RA-Det: Towards Universal Detection of AI-Generated Images via Robustness Asymmetry
RA-Det：通过鲁棒性不对称性实现对AI生成图像的通用检测
机构 * Jiangnan University（江南大学） ； Fudan University（复旦大学）
AI总结 RA-Det通过鲁棒性不对称性检测AI生成图像，实现通用且高效的检测方法。
高校专区
Fudan University（复旦大学）
Towards Reliable Stain Transfer: An Iterative Data-Model Co-Optimization Framework Based on Multimodal Expert-Guided Assessment
迈向可靠的染色转移：基于多模态专家指导评估的迭代数据-模型协同优化框架
机构 * East China Normal University（华东师范大学） ； Ruijin Hospital, Shanghai Jiao Tong University School of Medicine（上海交通大学医学院附属瑞金医院） ； Hangzhou Hyperspectral Imaging Technology Co., Ltd.（杭州高光谱成像技术有限公司） ； Fudan University Shanghai Cancer Center（复旦大学附属肿瘤医院）
AI总结 研究针对染色转移建模难题，提出DMCoStain框架，通过迭代优化数据与模型能力提升准确性和可解释性。基于IPE视觉语言模型构建MEGFS策略并创建ImmunoInstruction数据集，实验证明该框架达最优精度，其范式有实用价值，MEGFS可作评估工具。
Comments 10 pages, accepted by ACMMM2026 Main Track
A Unified Algorithmic Framework for Hybrid Reinforcement Learning in Tabular MDPs with Shifted Transition Dynamics
表格型马尔可夫决策过程中具有转移过渡动态的混合强化学习统一算法框架
机构 * Southern University of Science and Technology（南方科技大学） ； Harbin Institute of Technology, Shenzhen（哈尔滨工业大学（深圳）） ； City University of Hong Kong（香港城市大学） ； Fudan University（复旦大学） ； Shanghai Academy of AI for Science（上海人工智能研究院）
AI总结 研究表格型MDP中混合强化学习，提出含MIN-UCB-VI和MAX-LCB-VI的统一算法框架，利用细粒度偏差信息有效利用离线数据，给出理论保证并通过实验验证，解决离线数据因转移动态而无效的问题。
Comments 59 pages, 3 figures, and 2 tables
AdvSynGNN: Structure-Adaptive Graph Neural Nets via Adversarial Synthesis and Self-Corrective Propagation
AdvSynGNN：通过对抗合成与自我纠正传播实现结构自适应的图神经网络
机构 * University of Macau（澳门大学） ； Peking University（北京大学） ； Fudan University（复旦大学） ； Tsinghua University（清华大学） ； University of Southampton（南安普顿大学）
AI总结 本文提出AdvSynGNN，通过对抗合成与自我纠正传播实现结构自适应的图神经网络，提升在结构噪声和非同质拓扑下的鲁棒性。
Comments 32 pages, 8 figures
INS-ActBench: A Comprehensive Benchmark for Assessing Professional Actuarial Capability of Large Language Models
INS-ActBench：一个用于评估大语言模型专业精算能力的综合基准
机构 * Fudan University（复旦大学）
AI总结 介绍INS-ActBench这一综合基准评估大语言模型专业精算能力，含12050个问答对及三个子集，通过实验揭示前沿大语言模型在不同方面的能力表现，为精算大语言模型开发提供可重复基础。
Comments 18 pages, including appendices; 11 figures and 12 tables
Disentangling Semantic Attention from Structural Bias in the Attention Manifold
在注意力流形中分离语义注意力与结构偏差
机构 * Fudan University（复旦大学） ； Singapore Management University（新加坡管理大学）
AI总结 研究多模态大语言模型中注意力机制对无信息视觉 tokens 关注过多的问题，提出无需训练的 SPAR 方法，通过净化噪声和重分配注意力，有效恢复真实视觉基础且计算开销小。
RRTrack: Robust and Recoverable Object 6D Pose Tracking for Dynamic Scenes
RRTrack：用于动态场景的鲁棒且可恢复的物体6D姿态跟踪
