Fudan University（复旦大学）

Position: Evaluation of Visual Processing Should Be Human-Centered, Not Metric-Centered

位置：视觉处理的评估应以人类为中心，而非以指标为中心

Jinfan Hu, Fanghua Yu, Zhiyuan You, Xiang Yin, Hongyu An, Xinqi Lin, Chao Dong, Jinjin Gu

机构 * Shenzhen Institutes of Advanced Technology, Chinese Academy of Sciences（深圳先进技术研究院，中国科学院） ； The University of Hong Kong（香港大学） ； INSAIT, Sofia University ``St. Kliment Ohridski''（INSAIT，索菲亚大学『圣克莱孟·奥赫里迪斯』） ； Shenzhen Loop Area Institute（深圳河套学院） ； The Chinese University of Hong Kong（香港中文大学） ； University of the Chinese Academy of Sciences（中国科学院大学） ； Fudan University（复旦大学） ； Shenzhen University of Advanced Technology（深圳先进技术大学） ； Shanghai AI Laboratory（上海人工智能实验室） 纠错

AI总结 本文主张视觉处理评估应转向以人类为中心的方法，强调情境感知和细致评估，以更准确反映人类感知和用户需求。

$π^3$: Permutation-Equivariant Visual Geometry Learning

π³：排列等变视觉几何学习

Yifan Wang, Jianjun Zhou, Haoyi Zhu, Wenzheng Chang, Yang Zhou, Zizun Li, Junyi Chen, Jiangmiao Pang, Chunhua Shen, Tong He

机构 * Shanghai Jiao Tong University（上海交通大学） ； Shanghai AI Laboratory（上海人工智能实验室） ； Shanghai Innovation Institute（上海创新研究院） ； Zhejiang University（浙江大学） ； University of Science and Technology of China（中国科学技术大学） ； Fudan University（复旦大学） 纠错

AI总结 π³通过排列等变架构实现无需参考视角的视觉几何重建，提升相机姿态和点地图重建的准确性和鲁棒性。

Comments Project page: https://yyfz.github.io/pi3/

CaTok: Taming Mean Flows for One-Dimensional Causal Image Tokenization

CaTok：通过Mean流平滑均值流以实现一维因果图像标记化

Yitong Chen, Zuxuan Wu, Xipeng Qiu, Yu-Gang Jiang

机构 * Institute of Trustworthy Embodied AI, Fudan University（可信具身人工智能研究所，复旦大学） ； Shanghai Innovation Institute（上海创新研究院） ； Shanghai Key Laboratory of Multimodal Embodied AI（上海多模态具身人工智能重点实验室） 纠错

AI总结 CaTok 通过 MeanFlow 解码器实现一维因果图像标记化，提升图像生成与重建性能。

Comments Project website is available in https://sharelab-sii.github.io/catok-web

Prompt Group-Aware Training for Robust Text-Guided Nuclei Segmentation

基于提示组的鲁棒文本引导核分割训练

Yonghuang Wu, Zhenyang Liang, Wenwen Zeng, Xuan Xie, Jinhua Yu

机构 * Fudan University, Shanghai, China（复旦大学，上海，中国） 纠错

AI总结 本文提出基于提示组的鲁棒文本引导核分割训练方法，通过组内一致性约束和质量引导正则化提升分割鲁棒性和泛化能力。

MoEMambaMIL: Structure-Aware Selective State Space Modeling for Whole-Slide Image Analysis

MoEMambaMIL: 基于结构的有选择性状态空间建模用于整张图像分析

Dongqing Xie, Yonghuang Wu

机构 * Tongji University（同济大学） ； Fudan University（复旦大学） 纠错

AI总结 MoEMambaMIL通过结合区域嵌套选择性扫描和混合专家建模，实现了对整张图像分析中多分辨率结构的高效建模，提升了在多种下游任务中的性能。

Comments 15 pages, 6 figures, 6 tables

DataChef: Cooking Up Optimal Data Recipes for LLM Adaptation via Reinforcement Learning

DataChef: 通过强化学习为LLM适应生成最优数据配方

Yicheng Chen, Zerun Ma, Xinchen Xie, Yining Li, Kai Chen

机构 * Fudan University（复旦大学） ； Shanghai AI Laboratory（上海人工智能实验室） 纠错

AI总结 DataChef通过强化学习自动生成最优数据配方，使LLM适应性能达到人类专家水平。

Comments 20 pages, 11 figures

Revisiting Multimodal KV Cache Compression: A Frequency-Domain-Guided Outlier-KV-Aware Approach

