FMBench: Adaptive Large Language Model Output Formatting
FMBench: 自适应大语言模型输出格式化
机构 * Fudan University（复旦大学）
AI总结 FMBench通过结合监督微调和强化学习微调，提升大语言模型在Markdown格式化任务中的语义和结构准确性。
高校专区
Fudan University（复旦大学）
Dynamic Vocabulary Pruning: Stable LLM-RL by Taming the Tail
动态词汇剪枝：通过驯服尾部实现稳定的LLM强化学习
机构 * The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳）） ； Fudan University（复旦大学）
AI总结 动态词汇剪枝通过限制RL目标到安全词汇，减少尾部token的偏置误差，从而实现稳定的大语言模型强化学习。
OpenDeception: Learning Deception and Trust in Human-AI Interaction via Multi-Agent Simulation
OpenDeception: 通过多智能体模拟学习人类-人工智能交互中的欺骗与信任
机构 * Fudan University（复旦大学） ； Shanghai Innovation Institute（上海创新研究院）
AI总结 OpenDeception通过多智能体模拟评估人类-人工智能交互中的欺骗与信任风险，利用场景基准、意图网络和信任网络，识别高风险对话并提前预警。
NEX: Neuron Explore-Exploit Scoring for Label-Free Chain-of-Thought Selection and Model Ranking
NEX: 无标签的神经元探索-利用评分用于无标签的思维链选择和模型排名
机构 * Fudan University（复旦大学） ； Shanghai Innovation Institute（上海创新研究院）
AI总结 NEX通过神经元活动信号实现无标签的思维链选择和模型排名，通过探索与利用的交替阶段提升预测准确性。
Comments 21 pages, 9 figures, 5 tables
Distributional Reinforcement Learning with Diffusion Bridge Critics
具有扩散桥批评者的分布强化学习
机构 * ShanghaiTech University（上海科技大学） ； University of Electronic Science and Technology of China（电子科技大学） ； Fudan University（复旦大学）
AI总结 本文提出了一种新的分布强化学习方法，通过使用扩散桥批评者（DBC）来准确建模Q值的逆累积分布函数，从而提高价值估计的准确性，并在MuJoCo基准上展示了其优越性。
Disco: Densely-overlapping Cell Instance Segmentation via Adjacency-aware Collaborative Coloring
Disco：通过邻接感知的协作着色实现密集重叠细胞实例分割
机构 * Shanghai Academy of Artificial Intelligence for Science（上海人工智能科学研究院） ； Fudan University（复旦大学） ； Shanghai Innovation Institute（上海创新研究院） ； School of Life Sciences and Biotechnology, Shanghai Jiao Tong University（上海交通大学生命科学与生物技术学院） ； Lingang Laboratory（临港实验室） ； Renji Hospital, School of Medicine, Shanghai Jiao Tong University（仁济医院，上海交通大学医学院）
AI总结 Disco通过邻接感知协作着色解决复杂细胞实例分割问题，结合拓扑标注与深度学习解决冲突。
Comments 17 pages, 10 figures; ICLR 2026
Towards a Science of Collective AI: LLM-based Multi-Agent Systems Need a Transition from Blind Trial-and-Error to Rigorous Science
迈向集体人工智能的科学：基于LLM的多智能体系统需要从盲目试错转向严谨的科学
机构 * Shanghai Jiao Tong University（上海交通大学） ； Fudan University（复旦大学） ； Tsinghua University（清华大学） ； King’s College London（伦敦大学国王学院） ； Peng Cheng Laboratory（鹏城实验室）
AI总结 本文提出通过建立协作收益度量（Γ）和因素归因范式，推动多智能体系统从盲目试错向严谨科学转变。
SIDeR: Semantic Identity Decoupling for Unrestricted Face Privacy
SIDeR：语义身份解耦用于无限制面部隐私保护