机构 * College of Computer Science and Technology, Zhejiang University（浙江大学计算机科学与技术学院） ； Institute of Artificial Intelligence (TeleAI), China Telecom（中国电信人工智能研究院） ； College of Future Information Technology, Fudan University（复旦大学未来信息技术学院）
AI总结 研究针对动态场景中物体6D姿态跟踪难题，提出RRTrack。它采用2D-6D闭环跟踪策略，集成记忆视频对象分割与6D姿态细化，还有双库模板匹配模块。在合成基准和真实世界实验中验证，相比FoundationPose有显著提升，兼具高效与鲁棒性。
Comments 6D Pose Tracking, 10 pages, real-world experiments, training-free
Dementia Etiology Diagnosis via Collaborative Meta Knowledge Enhancement
通过协作元知识增强进行痴呆病因诊断
机构 * School of Computer Science, Fudan University（复旦大学计算机科学学院） ； Cooperative Medianet Innovation Center, Shanghai Jiao Tong University（上海交通大学协同媒体网络创新中心） ； Microsoft Research Asia（微软亚洲研究院） ； School of Artificial Intelligence, Shanghai Jiao Tong University（上海交通大学人工智能学院）
AI总结 针对痴呆病因诊断中因数据异质性导致的挑战，提出协作元知识增强（COME）框架，将多中心采集语义等作为异质性感知嵌入注入Transformer架构，并设计优化方案。该方法在多队列中性能达最优，有良好泛化能力，还能与生物标志物及临床严重程度一致。
Child-Oriented AIGC Video Risk Reviewing: A Benchmark and Knowledge-Supported Iterative Reasoning Framework
面向儿童的AIGC视频风险审查：一个基准和知识支持的迭代推理框架
机构 * Shandong University（山东大学） ； Fudan University（复旦大学） ； Beijing Jiaotong University（北京交通大学）
AI总结 研究面向儿童的AIGC视频审查问题，构建CAVSR基准和分层风险分类法，提出结合多智能体协作与知识经验的QVRS-E框架，实验证明该方法能增强儿童相关风险审查，产生更可靠报告。
LowAux-RDNet: Low-Pass Residual Supervision with Scene-Balanced Real-World Training for Single-Image Reflection Removal
LowAux-RDNet：用于单图像反射去除的具有场景平衡真实世界训练的低通残差监督
机构 * Fudan University（复旦大学）
AI总结 研究单图像反射去除，基于RDNet构建管道，引入LowAux辅助目标，结合场景平衡真实对，构建统一基准，所提系统在多数据集上取得优异指标，性能在不同反射分布上更平衡，Postcard中语义反射仍具挑战。
Comments 10 pages, 5 figures. Code: https://github.com/flyingc2004/lowaux-rdnet
Do Language Models Converge to Themselves? Recursive Self-Refinement as Textual Relaxation
语言模型会收敛到自身吗？递归自精炼作为文本松弛
机构 * Pfizer（辉瑞公司） ； University of California San Diego（加利福尼亚大学圣地亚哥分校） ； Institute for Medical Philosophy and Future Artificial Intelligence（医学哲学与未来人工智能研究所） ； Tongji University（同济大学） ； Shanghai Jiao Tong University（上海交通大学） ； Institute of Humanities and Social Science Data, Fudan University（复旦大学人文社会科学数据研究所）
AI总结 研究大语言模型递归自精炼工作流程的长期动态。通过生成精炼轨迹并分析多种指标，发现轨迹迅速饱和，编辑多在前几次迭代，确定性解码表现更好，平均编辑幅度呈指数松弛，收敛摘要有多种优势，支持动态系统观点并推动停止标准。
VibeVoice-ASR-BitNet Technical Report
VibeVoice-ASR-BitNet技术报告
机构 * Microsoft Research（微软研究院） ； Shanghai Jiao Tong University（上海交通大学） ； Fudan University（复旦大学） ； University of Chinese Academy of Sciences（中国科学院大学）
AI总结 介绍VibeVoice-ASR-BitNet，针对边缘CPU实时推理优化。采用异构量化及渐进式量化感知训练，在ggml框架实现自定义内核和运算符，可比模型大小下速度快1.6 - 2.3倍，准确性略降。
Comments Technical Report
H$^2$SD: Hybrid Hindsight Self-Distillation
