学计算机科学与技术学院） ； School of Data Science, Fudan University（复旦大学数据科学学院）
AI总结 Doc-V*提出一种无OCR的智能框架，通过序列证据聚合解决多页文档VQA问题，结合语义检索和目标页面获取，提升回答准确性和证据收集效率，在五个基准测试中优于开源基线，提升领域外性能达47.9%。
MM-Doc-R1: 通过多轮强化学习训练代理进行长文档视觉问答
机构 * Fudan University（复旦大学） ； Shanghai Qiji Zhifeng Co., Ltd（上海启智锋科技有限公司）
AI总结 MM-Doc-R1通过多轮强化学习训练代理，利用相似性基于策略优化提升长文档视觉问答性能，实验表明其优于现有方法。
ZoomSpec: 一种基于物理的粗到细框架用于宽带频谱感知
机构 * Key Laboratory for Information Science of Electromagnetic Waves (MoE), Fudan University（电磁波信息科学重点实验室（MoE），复旦大学）
AI总结 本文提出ZoomSpec框架，结合信号处理先验知识与深度学习，通过Log-Space STFT提升窄带结构清晰度，利用轻量级CPN快速筛选全频带，并通过AHLP模块消除带外干扰，最终实现高精度频谱感知。
Comments 14 pages, 8 figures, 5 tables
高斯混合反向核在条件扩散中的普遍性
机构 * Center for Mathematics and Interdisciplinary Sciences, Fudan University（复旦大学数学与交叉科学中心） ； Shanghai Institute for Mathematics and Interdisciplinary Sciences (SIMIS)（上海数学与交叉科学研究院（SIMIS）） ； Northeastern University（东北大学） ； Infectious Diseases Division, icddr,b（icddr,b传染病部门） ； Rutgers University（罗格斯大学）
AI总结 研究证明，具有ReLU网络对数的有限高斯混合反向核的条件扩散模型可近似任意正则目标分布，误差随扩散时间增加而减小。
Comments 10+19 pages
从顺序到分布：对持续学习中遗忘的谱特征分析
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）
AI总结 本文研究持续学习中遗忘现象，通过分析任务分布的谱结构，推导遗忘量的精确算子恒等式，并建立无条件上界，揭示遗忘率与任务分布几何性质的关系。
基于空间、时间与具身推理的统一框架的空域视觉-语言导航
机构 * Key Laboratory for Information Science of Electromagnetic Waves (Ministry of Education)（电磁波信息科学重点实验室（教育部）） ； School of Information Science and Technology（信息科学与技术学院） ； Fudan University（复旦大学）
AI总结 本文提出一种统一框架，利用单目RGB视角和自然语言指令实现空域视觉-语言导航，通过多任务学习优化空间感知、轨迹推理和动作预测，提升轻量化无人机在复杂环境中的导航能力。
Comments Under Review, 16 pages, 12 figures. Our code is publicly available at https://github.com/return-sleep/AeroAct
通过自动化构建环境提升大语言模型的反馈驱动工具使用
机构 * Fudan University（复旦大学）
AI总结 本文提出自动化环境构建流程和可验证奖励机制，提升大语言模型的工具使用能力，实验表明在不降低通用能力的情况下显著增强工具使用性能。
Comments Accepted by ACL 2026
MulDimIF：一种多维约束框架用于评估和改进大语言模型的指令遵循能力
机构 * Fudan University（复旦大学） ； Lenovo Research（联想研究院） ； Tencent（腾讯） ； Shanghai Artificial Intelligence Laboratory（上海人工智能实验室） ； Shanghai Key Lab of Intelligent Information Processing（上海智能信息处理重点实验室）
AI总结 本文提出MulDimIF框架，通过多维约束模式、类别和难度等级，设计可控指令生成流程，生成9106个可验证样本，评估18个LLM模型，发现不同约束设置下性能差异显著，并通过训练提升指令遵循能力而不影响通用性能。
Comments Accepted by ACL 2026
优化方法的演变：算法、场景与评估
机构 * Zhejiang University（浙江大学） ； APRIL Lab（APRIL实验室） ； Fudan University（复旦大学） ； Shanghai Jiaotong University（上海交通大学） ； National University of Singapore（新加坡国立大学）
AI总结 本文回顾了深度学习优化算法的演变历程，通过广泛实验评估主流优化器在不同模型架构和训练场景中的表现，揭示了新兴趋势与核心设计权衡，为未来高效、可靠优化方法的设计提供指导。
启发认知的双流语义增强用于基于视觉的动态情绪建模
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） ； Shanghai Key Lab of Intelligent Information Processing, College of Computer Science and Artificial Intelligence, Fudan University（上海智能信息处理重点实验室，复旦大学计算机科学与人工智能学院） ； School of Data Science and Engineering, East China Normal University（华东师范大学数据科学与工程学院）
AI总结 本文提出DuSE模型，通过双流架构模拟认知过程，提升动态面部表情识别的鲁棒性和可解释性。
Comments Accepted by IEEE ICRA 2026
LatentRefusal：用于无法回答的文本到SQL查询的潜在信号拒绝
机构 * Fudan University（复旦大学） ； Pennsylvania State University（宾夕法尼亚州立大学） ； Abington College（阿宾顿学院）
AI总结 本文提出LatentRefusal方法，通过分析大语言模型的中间隐藏激活来预测查询可回答性，从而在文本到SQL系统中实现安全拒绝，提升系统安全性与效率。
指令即一切：用于指令遵循的自监督强化学习
机构 * Shanghai Key Laboratory of Data Science, College of Computer Science and Artificial Intelligence, Fudan University（上海数据科学 key laboratory，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）
AI总结 本文提出一种无需外部监督的自监督强化学习框架，通过直接从指令中生成奖励信号和伪标签来解决多约束任务中稀疏奖励问题，实验表明其在多个领域数据集上表现优异。
大规模安全：大型模型和智能体安全的全面综述
