高校专区
现实工业异常检测数据集：推动工业异常检测数据集进入现代时代
机构 * Fudan University（复旦大学） ； Youtu Lab, Tencent（腾讯优图实验室） ； Shanghai Jiao Tong University（上海交通大学） ； Rongcheer Co., Ltd（融雪科技有限公司） ； City University of Hong Kong（香港城市大学） ； National University of Singapore（新加坡国立大学） ； Shanghai Ocean University（上海海洋大学）
AI总结 Real-IAD Variety 是一个大规模、高多样性的工业异常检测数据集，用于评估和训练下一代基础IAD模型，揭示了现有方法在类别扩展时的性能下降问题。
Comments 17 pages, 8 figures and 7 tables
AmbiBench：在真实场景中超越单次指令的移动GUI代理基准测试
机构 * Fudan University（复旦大学） ； Jilin University（吉林大学）
AI总结 AmbiBench是首个针对移动GUI代理在真实场景中超越单次指令的双向意图对齐的基准测试，通过引入清晰度分类和MUSE框架评估代理在不同清晰度下的表现。
Comments 21 pages, 7 figures
Spectra: 重新思考在谱各向异性下大语言模型的优化器
机构 * Fudan University, Shanghai, China（复旦大学） ； University of Bath, Bath, United Kingdom（巴斯大学） ； Oxford Suzhou Centre for Advanced Research, Suzhou, China（牛津苏格兰先进研究中心） ； Shanghai Innovation Institute, Shanghai, China（上海创新研究院） ； Department of Computer Science, University of Colorado Boulder, Colorado, USA（计算机科学系，科罗拉多大学博尔德分校） ； Department of Electrical Engineering and Computer Science, University of Michigan（电气工程与计算机科学系，密歇根大学）
AI总结 Spectra通过抑制主导低秩尖峰子空间并减少优化器状态内存，提升了大语言模型的训练效率和下游准确率。
通过可定位的误差驱动视角实现自动化优化建模
机构 * Fudan University（复旦大学） ； Huawei Noah’s Ark Lab（华为诺亚实验室） ； University of Science and Technology of China（中国科学技术大学）
AI总结 MIND通过可定位的误差驱动视角，改进自动化优化建模方法，提升训练后性能。
通过交互成本建模实现点云标注的视角推荐
机构 * School of Data Science, Fudan University（复旦大学数据科学学院） ； Department of Computer Science, University of Oxford（牛津大学计算机科学系） ； College of Intelligence and Computing, Tianjin University（天津大学智能与计算学院） ； Shanghai Key Laboratory of Data Science, Shanghai（上海数据科学重点实验室）
AI总结 本文提出通过交互成本建模减少点云标注时间的方法，利用Fitts定律优化视角推荐，提升标注效率。
Comments Accepted to IEEE TVCG
说、梦、做：学习视频世界模型以驱动指令式机器人操作
机构 * Fudan University（复旦大学）
AI总结 本文提出一种视频条件动作框架，通过生成稳健的视频模型和对抗性蒸馏，提升机器人操作中的预测能力和空间准确性。
跨模态冲突下的全方位安全：漏洞、动态机制和高效对齐
机构 * Nanyang Technological University（南洋理工大学） ； Beijing University of Posts and Telecommunications（北京邮电大学） ； Tsinghua University（清华大学） ； Fudan University（复旦大学） ； University of Science and Technology of China（中国科学技术大学） ； Renmin University of China（中国人民大学）
AI总结 本文提出OmniSteer方法，通过提取黄金拒绝向量和轻量级适配器提升多模态模型的安全性与通用能力。
推进块扩散语言模型用于测试时间扩展
机构 * Fudan University（复旦大学） ； Peking University（北京大学）
AI总结 本文提出BACD和TCCF方法，提升块扩散语言模型在测试时间扩展中的推理效率和效果。
超越Gemini-3-Pro：大规模LLM路由与聚合的再审视
机构 * Shanghai AI Lab（上海人工智能实验室） ； The Chinese University of Hong Kong（香港中文大学） ； Fudan University（复旦大学） ； University of Science and Technology of China（中国科学技术大学） ； Northwestern Polytechnical University（西北工业大学） ； Northeastern University（东北大学）
AI总结 本文提出JiSi框架，通过混合路由、支持集聚合选择和自适应切换技术，实现开源LLM协作超越Gemini-3-Pro。
Comments 21 pages
KernelBand: 通过硬件感知的多臂老虎机实现基于LLM的核优化