H$^2$SD：混合事后自蒸馏
机构 * Shanghai Artificial Intelligence Laboratory（上海人工智能实验室） ； Harbin Institute of Technology（哈尔滨工业大学） ； Fudan University（复旦大学） ； The Chinese University of Hong Kong（香港中文大学）
AI总结 研究针对强化学习中奖励监督问题，提出 H$^2$SD 混合事后自蒸馏框架。成功轨迹用教师概率调更新幅度，失败轨迹基于参考提示调整教师并最小化反向 KL 散度，实验表明该框架优于基线，能稳定优化且效率良好。
Agents Don't Just Agree, They Remember: Benchmarking Persistent Sycophancy in Stateful Personal Agents
智能体不仅会认同，还会记忆：对有状态个人智能体中持续谄媚行为的基准测试
机构 * City University of Hong Kong（香港城市大学） ； ByteDance（字节跳动） ； Yale University（耶鲁大学） ； Fudan University（复旦大学） ； Hong Kong Baptist University（香港浸会大学） ； Dalian University of Technology（大连理工大学）
AI总结 研究有状态个人智能体中的持续谄媚行为，引入PASB基准测试，评估真实智能体。通过特定方法隔离写入过程，发现提交边界是关键转折点，提交声明有三种模式，表明智能体谄媚行为是状态写入治理问题，PASB确定相关写入时控制。
StreamProfileBench: A Benchmark for Fine-Grained User Profile Inference in Real-World Streaming Scenarios
StreamProfileBench：真实流式场景中细粒度用户画像推断的基准
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） ； Shanghai University of Finance and Economics（上海财经大学） ； MOE laboratory for National Development and Intelligent Governance, Fudan University（复旦大学国家发展与智能治理实验室） ； Research Institute of Intelligent Complex Systems, Fudan University（复旦大学智能复杂系统研究院）
AI总结 提出StreamProfileBench基准，通过持续状态维护任务和免标注评估框架，研究大语言模型在流式用户画像更新中的保守偏差问题。
OS-Sentinel: Towards Safety-Enhanced Mobile GUI Agents via Hybrid Validation in Realistic Workflows
OS-Sentinel: 通过现实工作流中的混合验证实现安全增强的移动GUI代理
机构 * The University of Hong Kong（香港大学） ； Fudan University（复旦大学） ； Shanghai AI Laboratory（上海人工智能实验室） ； Nanyang Technological University（南洋理工大学） ； Nanjing University（南京大学） ； Shanghai Jiao Tong University（上海交通大学）
AI总结 OS-Sentinel通过结合形式验证器和VLM上下文判断者，提升移动GUI代理的安全性，实验显示在多个指标上优于现有方法。
Comments ACL 2026 (Oral) & Best Paper at AIWILD @ ICLR 2026
CARA: Concept-Aware Risk Attention for Interpretable Collision Anticipation
CARA：用于可解释碰撞预测的概念感知风险注意力
机构 * Shanghai Jiao Tong University（上海交通大学） ； The University of Hong Kong（香港大学） ； Fudan University（复旦大学） ； The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）） ； University of Pennsylvania（宾夕法尼亚大学） ； Renmin University of China（中国人民大学）
AI总结 研究自动驾驶碰撞预测问题，提出CARA框架，从事故叙述中获取风险概念并与视频帧对齐成轨迹，将语义风险因素作为动态证据，结合可解释性与预测过程，实验证明其能提高预测准确性和预警及时性。
Comments Accepted to ACM Multimedia 2026(Oral)
fMRI2Face: A Full-HD fMRI-Video Dataset and Geometry-Guided Neural Decoding Framework for Dynamic Human Face Reconstruction
fMRI2Face：用于动态人脸重建的全高清功能磁共振成像视频数据集和几何引导神经解码框架
机构 * Fudan University（复旦大学） ； Westlake University（西湖大学） ； Zhejiang University（浙江大学） ； Nanyang Technological University（南洋理工大学） ； Xmov（未提及通用中文名，可音译为艾莫夫）
