高校专区
GrOCE：基于图的在线概念擦除用于文本到图像扩散模型
机构 * School of Computer Science, Xiangtan University（湘潭大学计算机科学学院） ； School of Computer Science, Fudan University（复旦大学计算机科学学院）
AI总结 GrOCE提出一种无需训练的框架，通过动态语义图和适应性聚类识别实现精准的在线概念擦除，提升文本到图像扩散模型的语义准确性和稳定性。
Comments Accepted to CVPR 2026 Highlight
RISK: 电子商务风险管理中GUI代理的框架
机构 * Ant International, Ant Group（蚂蚁国际，蚂蚁集团） ； Fudan University（复旦大学）
AI总结 RISK框架通过整合数据集、基准测试和强化学习方法，提升了GUI代理在电子商务风险管理中处理多步骤交互的能力，实验显示其在单步和多步任务上的性能提升显著。
Comments Accepted by ACL 2026 Main Conference
PoreDiT：一种适用于大规模数字岩石重建的可扩展生成模型
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） ； State Key Laboratory of Shale Oil and Gas Enrichment Mechanisms and Efficient Development（页岩油气富集机理与高效开发国家重点实验室） ； Department of Modern Mechanics, University of Science and Technology of China（中国科学技术大学近代力学系）
AI总结 PoreDiT采用三维Swin Transformer生成大规模数字岩石样本，提升计算效率并保持物理真实性，适用于多领域研究。
追溯国际象棋顶级棋手级变压器的思维过程
机构 * Shanghai Innovation Institute, Shanghai, China（上海创新研究院） ； School of Computer Science, Fudan University, Shanghai, China（复旦大学计算机科学技术学院） ； School of Mathematics and Statistics, Xi’an Jiaotong University（西安交通大学数学与统计学院）
AI总结 本文通过稀疏分解框架解析Leela Chess Zero的内部计算，揭示其战术考量，并引入三个量化指标证明其并行推理行为，首次在MLP和注意力模块上实现可解释性分解。
屏幕、缓存与匹配：一种无需训练的因果一致性参考框架用于人类动画
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（复旦大学计算机科学与人工智能学院上海市智能信息处理重点实验室） ； College of Design and Innovation, Tongji University（同济大学设计创意学院） ； 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FrameCache框架，通过Screen-Cache-Match策略和Trajectory-Aware Autoregressive Generation机制，提升人类动画的时空一致性与视觉稳定性。
CT-1：视觉-语言-相机模型将空间推理知识转移到相机可控的视频生成
机构 * Fudan University（复旦大学） ； Tencent（腾讯） ； Xiamen University（厦门大学） ； Shanghai Jiao Tong University（上海交通大学）
AI总结 本文提出CT-1模型，通过准确估计相机轨迹将空间推理知识转移到视频生成中，利用小波正则化损失和视频扩散模型提升相机控制精度，实验显示其生成的视频质量高且控制准确率提升25.7%。
机器人辅助部分肾切除术中缝合术的细粒度动作分割
机构 * Fudan University（复旦大学） ； University of Macau（澳门大学） ； The Chinese PLA General Hospital（中国人民解放军总医院） ； Shanghai Jiao Tong University（上海交通大学）
AI总结 本文针对机器人辅助部分肾切除术中缝合术的细粒度动作分割问题，提出SIA-RAPN基准测试，采用I3D特征构建四种时间模型，评估平衡准确率、编辑得分和分段F1等指标，结果显示DiffAct在多个指标上表现最佳。
隐于 plain sight：从场可视化中推断视觉到符号的解析解
机构 * Fudan University, China（复旦大学） ； Shanghai Artificial Intelligence Laboratory, China（上海人工智能实验室） ； University of Cambridge, UK（剑桥大学） ； Nankai University, China（南开大学） ； University of Oxford, UK（牛津大学）
AI总结 本文研究了从二维线性稳态场的可视化中推断视觉到符号的解析解，提出ViSA-R2模型并发布ViSA-Bench基准，通过结构模式识别和物理学家路径验证，实现高精度符号表达推断。
面向LLM策略优化的自适应模拟实验
机构 * School of Management, Fudan University（复旦大学管理学院） ； H. Milton Stewart School of Industrial and Systems Engineering, Georgia Institute of Technology（佐治亚理工学院H. Milton Stewart工业与系统工程系） ； Department of Systems Engineering, City University of Hong Kong（香港城市大学系统工程系）
AI总结 本文提出基于配对比较的自适应模拟实验框架，用于从有限候选策略中识别最优策略。通过无结构和有结构策略空间，推导最优采样比例并证明算法在统计保证下达到基本数据要求。
ETCH-X：通过可组合数据集增强具有衣物人类的表达性身体拟合
机构 * Zhejiang University（浙江大学） ； Westlake University（西湖大学） ； Shanghai Innovation Institute（上海创新研究院） ； Fudan University（复旦大学） ； Nanjing University（南京大学）