机构 * Key Lab of HCST (PKU), MOE（HCST关键实验室（北京大学）） ； SCS, Peking University, Beijing, China（SCS，北京大学，北京，中国） ； Hong Kong University of Science（香港科学大学） ； East China Normal University, Shanghai, China（华东师范大学，上海，中国） ； Department of Computer Science, Tianjin University, Tianjin, China（天津大学计算机科学系，天津，中国） ； School of Computing Science, Simon Fraser University, Burnaby, BC, Canada（Simon Fraser大学计算机科学学院，Burnaby，BC，加拿大） ； University of Texas at Dallas, USA（德克萨斯大学达拉斯分校，美国） ； Beijing Tongming Lake Information Technology Application Innovation Center, China（北京同铭湖信息技术应用创新中心，中国） ； Fudan University Institute of Systems for Advanced Computing, China（复旦大学高级计算系统研究所，中国） ； Shanghai Institute of Systems for Open Computing, China（上海开放计算系统研究所，中国）
AI总结 KernelBand通过硬件感知的多臂老虎机框架，实现基于LLM的核优化，显著提升性能。
Comments 19 pages (9 pages main text), 4 figures. v2: Full revision
Transformer注意力输出中的维度塌陷：对稀疏字典学习的挑战
机构 * Shanghai Innovation Institute, Shanghai, China（上海创新研究院） ； OpenMOSS Team, School of Computer Science, Fudan University, Shanghai, China（开放MOSS团队，计算机科学学院，复旦大学）
AI总结 研究发现Transformer注意力输出的低维特性对稀疏字典学习构成挑战，并提出子空间约束方法降低死特征比例。
Comments 27 pages, 16 figures
PhysUniBench: 一个面向本科生层面的多模态物理推理基准测试
机构 * The University of Sydney（悉尼大学） ； Shanghai Artificial Intelligence Laboratory（上海人工智能实验室） ； University of North Carolina at Chapel Hill（北卡罗来纳大学教堂山分校） ； Fudan University（复旦大学） ； The Chinese University of Hong Kong（香港中文大学） ； Michigan State University（密歇根州立大学） ； Tsinghua University（清华大学） ； Beihang University（北航大学）
AI总结 PhysUniBench是一个面向本科生层面的多模态物理推理基准测试，旨在评估和提升多模态大语言模型在物理问题上的推理能力。
ST4VLA：基于空间引导的视觉-语言-动作模型训练
机构 * Shanghai AI Laboratory（上海人工智能实验室） ； The Hong Kong University of Science and Technology（香港科技大学） ； Southern University of Science and Technology（南方科技大学） ； Fudan University（复旦大学）
AI总结 ST4VLA通过空间引导训练提升视觉-语言-动作模型的性能，实现对机器人任务的更稳健和可泛化的学习。
Comments Spatially Training for VLA, Accepted by ICLR 2026
UniVTAC：一种用于视觉-触觉操作数据生成、学习和评估的统一仿真平台
机构 * ScaleLab, Shanghai Jiao Tong University（上海交通大学ScaleLab） ； D-Robotics ； ViTai Robotics ； The University of Hong Kong（香港大学） ； Nanjing University（南京大学） ； Shenzhen University（深圳大学） ； Wuhan University（武汉大学） ； Fudan University（复旦大学） ； Tsinghua University（清华大学）
AI总结 UniVTAC提出了一种统一的视觉-触觉数据生成平台，通过训练触觉中心的编码器和基准任务提升机器人操作的成功率。
Comments Website: https://univtac.github.io/
解耦推理与隐式事实标记（DRIFT）：一种双模型框架，用于高效长上下文推理
机构 * Shanghai Artificial Intelligence Laboratory（上海人工智能实验室） ； Fudan University（复旦大学） ； Shanghai Innovation Institute（上海创新研究院） ； Tongji University（同济大学）
AI总结 DRIFT通过双模型框架解耦知识提取与推理，提升长上下文推理效率和准确性。
通过无监督学习实现四足机器人的多样化技能发现
机构 * College of Intelligent Robotics and Advanced Manufacturing（智能机器人与先进制造学院） ； Fudan University（复旦大学） ； College of Foreign Language（外国语言学院） ； The University of Shanghai for Science and Technology（上海科技大学）
AI总结 本研究提出OMoE架构和多判别器框架，通过无监督学习实现四足机器人多样化技能发现，提升训练效率并扩大状态空间覆盖范围。
AutoFly：面向野外无人机自主导航的视觉-语言-动作模型
机构 * Southeast University（东南大学） ； Purple Mountain Labs（紫金山实验室） ； The Chinese University of Hong Kong（香港中文大学） ； The Hong Kong University of Science and Technology (Guangzhou)（香港科学与技术大学（广州）） ； Fudan University（复旦大学） ； Shanghai Jiao Tong University（上海交通大学）