重新审视多模态KV缓存压缩：一种基于频域的异常KV感知方法

Yaoxin Yang, Peng Ye, Xudong Tan, Chongjun Tu, Maosen Zhao, Jia Hao, Tao Chen

机构 * College of Future Information Technology, Fudan University（未来信息科技学院，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） ； Shanghai Artificial Intelligence Laboratory（上海人工智能实验室） ； Zhangjiang Laboratory（张江实验室） 纠错

AI总结 本文提出FlashCache，一种基于频域的异常KV感知KV缓存压缩框架，通过保留关键KV对提升解码效率并降低内存使用。

Comments CVPR2026

MADCrowner: Margin Aware Dental Crown Design with Template Deformation and Refinement

MADCrowner: 带边界的牙冠设计与模板变形与细化

Linda Wei, Chang Liu, Wenran Zhang, Yuxuan Hu, Ruiyang Li, Feng Qi, Changyao Tian, Ke Wang, Yuanyuan Wang, Shaoting Zhang, Dimitris Metaxas, Hongsheng Li

机构 * Multimedia Laboratory, The Chinese University of Hong Kong（香港中文大学多媒体实验室） ； College of Biomedical Engineering, Fudan University（复旦大学生物医学工程学院） ； Sensetime Research（商汤科技研究院） ； Department of Second Dental Center, Shanghai Ninth People's Hospital, Shanghai Jiao Tong University School of Medicine（上海交通大学医学院第九人民医院第二牙科中心） ； Department of Computer Science and Engineering, The Chinese University of Hong Kong（香港中文大学计算机科学与工程系） ； Department of Computer Science, Rutgers University（罗格斯大学计算机科学系） ； Centre for Perceptual and Interactive Intelligence (CPII) under InnoHK（InnoHK下的感知与交互智能中心） ； Shanghai Stomatological Hospital, Fudan University（复旦大学上海牙科医院） 纠错

AI总结 MADCrowner通过结合模板变形和边缘分割网络，实现了高精度的牙冠设计，提升了几何精度和临床可行性。

SkillNet: Create, Evaluate, and Connect AI Skills

SkillNet: 创建、评估和连接AI技能

Yuan Liang, Ruobin Zhong, Haoming Xu, Chen Jiang, Yi Zhong, Runnan Fang, Jia-Chen Gu, Shumin Deng, Yunzhi Yao, Mengru Wang, Shuofei Qiao, Xin Xu, Tongtong Wu, Kun Wang, Yang Liu, Zhen Bi, Jungang Lou, Yuchen Eleanor Jiang, Hangcheng Zhu, Gang Yu, Haiwen Hong, Longtao Huang, Hui Xue, Chenxi Wang, Yijun Wang, Zifei Shan, Xi Chen, Zhaopeng Tu, Feiyu Xiong, Xin Xie, Peng Zhang, Zhengke Gui, Lei Liang, Jun Zhou, Chiyu Wu, Jin Shang, Yu Gong, Junyu Lin, Changliang Xu, Hongjie Deng, Wen Zhang, Keyan Ding, Qiang Zhang, Fei Huang, Ningyu Zhang, Jeff Z. Pan, Guilin Qi, Haofen Wang, Huajun Chen

机构 * Zhejiang University（浙江大学） ； Tongji University（同济大学） ； Southeast University（东南大学） ； Alibaba Group（阿里巴巴集团） ； Tencent（腾讯） ； Fudan University（复旦大学） ； The University of Edinburgh（爱丁堡大学） ； Monash University（墨尔本大学） ； National University of Singapore（新加坡国立大学） ； Nanyang Technological University（南洋理工大学） ； Huzhou University（湖州大学） ； Hornor Device Co., Ltd（Hornor设备有限公司） ； Hangzhou Institute for Advanced Study, UCAS（杭州先进研究所，UCAS） 纠错

AI总结 SkillNet通过统一的本体和多维评估机制，大规模创建、评估和连接AI技能，提升代理性能并促进技能的持久掌握。

Comments http://skillnet.openkg.cn/

From Word to World: Can Large Language Models be Implicit Text-based World Models?