AI总结 本文提出ETCH-X，通过引入紧致性感知拟合范式、SMPL-X扩展和隐式密集对应关系，提升身体拟合的鲁棒性和细节表达，实现对衣物动态、姿态变化和噪声输入的高效处理。
Comments Page: https://xiaobenli00.github.io/ETCH-X/, Code: https://github.com/XiaobenLi00/ETCH-X
SIM1：物理对齐的模拟器作为零样本数据放大器在变形世界中
机构 * Shanghai AI Lab（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） ； Peking University（北京大学）
AI总结 SIM1通过物理对齐的仿真方法，将稀疏观测转化为高保真的合成监督，实现变形物体 manipulation 的高效训练，取得与真实数据相当的性能。
Comments Website: https://internrobotics.github.io/sim1.github.io/
CausalVAD：通过因果干预实现端到端自动驾驶的去混淆
机构 * Fudan University（复旦大学） ； Embodiq Robotics Co., Ltd. ； Beijing Institute of Technology（北京理工大学） ； East China Normal University（华东师范大学）
AI总结 本文提出CausalVAD框架，通过因果干预解决端到端自动驾驶中统计相关性与真实因果关系的矛盾，提升规划精度与安全性。
Comments Accepted to CVPR 2026 (Highlight)
PaceLLM：用于长上下文理解的脑启发式大语言模型
机构 * School of Information Science and Technology, Fudan University（复旦大学信息科学与技术学院） ； 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 PaceLLM通过引入持久活动机制和皮层专家聚类，解决大语言模型在长上下文中的信息衰减和语义碎片化问题，提升多文档问答和无限基准任务性能，扩展上下文长度至200K tokens。
Comments Accepted by NeurIPS 2025
AVGen-Bench: 一项面向多粒度评估的文本到音频视频生成任务驱动基准
机构 * Microsoft Research Asia（微软亚洲研究院） ； Fudan University（复旦大学） ； University of Science and Technology of China（中国科学技术大学）
AI总结 AVGen-Bench通过11个真实场景的高质量提示，结合轻量专家模型与多模态大语言模型，实现对文本到音频视频生成的多粒度评估，揭示了音频视觉美学与语义可靠性之间的显著差距。
Uni-ViGU：通过基于扩散的视频生成器实现视频生成与理解的统一
机构 * Shanghai Academy of AI for Science（上海人工智能实验室） ； Fudan University（复旦大学） ； Independent Researcher（独立研究者） ； Singapore University of Technology and Design（新加坡科技设计大学）
AI总结 Uni-ViGU通过基于扩散的视频生成器统一视频生成与理解，引入统一流方法和模态驱动的MoE框架，实现多模态生成与理解的协同优化。
Comments Page and Code: https://fr0zencrane.github.io/uni-vigu-page/
从分解视角看大语言模型的长上下文推理
机构 * Large Language Model Department, Tencent（腾讯大语言模型部门） ； Xi'an Jiaotong University（西安交通大学） ； Tencent（腾讯） ； Fudan University（复旦大学） ； City University of Hong Kong（香港城市大学）
AI总结 本文从分解视角出发，将长上下文推理分解为基本原子技能，并通过伪数据集训练提升模型能力，实验证明该方法在多个基准测试中提升了7.7%的性能。
AnomalyAgent：通过工具增强强化学习进行代理工业异常合成
机构 * Shanghai Jiao Tong University（上海交通大学） ； Tongji University（同济大学） ； Fudan University（复旦大学）
AI总结 本文提出AnomalyAgent，通过工具增强强化学习生成高语义真实性的工业异常样本，采用闭环优化和两阶段训练框架，实现自我反思与迭代改进。
FlowGuard: 通过线性潜在解码实现扩散模型生成过程中的轻量级安全检测
机构 * Fudan University（复旦大学） ； Shanghai Innovation Institute（上海创新研究院） ； Rajiv Gandhi University（拉吉夫·甘地大学） ； Tsinghua University（清华大学） ； Palmer Research Laboratories（帕尔默研究实验室）
AI总结 FlowGuard通过线性近似和课程学习方法，在生成过程中检测不安全内容，提升扩散模型的安全性和效率，F1分数优于现有方法30%以上，同时显著降低GPU内存占用和投影时间。
面向网络的代理AI推理能效：综述
机构 * Shanghai University（上海大学） ； Nanyang Technological University（南洋理工大学） ； Edith Cowan University（埃迪斯科文大学） ； Fudan University（复旦大学） ； Xi'an Jiaotong-Liverpool University（西交利物浦大学）
AI总结 本文综述了代理AI推理中网络感知能效问题，探讨了计算与通信能耗的统一分类，提出跨层协同设计策略，并指出联邦绿色学习、6G代理AI等开放挑战。
操控多模态AI幻觉的可验证性
机构 * Institute of Trustworthy Embodied AI, Fudan University（复旦大学可信具身人工智能研究所） ； Shanghai Key Laboratory of Multimodal Embodied AI（上海市多模态具身人工智能重点实验室）
AI总结 本文研究多模态AI幻觉的可验证性差异，提出基于激活空间的干预方法，通过区分明显和隐秘幻觉，实现对模型可验证性的精细控制。