AI总结 AutoFly是一种面向野外无人机自主导航的视觉-语言-动作模型，通过伪深度编码器和渐进两阶段训练策略，实现自主避障和规划，提升导航成功率。
Comments Acceped by ICLR 2026
面向视觉生成的统一个性化奖励模型
机构 * Fudan University（复旦大学） ； Shanghai Innovation Institute（上海创新研究院） ； Shanghai Jiaotong University（上海交通大学） ； Shanghai AI Lab（上海人工智能实验室）
AI总结 本文提出UnifiedReward-Flex，一种面向视觉生成的统一个性化奖励模型，通过结合奖励建模与灵活上下文适应的推理，提升视觉生成的准确性与对人类偏好的对齐性。
Comments Website: https://codegoat24.github.io/UnifiedReward/flex
分析监督微调对模型知识的影响：从token和参数层面
机构 * Fudan University（复旦大学） ； Lenovo Research（联想研究） ； Shanghai Key Lab of Intelligent Information Processing（上海智能信息处理重点实验室） ； Shanghai Innovation Institute（上海创新研究院）
AI总结 研究发现监督微调对模型知识的影响显著，通过分析token和参数层面发现大部分参数更新不促进知识增强，恢复更新可提升封闭书问题回答性能。
Comments Accepted by EMNLP 2025 Main Conference. Codes for parameter restoration are available at https://github.com/UmeanNever/ParamRestore
ArcFlow：通过高精度非线性流蒸馏实现两步文本到图像生成
机构 * Fudan University（复旦大学） ； Microsoft Research Asia（微软亚洲研究院）
AI总结 ArcFlow通过高精度非线性流蒸馏实现两步文本到图像生成，提升生成速度并保持质量。
ShapeCond: 快速形状图引导的数据集压缩用于时间序列分类
机构 * Shanghai Key Lab of Data Science, College of Computer Science and Artificial Intelligence, Fudan University, Shanghai, China（上海数据科学联合实验室，计算机科学与人工智能学院，复旦大学，上海，中国） ； Stanford University, Stanford, USA（斯坦福大学，斯坦福，美国） ； Ocean University of China（中国海洋大学） ； Shanghai Data Research Institute（上海数据研究院） ； Mohamed bin Zayed University of Artificial Intelligence Abu Dhabi, United Arab Emirates（阿布扎克穆罕默德·本·扎耶德人工智能大学）
AI总结 ShapeCond通过形状图引导的优化策略，高效压缩时间序列数据集，提升下游分类准确性。
Comments Code at: https://github.com/lunaaa95/ShapeCond
一分钟内交易！基于理性驱动的量化金融交易代理系统
机构 * Tongji University（同济大学） ； Microsoft Research Asia（微软亚洲研究院） ； University of Bristol（布里斯托大学） ； Fudan University（复旦大学）
AI总结 TiMi是一种基于理性驱动的多代理系统，通过解耦策略开发与分钟级部署，实现量化金融交易的高效稳定盈利。
Comments 17 pages, 6 figures
MARTI-MARS$^2$：通过强化学习实现多智能体自搜索的扩展用于代码生成
机构 * Shanghai AI Laboratory（上海人工智能实验室） ； Tsinghua University（清华大学） ； Harbin Institute of Technology（哈尔滨工业大学） ； Shanghai Jiao Tong University（上海交通大学） ； Institute of Automation（自动化研究所） ； Fudan University（复旦大学） ； High School Affiliated to Fudan University（复旦大学附属高中） ； Renmin University of China（中国人民大学） ； University of Washington（华盛顿大学）
AI总结 MARTI-MARS2通过多智能体强化学习实现代码生成的扩展，突破单智能体限制，提升性能和多样性。
$ρ$-$\ exttt{EOS}$：无训练双向可变长度控制用于掩码扩散语言模型
机构 * Shanghai Artificial Intelligence Laboratory（上海人工智能实验室） ； Fudan University（复旦大学）
AI总结 $ρ$-$\ exttt{EOS}$ 提出了一种无训练、单阶段策略，通过隐含密度信号实现掩码扩散语言模型的双向可变长度生成，提升推理效率和令牌利用率。
Comments 11 pages,6 figures,6 tables
零 shot 统计降尺度 via 扩散后验采样
机构 * Artificial Intelligence Innovation and Incubation Institute, Fudan University, Shanghai, China（复旦大学人工智能创新与孵化院） ； School of Data Science, Fudan University, Shanghai, China（复旦大学数据科学学院） ； Institution for Big Data, Fudan University, Shanghai, China（复旦大学大数据研究所） ； Shanghai Innovation Institute, Shanghai, China（上海创新研究院） ； Shanghai Academy of AI for Science, Shanghai, China（上海人工智能科学研究院）