从词到世界：大型语言模型能否作为隐式的基于文本的世界模型？

Yixia Li, Hongru Wang, Jiahao Qiu, Zhenfei Yin, Dongdong Zhang, Cheng Qian, Zeping Li, Pony Ma, Guanhua Chen, Heng Ji

机构 * Southern University of Science and Technology（南方科技大学） ； Microsoft Research（微软研究院） ； University of Edinburgh（爱丁堡大学） ； Princeton University（普林斯顿大学） ； Oxford University（牛津大学） ； University of Illinois Urbana-Champaign（伊利诺伊大学香槟分校） ； Fudan University（复旦大学） ； Mind Lab 纠错

AI总结 本文研究了大型语言模型在基于文本的环境中作为世界模型的可行性，通过三个评估层面验证了其在提升智能体性能方面的有效性，并明确了环境复杂性和行为覆盖对世界建模效果的影响。

CCSD: Cross-Modal Compositional Self-Distillation for Robust Brain Tumor Segmentation with Missing Modalities

CCSD：跨模态组合自蒸馏用于缺失模态的鲁棒脑肿瘤分割

Dongqing Xie, Yonghuang Wu, Zisheng Ai, Jun Min, Zhencun Jiang, Shaojin Geng, Lei Wang

机构 * Shanghai Research Institute for Intelligent Autonomous Systems, Tongji University（上海智能自主系统研究院，同济大学） ； College of Biomedical Engineering, Fudan University（生物医学工程学院，复旦大学） ； School of Medicine, Tongji University（医学院，同济大学） ； College of Information Engineering, China Jiliang University（信息工程学院，中国嘉兴大学） 纠错

AI总结 CCSD通过跨模态组合自蒸馏方法，提升在缺失模态下的脑肿瘤分割鲁棒性与泛化能力。

Comments 29 pages, 5 figures, 6 tables

SAMPO-Path: Segmentation Intent-Aligned Preference Optimization for Pathology Foundation Model Segmentation

SAMPO-Path: 分段意图对齐的偏好优化用于病理基础模型分段

Yonghuang Wu, Wenwen Zeng, Xuan Xie, Chengqian Zhao, Guoqing Wu, Jinhua Yu

机构 * School of Biomedical Engineering and Technological Innovation, Fudan university, Shanghai, China.（生物医学工程与技术创新学院，复旦大学，上海，中国） 纠错

AI总结 SAMPO-Path通过偏好优化框架提升病理图像分割的准确性和临床意图一致性。

Comments 15 pages, 9 tables, 8 figures

Why Reinforcement Fine-Tuning Enables MLLMs Preserve Prior Knowledge Better: A Data Perspective

为何强化微调能更好地使大语言模型保留先验知识：从数据角度出发

Zhihao Zhang, Qiaole Dong, Qi Zhang, Jun Zhao, Enyu Zhou, Zhiheng Xi, Senjie Jin, Xiaoran Fan, Yuhao Zhou, Mingqi Wu, Yanwei Fu, Tao Ji, Tao Gui, Xuanjing Huang, Kai Chen

机构 * Fudan University（复旦大学） ； Shanghai Artificial Intelligence Laboratory（上海人工智能实验室） ； Shanghai Collaborative Innovation Center of Intelligent Visual Computing（上海智能视觉计算协同创新中心） 纠错

AI总结 本文通过数据视角揭示强化微调（RFT）相较于监督微调（SFT）在保留大语言模型先验知识方面的优势，发现RFT通过强化正确样本与基模型对齐，有效减少对先验知识的干扰。

Comments Accepted by ICLR 2026

Collaborative Learning of Local 3D Occupancy Prediction and Versatile Global Occupancy Mapping

局部3D占用预测与多功能全局占用映射的协同学习

Shanshuai Yuan, Julong Wei, Muer Tie, Xiangyun Ren, Zhongxue Gan, Wenchao Ding

机构 * College of Intelligent Robotics and Advanced Manufacturing, Fudan University（智能机器人与先进制造学院，复旦大学） ； State Key Laboratory of Intelligent Vehicle Safety Technology, Chongqing Changan Automobile Co., Ltd.（智能车辆安全技术重点实验室，重庆长安汽车有限公司） 纠错