机构 * School of Computer and Information Engineering, Xiamen University of Technology（厦门理工学院计算机与信息工程学院） ； Department of Electrical and Electronic Engineering, University of Hong Kong（香港大学电子与电气工程系） ； School of Computer Science, Engineering Research Center of Machine Learning and Industry Intelligence, Sichuan University（四川大学计算机科学学院，机器学习与工业智能工程研究中心） ； Department of Computer Science, City University of Hong Kong（香港城市大学计算机科学系） ； College of Artificial Intelligence, Southwest University（西南大学人工智能学院） ； School of Computer Science, Fudan University（复旦大学计算机科学学院） ； Department of Computer and Information Science, Faculty of Science and Technology, University of Macau（澳门大学科技学院计算机与信息科学系） ； Data61, CSIRO（CSIRO Data61） ； College of Computing and Data Science, Nanyang Technological University（南洋理工大学计算与数据科学学院）
AI总结 SIDeR通过语义解耦驱动框架实现面部隐私保护，生成视觉匿名的对抗性样本并保持身份一致性，实验显示其在攻击成功率和恢复质量上均优于现有方法。
Comments 14 pages, 8 figures
VisMem: Latent Vision Memory Unlocks Potential of Vision-Language Models
VisMem: 通过潜在视觉记忆解锁视觉-语言模型的潜力
机构 * National University of Singapore（新加坡国立大学） ； Fudan University（复旦大学） ； Tsinghua University（清华大学） ； Zhejiang University（浙江大学） ； University of Science and Technology of China（中国科学技术大学） ； vivo
AI总结 VisMem通过引入动态潜在视觉记忆模块，提升视觉-语言模型在复杂视觉任务中的性能，实现感知准确性和语义一致性之间的平衡。
Outcome Accuracy is Not Enough: Aligning the Reasoning Process of Reward Models
结果准确性不够：对奖励模型推理过程的对齐
机构 * Alibaba Group（阿里巴巴集团） ； Fudan University（复旦大学） ； Tsinghua University（清华大学）
AI总结 本文提出推理一致性度量，结合结果准确性改进生成奖励模型训练，提升RLHF性能并减少欺骗性对齐问题。
LLM Agents for Education: Advances and Applications
教育中的LLM代理：进展与应用
机构 * Squirrel Ai Learning ； Fudan University（复旦大学） ； Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）） ； Tsinghua University（清华大学） ； University of Illinois Chicago（伊利诺伊大学芝加哥分校）
AI总结 本文综述了LLM代理在教育中的应用进展，探讨了其技术实现、挑战及在不同教育领域的应用。
Comments Accepted by EMNLP 2025 Findings
Point2Insert: Video Object Insertion via Sparse Point Guidance
Point2Insert: 通过稀疏点引导的视频物体插入
机构 * Institute of Artificial Intelligence, China Telecom (TeleAI)（人工智能研究院，中国电信（TeleAI）） ； Sun Yat-sen University（孙中山大学） ； The Chinese University of Hong Kong（香港中文大学） ； Tsinghua University（清华大学） ； Fudan University（复旦大学）
AI总结 Point2Insert通过稀疏点引导实现视频中物体的灵活插入，优于现有方法并具备更高的效率。
Audit After Segmentation: Reference-Free Mask Quality Assessment for Language-Referred Audio-Visual Segmentation
分段后审计：用于语言指代音频视频分段的无参考掩码质量评估
机构 * MBZUAI ； National University of Singapore（国立新加坡大学） ； Fudan University（复旦大学）
AI总结 本研究提出 MQA-RefAVS 任务，通过多模态大语言模型评估语言指代音频视频分段中掩码质量，提升分割准确性与可解释性。
Not All Negative Samples Are Equal: LLMs Learn Better from Plausible Reasoning
并非所有负样本都平等：LLM通过合理推理学习更好
机构 * East China Normal University（华东师范大学） ； Fudan University（复旦大学） ； Independent Researcher（独立研究者）
AI总结 本文提出PNS方法，通过合成高质量负样本提升LLM推理能力，实验显示其在多个基准测试中优于其他方法。
Color Matters: Demosaicing-Guided Color Correlation Training for Generalizable AI-Generated Image Detection
颜色至关重要：基于去马赛克的色彩相关性训练用于通用的AI生成图像检测
机构 * Department of Computer Science, City University of Hong Kong, Hong Kong（香港城市大学计算机科学系） ； Department of Computer Science, Fudan University, Shanghai, China（复旦大学计算机科学系） ； School of Computing and Artificial Intelligence, Jiangxi University of Finance and Economics, Nanchang, China（江西财经大学计算机与人工智能学院）