AI总结 该研究提出fMRI-Face数据集及fMRI2Face框架，用于从大脑活动重建动态人脸。框架从大脑活动中获取两种互补神经控制，经整合实现高保真面部视频重建，实验显示其性能优于基线，为动态面部感知研究提供了新平台和基准。
From Isolated Tasks to Structured Capabilities: A Multilayer Taxonomy for Large Language Models
从孤立任务到结构化能力：大语言模型的多层分类法
机构 * Fudan University（复旦大学）
AI总结 该研究提出大语言模型多层分类法，含14个能力领域和91个子技能，以人类认知科学为指导。通过筛选和映射相关论文，分析研究关注情况，揭示领域及子技能分布，此分类法有助于大语言模型研究组织、评估等多方面工作。
Comments 34 pages, 5 figures, 20 tables
Learning Spatiotemporal Decision Priors for Efficient Path Planning under Partial Observability
学习时空决策先验以实现部分可观测性下的高效路径规划
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） ； School of Information Science and Technology, Fudan University（信息科学与技术学院，复旦大学） ； Department of Information Technology, Old Dominion University（信息技术系，老 Dominion 大学）
AI总结 研究部分可观测性下的路径规划问题，提出ImiPath框架，从示范轨迹提炼时空决策先验，经局部时空观测表示和时空注意力策略网络转换为决策先验并纳入异构规划器，提升路径质量与搜索效率，验证了框架的适应性和实际部署潜力。
DCS: A Unified Conditional Sensitivity Framework for Cross-Modal Copyright Infringement Detection
DCS：用于跨模态版权侵权检测的统一条件敏感度框架
机构 * Fudan University（复旦大学）
AI总结 研究针对基础模型版权侵权检测问题，提出统一的DCS框架，将侵权证据视为反事实条件分布转移，通过条件差分隐私形式化，创建双分支并结合多种因素界定敏感度，还定义校准统计量，适用于多种模型并以不同方式评估。
MoE$^2$-LoRA: When MoE Models Meet MoE-style Low-Rank Adaptation
MoE$^2$-LoRA：当专家混合模型遇上专家混合风格的低秩自适应
机构 * Shanghai Artificial Intelligence Laboratory（上海人工智能实验室） ； KTH Royal Institute of Technology（瑞典皇家理工学院） ； University of Science and Technology of China（中国科学技术大学） ； Fudan University（复旦大学） ； The Chinese University of Hong Kong（香港中文大学）
AI总结 研究探索MoE模型的参数高效微调方法，提出MoE$^2$-LoRA，通过双通道RCP模块耦合预训练专家专业化与任务适应性，引入全局专家池，在多MoE主干上评估，能保持通用能力并实现最优下游精度。
Comments Preprint, under review
Agentic AI for Bilevel Long-Term Optimization of Policy-Driven Physical Layer Systems
策略驱动的物理层系统的双层长期优化的代理人工智能
机构 * Key Laboratory of EMW Information (MoE), College of Future Information Technology, Fudan University（复旦大学未来信息技术学院电磁波信息科学教育部重点实验室） ； James Watt School of Engineering, University of Glasgow（格拉斯哥大学詹姆斯·瓦特工程学院） ； School of Engineering, Edith Cowan University（埃迪斯科文大学工程学院） ； Information Systems Technology and Design Pillar, Singapore University of Technology and Design（新加坡科技设计大学信息系统技术与设计系）
AI总结 提出Agentic-LTPO框架，利用代理AI生成上层配置，下层求解实时物理层问题，在无小区MIMO波束成形中实现57.2%的长期性能提升。
Comments 14 pages, 11 figures
BiWM: Advancing Open-Source Interactive Video World Models with Bidirectional Autoregression
BiWM：利用双向自回归推进开源交互式视频世界模型
机构 * LynnReal AI ； Shanghai Innovation Institute（上海创新研究院） ； Shanghai Jiao Tong University（上海交通大学） ； Fudan University（复旦大学）