AI总结 本文提出LMPOcc框架，通过整合全局占用先验提升局部预测性能，并实现全局地图的持续更新，适用于自动驾驶中的3D语义占用预测与大规模地图构建。

Comments Accepted by ICRA 2026

Rethinking the Efficiency and Effectiveness of Reinforcement Learning for Radiology Report Generation

重新思考强化学习在放射学报告生成中的效率和有效性

Zilin Lu, Ruifeng Yuan, Weiwei Cao, Wanxing Chang, Zhongyu Wei, Sinuo Wang, Yong Xia, Ling Zhang, Jianpeng Zhang

机构 * DAMO Academy, Alibaba Group（达摩院，阿里巴巴集团） ； Ningbo No.2 Hospital（宁波第二医院） ； Zhejiang University（浙江大学） ； Hupan Lab（华研实验室） ； Fudan University（复旦大学） 纠错

AI总结 本文提出DiTPO方法，通过优化诊断F1分数提升放射学报告生成的临床准确性，实现更高效的数据利用和更优的性能表现。

RIVER: A Real-Time Interaction Benchmark for Video LLMs

RIVER：面向视频大语言模型的实时交互基准

Yansong Shi, Qingsong Zhao, Tianxiang Jiang, Xiangyu Zeng, Yi Wang, Limin Wang

机构 * School of Information Science And Technology, University of Science and Technology of China（信息科学与技术学院，中国科学技术大学） ； Shanghai Artificial Intelligence Laboratory（上海人工智能实验室） ； College of Computer Science and Artificial Intelligence, Fudan University（计算机科学与人工智能学院，复旦大学） ； State Key Lab of Novel Software Technology, Nanjing University（新型软件技术国家重点实验室，南京大学） 纠错

AI总结 RIVER基准通过引入实时交互任务框架，改进视频大语言模型的实时交互能力，提升长期记忆与未来感知表现。

SkillVLA: Tackling Combinatorial Diversity in Dual-Arm Manipulation via Skill Reuse

SkillVLA: 通过技能复用解决双臂操作中的组合多样性问题

Xuanran Zhai, Zekai Huang, Longyan Wu, Qianyou Zhao, Qiaojun Yu, Jieji Ren, Ce Hao, Harold Soh

机构 * National University of Singapore（国立新加坡大学） ； Beijing Zhongguancun Academy（北京中关村学院） ； Shanghai Innovation Institute（上海创新研究院） ； Shanghai AI Laboratory（上海人工智能实验室） ； Shanghai Jiao Tong University（上海交通大学） ； Fudan University（复旦大学） ； Smart Systems Institute, NUS（NUS智能系统研究所） 纠错

AI总结 SkillVLA通过技能复用解决双臂操作中的组合多样性问题，提升技能组合成功率至51%并在复杂任务中表现优异。

Comments 16 pages

IntPro: A Proxy Agent for Context-Aware Intent Understanding via Retrieval-conditioned Inference

IntPro：一种通过检索条件推理的代理代理，用于基于情境的意图理解

Guanming Liu, Meng Wu, Peng Zhang, Yu Zhang, Yubo Shu, Xianliang Huang, Kainan Tu, Ning Gu, Liuxin Zhang, Qianying Wang, Tun Lu

机构 * Fudan University（复旦大学） ； Lenovo Group Ltd（联想集团有限公司） 纠错

AI总结 IntPro通过检索条件推理学习适应个体用户，提升基于情境的意图理解性能。

CAD-Tokenizer: Towards Text-based CAD Prototyping via Modality-Specific Tokenization

CAD-Tokenizer: 向基于文本的CAD原型设计迈进：通过模态特定的分词

Ruiyu Wang, Shizhao Sun, Weijian Ma, Jiang Bian

机构 * University of Toronto（多伦多大学） ； Microsoft Research Asia（微软亚洲研究院） ； Fudan University（复旦大学） 纠错

AI总结 CAD-Tokenizer通过模态特定的分词策略，提升文本引导的CAD原型设计效率与生成质量。

Comments ICLR2026 Camera-ready version

UniG2U-Bench: Do Unified Models Advance Multimodal Understanding?