AI总结 本文提出DCCT框架，通过去马赛克引导的色彩相关性训练，提升AI生成图像检测的泛化和鲁棒性。
SlowFocus: Enhancing Fine-grained Temporal Understanding in Video LLM
SlowFocus: 提升视频大语言模型中的细粒度时间理解
机构 * School of Data Science, Fudan University（复旦大学数据科学学院） ； Noah’s Ark Lab, Huawei（华为诺亚实验室） ； Yinwang Intelligent Technology Co., Ltd.（亿万象智能科技有限公司）
AI总结 SlowFocus通过提升等效采样频率和引入多频率混合注意力模块，提升视频大语言模型对细粒度时间理解的能力。
Comments NeurIPS 2024
Semantic Routing: Exploring Multi-Layer LLM Feature Weighting for Diffusion Transformers
语义路由：探索多层LLM特征加权用于扩散变换器
机构 * Peking University（北京大学） ； School of Artificial Intelligence, University of Chinese Academy of Sciences（中国科学院大学人工智能学院） ； Nanjing University（南京大学） ； Fudan University（复旦大学）
AI总结 本文提出深度-wise语义路由方法，通过多层LLM特征加权提升文本到图像生成的准确性与稳定性。
CSR-Bench: A Benchmark for Evaluating the Cross-modal Safety and Reliability of MLLMs
CSR-Bench: 一种评估多模态大语言模型跨模态安全性和可靠性的基准
机构 * Zhejiang University（浙江大学） ； Fudan University（复旦大学） ； Nanyang Technological University（南洋理工大学）
AI总结 CSR-Bench通过四个压力测试模式评估多模态大语言模型的跨模态安全性和可靠性，发现模型在多模态输入下表现下降，且安全提升可能源于拒绝导向的启发式方法。
Comments 25 pages, 1 figures
Distribution-Aware End-to-End Embedding for Streaming Numerical Features in Click-Through Rate Prediction
面向分布的端到端嵌入用于点击率预测中的流式数值特征
机构 * Fudan University（复旦大学） ； Beijing Jiaotong University（北京交通大学） ； Tencent（腾讯）
AI总结 本文提出DAES框架，通过整合分布信息和自适应调制机制，解决流式环境中点击率预测的数值特征嵌入问题，实验表明其性能优于现有方法。
Comments Under review
IceBench-S2S: A Benchmark of Deep Learning for Challenging Subseasonal-to-Seasonal Daily Arctic Sea Ice Forecasting in Deep Latent Space
IceBench-S2S：一种深度学习用于挑战性亚季节至季节每日北极海冰预测的基准
机构 * Fudan University（复旦大学） ； Shanghai AI Laboratory（上海人工智能实验室） ； Chinese University of Hong Kong（香港中文大学）
AI总结 IceBench-S2S通过深度学习框架提升北极海冰预测的季节尺度能力，为极地环境监测提供统一的训练和评估流程。
Comments 9 pages, 6 figures
BatCoder: Self-Supervised Bidirectional Code-Documentation Learning via Back-Translation
BatCoder: 通过回译实现的双向代码-文档自监督学习
机构 * College of Computer Science and Artificial Intelligence, Fudan University, Shanghai, China（计算机科学与人工智能学院，复旦大学，上海，中国）
AI总结 BatCoder通过回译策略实现代码与文档的双向自监督学习，提升模型在代码生成和文档生成任务中的性能。
From Sparse Decisions to Dense Reasoning: A Multi-attribute Trajectory Paradigm for Multimodal Moderation
从稀疏决策到密集推理：一种多属性轨迹范式用于多模态调制
机构 * Tsinghua University（清华大学） ； Fudan University（复旦大学） ； Shanghai Artificial Intelligence Laboratory（上海人工智能实验室）
AI总结 UniMod提出一种多属性轨迹范式，通过多维边界学习提升多模态调制效果，以更少的数据实现高效安全内容识别。
Efficient Edge Rewiring Strategies for Enhancing PageRank Fairness
提升PageRank公平性的高效边重排策略
机构 * Shanghai Key Laboratory 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，计算机科学与人工智能学院，复旦大学） ； School of Computing, the Australian National University（计算学院，澳大利亚国立大学）
AI总结 本文提出一种高效算法，通过重排网络边提升弱势群体的PageRank公平性，适用于大规模网络。
Comments Accepted by Theoretical Computer Science (TCS)