AI总结 提出BiWM框架，通过双向自回归范式将预训练视频骨干转化为交互式世界模型，仅需两阶段训练（微调+分布匹配蒸馏），支持多尺度模型和长程生成，优于现有因果流水线。
A Polynomial Architecture-Attribution Co-Design Framework for Exact Aumann-Shapley Attribution in GNNs
一种用于图神经网络中精确奥曼-夏普利归因的多项式架构-归因协同设计框架
机构 * Institute of Artificial Intelligence Innovation and Industry, Fudan University（复旦大学人工智能创新与产业研究院） ； Shanghai Academy of AI for Science（上海人工智能科学研究院） ； Human Phenome Institute, Fudan University（复旦大学人类表型组研究院） ； School of Information and Communication Engineering, Communication University of China（中国传媒大学信息与通信工程学院）
AI总结 研究图神经网络的特征级和节点级解释，提出APEX框架，通过PolyGIN使归因积分可精确计算，实验表明该框架能保持预测性能，提高归因保真度并减少评估次数。
Comments It has 23 pages
Chemical Chain-of-Thought Functions as a Hallucination-Prone Molecular Scratchpad
化学思维链函数作为易产生幻觉的分子草稿本
机构 * Blue Whale Lab, National University of Singapore（新加坡国立大学蓝鲸实验室） ； Hong Kong Polytechnic University（香港理工大学） ； Fudan University（复旦大学）
AI总结 研究化学推理语言模型中思维链的作用，发现其在多个模型和任务中易产生幻觉且与答案正确性无关，存在共享草稿本功能，如Chem-R依赖SMILES草稿，干扰其草图会影响生成，表明化学CoT是易产生幻觉的分子草稿本，提醒不能仅以CoT判断推理可靠性。
Comments 16 pages, 6 figures
Traceable Scholarship: Page Anchors and Ariadne's Thread for Humanistic Inquiry in the Age of Generative AI
可追溯的学术研究：生成式人工智能时代人文探究的页面锚点与阿里阿德涅之线
机构 * Fudan University（复旦大学）
AI总结 针对生成式人工智能时代人文研究中解释缺乏明确依据的问题，提出可追溯学术研究，介绍页面锚点等方法及AIH-Infra参考实现，通过案例研究展示其作用，确保人文研究在该时代保持公开可反驳。
Comments 33 pages, 8 tables. This paper proposes a normative and infrastructural framework for traceable, AI-assisted humanistic research and presents an auditable Kant case study
When Does Recurrence Become an Algorithm? Convergence Selection in Weight-Tied Looped Transformers
循环何时成为一种算法？权重绑定循环变换器中的收敛选择
机构 * Fudan University（复旦大学） ； Peking University（北京大学）
AI总结 研究权重绑定循环变换器何时实现算法，通过群字问题得出预算定律、架构先验决定算法等四个发现，介绍收敛时间缩放工具并验证其因果关系，结果可复现。
EvoSQL: Memory-Augmented Critic-Generator Co-Evolution for Text-to-SQL
EvoSQL：用于文本到SQL的内存增强型评论家-生成器协同进化
机构 * Shanghai Jiao Tong University（上海交通大学） ； University of New South Wales（新南威尔士大学） ； Fudan University（复旦大学） ； Wuhan University of Technology（武汉理工大学）
AI总结 研究文本到SQL问题，提出EvoSQL协同进化框架，通过生成器与评论家迭代交互、维护内存、验证候选及自蒸馏策略优化微调等，在Spider和BIRD实验中持续改进开源模型，证明该方法是有效途径。
EgoRecovery: Acquiring Failure Recovery Ability Through Human Recovery Demonstration
自我恢复：通过人类恢复演示获得故障恢复能力
机构 * Institute of Trustworthy Embodied AI (TEAI), Fudan University（复旦大学可信具身人工智能研究所） ； Shanghai Key Laboratory of Multimodal Embodied AI（上海多模态具身人工智能重点实验室）
AI总结 研究如何让具身机器人从故障中恢复，提出EgoRecovery协同训练框架，利用以自我为中心的人类数据捕捉故障恢复过程，将人类恢复演示与机器人数据共享空间对齐，实验证明该方法在现实世界恢复任务中比多种基线方法成功率更高。