机构 * Fudan University（复旦大学） ； The University of Melbourne（墨尔本大学） ； Singapore Management University（新加坡国立大学） ； Deakin University（德肯大学） ； Hong Kong University of Science and Technology（香港科学与技术大学） ； City University of Hong Kong（香港城市大学） ； University of Oxford（牛津大学） ； Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳）） ； Shanghai Jiao Tong University（上海交通大学） ； Nanyang Technological University（南洋理工大学） ； The University of Sydney（悉尼大学） ； Griffith University（格里菲斯大学） ； University of California, Santa Cruz（加州大学圣克鲁兹分校） ； Sea AI Lab（Sea AI实验室） ； Tsinghua University（清华大学） ； Virginia Tech（弗吉尼亚理工大学） ； CISPA Helmholtz Center for Information Security（CISPA海德堡信息安全部） ； University of Massachusetts Amherst（马萨诸塞大学阿姆赫斯特分校） ； Purdue University（普渡大学） ； Duke University（杜克大学） ； University of Wisconsin - Madison（威斯康星大学麦迪逊分校） ； RIKEN（理化学研究所） ； The University of Tokyo（东京大学）
AI总结 本文综述了大型模型和智能体的安全性，分析了各类攻击威胁及防御策略，指出安全评估、防御机制和数据实践的重要性，强调研究社区和国际合作的必要性。
Comments 706 papers, 60 pages, 3 figures, 14 tables; GitHub: https://github.com/xingjunm/Awesome-Large-Model-Safety
HazardArena：评估视觉-语言-动作模型中的语义安全性
机构 * Fudan University（复旦大学） ； Shanghai Innovation Institute（上海创新研究院） ； City University of Hong Kong（香港城市大学）
AI总结 HazardArena通过可控风险情境评估视觉-语言-动作模型的语义安全性，发现模型在安全场景训练后在危险场景中表现不佳，提出安全选项层以减少不安全行为。
Comments Submitted to conference; 12 pages, 8 figures, including supplementary material
CoSyncDiT：认知同步扩散变换器用于电影配音
机构 * Institute of Computing Technology, Chinese Academy of Sciences, Beijing, China（中国科学院计算技术研究所） ； University of Chinese Academy of Sciences, Beijing, China（中国科学院大学） ； Fudan University, Shanghai, China（复旦大学） ； Hangzhou Dianzi University, Hangzhou, China（杭州电子科技大学） ； Macquarie University, Sydney, Australia（麦考瑞大学）
AI总结 本文提出基于认知同步扩散变换器的电影配音框架，通过声学风格适应、细粒度视觉校准和时间感知上下文对齐，解决传统方法在唇同步和自然度上的不足，实验表明其在多个指标上达到最优性能。
揭示端到端自动驾驶中导航理解的惊人效能
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） ； Didi Chuxing（滴滴出行） ； Institute for AI Industry Research (AIR), Tsinghua University（清华大学人工智能产业研究院） ； Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所）
AI总结 本文提出SNG框架，通过真实导航模式高效表示全局导航信息，结合导航路径与分步信息，提升自动驾驶的全局与局部规划能力，实现无需辅助损失函数的高精度导航建模。
Comments 8 pages, 6 figures. ICRA 2026. Code available at https://fudan-magic-lab.github.io/SNG-VLA-web
像人类考官一样评判：一种用于生成任务的加权重要性多点评估框架
机构 * Pengcheng Laboratory, Shenzhen, China（鹏城实验室，深圳，中国） ； The Chinese University of Hong Kong（香港中文大学） ； Fudan University（复旦大学） ； Qwen team, Alibaba Group（通义实验室，阿里巴巴集团） ； Institute of Computing Technology, CAS（中国科学院计算技术研究所）
AI总结 本文提出WIMPE框架，通过加权重要性多点评估方法，解决生成任务中长答案评估的挑战，提升与人类标注的关联性。
Comments 21 pages
EvoNash-MARL：一种用于中长期股票配置的闭环多智能体强化学习框架
机构 * University of Connecticut（康涅狄格大学） ； Xi’an University of Technology（西安理工大学） ； Fudan University（复旦大学） ； Iowa State University（爱荷华州立大学）
AI总结 本文提出EvoNash-MARL框架，结合强化学习与群体策略优化，提升中长期股票配置的鲁棒性，在120窗口回测中表现最佳，实现19.6%年化收益率，但未通过White's Reality Check测试。
交互式语音识别：迈向人样交互和语义连贯性评估的代理语音识别
机构 * X-LANCE Lab, Shanghai Jiao Tong University（上海交通大学X-LANCE实验室） ； The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳）） ； Xi'an Jiaotong University（西安交通大学） ； Fudan University（复旦大学） ； Tongyi Fun Team, Alibaba Group（阿里巴巴集团 Tongyi 团队）
AI总结 本文提出基于LLM的代理框架，通过语义反馈提升语音识别的语义准确性和交互修正能力，实验验证了其有效性。
WebChain：一个大规模的人工标注的真实世界网页交互轨迹数据集
机构 * Fudan University（复旦大学） ； IMean AI ； WebAgentLab
AI总结 本文提出WebChain数据集，包含31,725条轨迹和318k步，通过视觉、结构和动作数据的三元对齐提供多模态监督，提出双中层训练方法，实现了WebChainBench等公开GUI基准的最先进性能。
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