在基于大语言模型的社会模拟中恢复异质性：一种受众细分方法
机构 * School of Journalism, Fudan University（复旦大学新闻学院） ； College of Media and International Culture, Zhejiang University（浙江大学传媒与国际文化学院）
AI总结 本文提出通过受众细分方法恢复基于大语言模型的社会模拟中的异质性，利用美国气候意见调查数据，比较不同细分配置在两个大语言模型上的表现，发现适度细化能提升性能，但过度细化可能损害结构和预测忠实度。
ART：通过注意力替换技术提升大语言模型的事实性
机构 * Department of Automation and Intelligent Sensing, Shanghai Jiao Tong University（上海交通大学自动化与智能感知系） ； Fudan University（复旦大学） ； Alibaba Cloud Computing（阿里云计算）
AI总结 本文提出ART技术，通过替换大语言模型浅层的均匀注意力模式为局部注意力模式，减少幻觉问题，适用于多种LLM架构。
什么使引用成为理想引用？通过新颖性的新型引用推荐
机构 * School of Data Science, Fudan University（复旦大学数据科学学院） ； Shanghai Key Laboratory of Data Science, College of Computer Science and Artificial Intelligence（上海市数据科学重点实验室，计算机科学与人工智能学院）
AI总结 本文提出通过新颖性推荐'意外却合理'的引用，通过多维深度意义标签和新颖性估计器提升引用推荐质量。
Comments Accepted to ACL 2026 main conference ; Code available at <https://github.com/Chang-pw/NoQuote>
V$^{2}$-SAM：融合SAM2与多提示专家以实现跨视角物体对应
机构 * INSAIT, Sofia University “St. Kliment Ohridski”（INSAIT，索非亚大学） ； Tsinghua University（清华大学） ； Fudan University（复旦大学） ； East China Normal University（华东师范大学）
AI总结 本文提出V2-SAM框架，通过两个互补的提示生成器将SAM2从单视角分割适应到跨视角对应，引入多专家设计和PCCS选择器，实现跨视角物体一致性的新方法。
Comments 19 pages
多模态大语言模型中的忠实优先推理、规划与行动
机构 * Shanghai Jiao Tong University（上海交通大学） ； The Hong Kong University of Science and Technology（香港科技大学） ； The Australian National University（澳大利亚国立大学） ； Fudan University（复旦大学） ； University of Sydney（悉尼大学）
AI总结 本文提出Faithful-First RPA框架，通过逐步监督提升多模态推理的忠实度，实验表明其在多个基准上提升了24%的感知忠实度，且不降低任务准确性。
Comments Accepted by ACL 2026 Findings
TAMEn：用于接触密集任务闭环数据收集的触觉感知操作引擎
机构 * Fudan University（复旦大学） ； Shanghai Innovation Institute（上海创新研究院） ； OpenDriveLab at The University of Hong Kong（香港大学OpenDriveLab） ； Shanghai Jiao Tong University（上海交通大学） ； East China University of Science and Technology（华东理工大学）
AI总结 本文提出TAMEn，通过双模采集管道和触觉-视觉学习框架，提升机器人双臂操作任务的闭环策略优化效果，实验表明任务成功率从34%提升至75%。
通过率能讲述全部故事吗？评估基于LLM的问题解决的设计约束合规性
机构 * Fudan University（复旦大学） ； Nanyang Technological University（南洋理工大学）
AI总结 本文提出设计感知问题解决方法，引入bench基准，通过挖掘和验证真实项目中的设计约束，评估LLM在问题解决中设计约束的合规性，发现测试通过率高并不代表设计合规性好。
OmniFysics：通过多模态信号处理和网络优化实现物理智能进化
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） ； Fysics AI
AI总结 OmniFysics通过统一图像、音频、视频和文本的多模态信号处理，结合动态物理数据引擎和物理知识注入，实现网络化AI系统的自主优化，提升物理理解能力。
Comments This work has been submitted to the IEEE for possible publication
TransAgent：通过细粒度执行对齐增强基于LLM的代码翻译
机构 * Fudan University（复旦大学） ； Tsinghua University（清华大学）
AI总结 TransAgent通过细粒度执行对齐本地化错误代码块，提升LLM代码翻译的准确性与修复性能，优于现有方法33.3%和56.7%。
Comments Accepted by FSE'26
可控的歌唱风格转换与边界感知信息瓶颈
机构 * School of Software Engineering, Xi'an Jiaotong University（西安交通大学软件工程学院） ； Fudan University（复旦大学） ； Division of Music and Audio Union Wheatland Culture and Media Ltd.（音乐与音频联合Wheatland文化传媒有限公司）
AI总结 本文提出了一种新颖的歌唱风格转换系统，通过边界感知信息瓶颈、帧级技术矩阵和高频带补全策略，解决风格泄漏、动态渲染和高保真生成问题，实现高质量的风格转换。
Comments 8 pages, 5 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