UniG2U-Bench: 统一模型是否能提升多模态理解？

Zimo Wen, Boxiu Li, Wanbo Zhang, Junxiang Lei, Xiaoyu Chen, Yijia Fan, Qi Zhang, Yujiang Wang, Lili Qiu, Bo Li, Ziwei Liu, Caihua Shan, Yifan Yang, Yifei Shen

机构 * Microsoft Research Asia（微软亚洲研究院） ； Shanghai Jiao Tong University（上海交通大学） ； Nanyang Technological University（南洋理工大学） ； Fudan University（复旦大学） ； University of Oxford（牛津大学） 纠错

AI总结 UniG2U-Bench通过系统评估生成到理解的任务，揭示统一模型在多模态理解中的局限性和改进方向。

AI-for-Science Low-code Platform with Bayesian Adversarial Multi-Agent Framework

面向科学的AI低代码平台与贝叶斯对抗多智能体框架

Zihang Zeng, Jiaquan Zhang, Pengze Li, Yuan Qi, Xi Chen

机构 * Artificial Intelligence Innovation and Incubation Institute, Fudan University（复旦大学人工智能创新与孵化院） ； Shanghai Innovation Institute（上海创新研究院） ； Shanghai Academy of AI for Science（上海人工智能科学研究院） 纠错

AI总结 本研究提出一种面向科学的AI低代码平台，通过贝叶斯对抗多智能体框架实现代码生成与评估的协同优化，提升科学任务的可靠性和效率。

ACE-Brain-0: Spatial Intelligence as a Shared Scaffold for Universal Embodiments

ACE-Brain-0：空间智能作为通用具身化体系的共享框架

Ziyang Gong, Zehang Luo, Anke Tang, Zhe Liu, Shi Fu, Zhi Hou, Ganlin Yang, Weiyun Wang, Xiaofeng Wang, Jianbo Liu, Gen Luo, Haolan Kang, Shuang Luo, Yue Zhou, Yong Luo, Li Shen, Xiaosong Jia, Yao Mu, Xue Yang, Chunxiao Liu, Junchi Yan, Hengshuang Zhao, Dacheng Tao, Xiaogang Wang

机构 * Shanghai Jiao Tong University（上海交通大学） ； Nanyang Technological University（南洋理工大学） ； The Chinese University of Hong Kong（香港中文大学） ； The University of Hong Kong（香港大学） ； University of Science（科学技术大学） ； Fudan University（复旦大学） ； Xiamen University（厦门大学） ； East China Normal University（华东师范大学） ； Wuhan University（武汉大学） ； Sun Yat-sen University（中山大学） 纠错

AI总结 ACE-Brain-0 通过空间智能作为共享框架，统一了自动驾驶、机器人和 UAVs 的具身化任务，采用 SSR 范式和 GRPO 方法实现跨领域泛化和领域精通的平衡。

Comments Code: https://github.com/ACE-BRAIN-Team/ACE-Brain-0 Hugging Face: https://huggingface.co/ACE-Brain/ACE-Brain-0-8B

RAPO: Expanding Exploration for LLM Agents via Retrieval-Augmented Policy Optimization

RAPO：通过检索增强策略优化扩展LLM代理的探索

Siwei Zhang, Yun Xiong, Xi Chen, Zi'an Jia, Renhong Huang, Jiarong Xu, Jiawei Zhang

机构 * Fudan University（复旦大学） ； Zhejiang University（浙江大学） ； UC Davis（加州大学戴维斯分校） 纠错

AI总结 RAPO通过引入检索增强策略优化，扩展LLM代理的探索能力，提升训练效率和探索效果。

Comments Submit to KDD 2026

CMoE: Contrastive Mixture of Experts for Motion Control and Terrain Adaptation of Humanoid Robots

CMoE：对比混合专家用于人形机器人运动控制与地形适应

Shihao Ma, Hongjin Chen, Zijun Xu, Yi Zhao, Ke Wu, Ruichen Yang, Leyao Zou, Zhongxue Gan, Wenchao Ding

机构 * College of Intelligent Robotics and Advanced Manufacturing, Fudan University（智能机器人与先进制造学院，复旦大学） 纠错