PRPO: Aligning Process Reward with Outcome Reward in Policy Optimization
PRPO：在策略优化中对过程奖励与结果奖励的对齐
机构 * Shanghai University（上海大学） ； University of Science and Technology of China（中国科学技术大学） ； Shanghai Jiaotong University（上海交通大学） ； Artificial Intelligence Incubation and Innovation Institute, Fudan University（复旦大学人工智能孵化与创新研究院） ； Shanghai Academy of AI for Science（上海人工智能科学研究院）
AI总结 PRPO通过结合结果可靠性与过程级指导，在无批评者框架中提升策略优化效率，实现对过程奖励与结果奖励的对齐，从而提高模型在多步推理任务中的性能。
Comments 8 pages, 2 figures Code is available at: https://github.com/SchumiDing/srpocode
Object Fidelity Diffusion for Remote Sensing Image Generation
遥感图像生成的物体保真扩散
机构 * Fudan University（复旦大学） ； Shanghai Innovation Institute（上海创新研究院） ； Xidian University（西安电子科技大学） ； Shanghai Jiao Tong University（上海交通大学）
AI总结 本文提出Object Fidelity Diffusion模型，通过提取对象先验形状和双分支扩散模型提升遥感图像生成的保真度和多样性。
Enhancing Indoor Occupancy Prediction via Sparse Query-Based Multi-Level Consistent Knowledge Distillation
通过稀疏查询多级一致知识蒸馏增强室内占用预测
机构 * College of AI, Tsinghua University（清华大学人工智能学院） ； Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所） ； AIR, Tsinghua University（清华大学人工智能研究院） ； TARS ； 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）
AI总结 DiScene通过多级一致知识蒸馏和教师引导初始化，实现高效鲁棒的室内占用预测，优于现有方法并取得SOTA性能。
Comments Accepted by RA-L
Beyond Precision: Training-Inference Mismatch is an Optimization Problem and Simple LR Scheduling Fixes It
超越精度：训练-推理不匹配是一个优化问题，简单的学习率调度器可以解决它
机构 * National University of Singapore（新加坡国立大学） ； Fudan University（复旦大学） ； CHUK-Shenzhen（CHUK-深圳） ； University of Science and Technology of China（中国科学技术大学）
AI总结 本文提出通过动态学习率调度器解决强化学习中训练-推理不匹配问题，通过减少学习率来抑制梯度噪声，从而稳定训练过程。
FreshMem: Brain-Inspired Frequency-Space Hybrid Memory for Streaming Video Understanding
FreshMem: 基于大脑的频率-空间混合内存用于流视频理解
机构 * College of Future Information Technology, Fudan University, Shanghai, China（复旦大学未来信息科技学院） ； Shanghai Innovation Institute, Shanghai, China（上海创新研究院） ； Shanghai Artificial Intelligence Laboratory, Shanghai, China（上海人工智能实验室） ； The Chinese University of Hong Kong, Hong Kong, China（香港中文大学）
AI总结 FreshMem通过频率-空间混合内存网络，提升流视频理解的连续感知能力，实现短期保真与长期一致性的平衡。
TRIP-Bench: A Benchmark for Long-Horizon Interactive Agents in Real-World Scenarios
TRIP-Bench：面向现实场景的长周期交互智能体基准
机构 * Xiaohongshu Inc.（小红书公司） ； School of Computer Science, Fudan University（复旦大学计算机学院） ； Dalian University of Technology（大连理工大学） ； Peking University（北京大学） ； Wuhan University（武汉大学）
AI总结 TRIP-Bench是一个面向现实场景的长周期交互智能体基准，通过真实旅行规划场景测试多工具推理与约束满足，提出GTPO方法提升智能体鲁棒性与性能。
Comments 40 pages, 6figures
CoDiQ: Test-Time Scaling for Controllable Difficult Question Generation
CoDiQ：测试时缩放用于可控的困难问题生成
机构 * Fudan University（复旦大学） ； Shanghai Innovation Institute（上海创新研究院）
AI总结 CoDiQ通过测试时缩放实现可控困难问题生成，提升模型推理能力。
Comments 11 pages, 5 tables, 5 figures