AI总结 ZSSD 提出一种零 shot 统计降尺度框架，通过物理一致气候先验和统一坐标引导策略，解决传统方法在大缩放因子下的梯度消失问题，并在不同 GCMs 上实现更精确的天气事件重建。
你的强化学习奖励函数是你的最佳搜索PRM：统一强化学习与基于搜索的文本生成
机构 * Rutgers University（新泽西州立大学） ； Nanyang Technological University（南洋理工大学） ； University of Connecticut（康涅狄格大学） ； Fudan University（复旦大学） ； NVIDIA Research（NVIDIA研究） ； Red Hat AI Innovation（红帽AI创新） ； MIT-IBM Watson AI Lab（MIT-IBM沃森AI实验室） ； Massachusetts Institute of Technology（麻省理工学院）
AI总结 本文提出AIRL-S，通过强化学习与搜索技术的统一，利用奖励函数直接学习动态PRM，提升推理链扩展和跨任务泛化能力，实验显示性能提升9%并优于基线PRM。
指南森林：基于检索的增强推理与分支经验引导
机构 * Fudan University（复旦大学） ； Meta ； SAIS ； SII
AI总结 Guideline Forest通过利用经验引导多步骤推理，提升数学和编程任务的推理能力，支持多模型协作与灵活扩展。
Transformer作为无监督学习算法：对高斯混合模型的研究
机构 * Shanghai Center for Mathematical Sciences, Fudan University（复旦大学上海数学中心） ； Department of Statistics and Data Science, School of Management, Fudan University（复旦大学管理学院统计与数据科学系）
AI总结 本文提出TGMM框架，利用Transformer解决高斯混合模型问题，理论证明其能近似EM算法和谱方法核心组件，实验显示其在无监督学习中具有鲁棒性和有效性。
Comments Code available at https://github.com/Rorschach1989/transformer-for-gmm
AdaptOVCD: 无需训练的开放词汇遥感变化检测 via 自适应信息融合
机构 * Key Laboratory of Spectral Imaging Technology CAS, Xi'an Institute of Optics and Precision Mechanics, Chinese Academy of Sciences (CAS)（光谱成像技术重点实验室、光学与精密机械研究所、中国科学院） ； University of Chinese Academy of Sciences（中国科学院大学） ； Institute of Artificial Intelligence (TeleAI), China Telecom（人工智能研究所（TeleAI），中国电信） ； College of Future Information Technology, Fudan University（复旦大学未来信息技术学院） ； State Key Laboratory of Resources and Environment Information System, Institute of Geographic Sciences and Natural Resources Research, CAS（资源与环境信息系统国家重点实验室、地理科学与自然资源研究所、中国科学院） ； Key Laboratory of Low Altitude Geographic Information and Air Route, CAAC（低空地理信息与航线重点实验室、民航局） ； School of Artificial Intelligence, Optics and Electronics (iOPEN), Northwestern Polytechnical University（人工智能、光学与电子学院（iOPEN），西北工业大学）
AI总结 AdaptOVCD通过自适应信息融合实现无需训练的开放词汇遥感变化检测，有效缓解误差传播并提升检测性能。
评估一种证据引导的强化学习框架在对齐光参数大语言模型与精神科临床推理决策认知中的作用
机构 * The Chinese University of Hong Kong, Shatin, N.T., Hong Kong SAR, China（香港中文大学） ； Shandong University, Jinan, China（山东大学） ； Peking University Sixth Hospital, Beijing, China（北京大学第六医院） ； Inspur Cloud Information Technology Co., Ltd., Jinan, China（Inspur 云技术有限公司） ； Fudan University, Shanghai, China（复旦大学） ； Shandong Provincial Hospital Affiliated to Shandong First Medical University, Jinan, China（山东第一医科大学附属山东省人民医院） ； Jilin University, Changchun, China（吉林大学） ； Hong Kong ICI Cloud Service Limited, Hong Kong SAR, China（香港ICI云服务有限公司） ； Shandong First Medical University, Jinan, China（山东第一医科大学）
AI总结 本研究提出ClinMPO框架，通过证据引导的强化学习使轻量LLM在复杂精神病学推理任务中达到超越人类的准确率。
Comments 21 pages, 8 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