AI总结 CMoE通过对比学习提升人形机器人在复杂地形中的运动控制与适应能力，实现专家专业化与稳健行走

Agentic Self-Evolutionary Replanning for Embodied Navigation

代理自进化重规划用于具身导航

Guoliang Li, Ruihua Han, Chengyang Li, He Li, Shuai Wang, Wenchao Ding, Hong Zhang, Chengzhong Xu

机构 * Department of Computer and Information Science, University of Macau（澳门大学计算机与信息科学系） ； SIAT, Chinese Academy of Sciences（中国科学院上海技术物理研究所） ； Department of Computer Science, University of Hong Kong（香港大学计算机科学系） ； Academy for Engineering & Technology, Fudan University（复旦大学工程与技术学院） ； Department of EEE, Southern University of Science and Technology（南方科技大学电子工程系） 纠错

AI总结 SERP通过自进化动作模型和图链式思考重规划，提升具身导航在复杂环境中的鲁棒性和效率。

Comments 8 pages, 10 figures, 4 tables, submitted to IEEE for possible publication

Dynamic Manifold Hopfield Networks for Context-Dependent Associative Memory

动态流形霍普菲尔德网络用于情境依赖的联想记忆

Chong Li, Taiping Zeng, Xiangyang Xue, Jianfeng Feng

机构 * Fudan University（复旦大学） 纠错

AI总结 动态流形霍普菲尔德网络通过数据驱动学习实现情境依赖的联想记忆，显著提升存储容量和检索鲁棒性。

The Choice of Divergence: A Neglected Key to Mitigating Diversity Collapse in Reinforcement Learning with Verifiable Reward

分歧选择：一种缓解强化学习中多样性崩溃的关键因素

Long Li, Zhijian Zhou, Jiaran Hao, Jason Klein Liu, Yanting Miao, Wei Pang, Xiaoyu Tan, Wei Chu, Zhe Wang, Shirui Pan, Chao Qu, Yuan Qi

机构 * Fudan University（复旦大学） ； INFLY TECH（INFLY科技） ； Griffith University（格里菲斯大学） ； University of Waterloo（滑铁卢大学） ； Shanghai Innovation Institute（上海创新研究院） ； Shanghai Academy of Artificial Intelligence for Science（上海人工智能科学研究院） 纠错

AI总结 本文提出DPH-RL框架，通过利用f散度作为复习机制，解决强化学习中多样性崩溃问题，提升模型在不同领域的表现。

Comments 27 pages, 6 figures

FluxMem: Adaptive Hierarchical Memory for Streaming Video Understanding

FluxMem: 用于流视频理解的自适应分层内存

Yiweng Xie, Bo He, Junke Wang, Xiangyu Zheng, Ziyi Ye, Zuxuan Wu

机构 * Institute of Trustworthy Embodied AI（可信具身人工智能研究所） ； Fudan University（复旦大学） ； Shanghai Innovation Institute（上海创新研究院） ； Shanghai Key Laboratory of Multimodal Embodied AI（上海多模态具身人工智能重点实验室） ； University of Maryland, College Park（马里兰大学 College Park 分校） 纠错

AI总结 FluxMem通过自适应分层内存压缩技术，在流视频理解中实现了高效处理，提升了实时性能和离线表现。

Comments Accepted at CVPR 2026. Project page: https://yiwengxie.com/FluxMem/

Accelerating PDE Surrogates via RL-Guided Mesh Optimization

通过RL引导的网格优化加速PDE代理模型

Yang Meng, Ruoxi Jiang, Zhuokai Zhao, Chong Liu, Rebecca Willett, Yuxin Chen

机构 * UChicago（芝加哥大学） ； Fudan University（复旦大学） ； UAlbany（纽约大学阿尔巴尼分校） 纠错

AI总结 通过RL引导的网格优化方法，有效减少PDE代理模型训练的数据需求，提升计算效率。

Comments Accepted at AISTATS 2026

GAM-RAG: Gain-Adaptive Memory for Evolving Retrieval in Retrieval-Augmented Generation

GAM-RAG：基于增益的记忆用于演化检索的检索增强生成

Yifan Wang, Mingxuan Jiang, Zhihao Sun, Yixin Cao, Yicun Liu, Keyang Chen, Guangnan Ye, Hongfeng Chai

机构 * Fudan University（复旦大学） 纠错

AI总结 GAM-RAG通过动态更新检索记忆提升检索增强生成的性能，减少计算成本，提高推理效率。