Rebellious Student: Reversing Teacher Signals for Reasoning Exploration with Self-Distilled RLVR
反叛学生：通过自蒸馏RLVR反转教师信号进行推理探索
机构 * Microsoft Research（微软研究院） ； KAIST（韩国科学技术院）
AI总结 本文提出RLRT，通过反转自蒸馏信号增强正确路径上的推理，提升RLVR性能，建立信息不对称作为新设计轴。
高校专区
Korea Advanced Institute of Science and Technology（韩国科学技术院）
Infinite Mask Diffusion for Few-Step Distillation
无限掩码扩散用于少步蒸馏
机构 * Korea Advanced Institute of Science and Technology (KAIST)（韩国科学技术院）
AI总结 本文提出无限掩码扩散模型，通过引入随机无限状态掩码降低因子化误差下限，解决了传统掩码扩散模型在少步生成中的性能问题，并在LM1B和OpenWebText上超越现有少步蒸馏方法。
Simultaneous Long-tailed Recognition and Multi-modal Fusion for Highly Imbalanced Multi-modal Data
多模态数据中长尾识别与多模态融合的联合处理
机构 * Department of Industrial and Systems Engineering, Korea Advanced Institute of Science and Technology (KAIST)（工业与系统工程系，韩国科学技术院（KAIST））
AI总结 本文提出一种处理长尾分布多模态数据的新框架，通过融合异质数据并利用模态特定网络增强信息，提升在长尾类不平衡场景下的性能。
Learning Point Cloud Geometry as a Statistical Manifold: Theory and Practice
学习点云几何作为统计流形：理论与实践
机构 * Korea Advanced Institute of Science and Technology (KAIST)（韩国科学技术院） ； Daegu Gyeongbuk Institute of Science and Technology (DGIST)（大邱庆北科学技术院）
AI总结 本文提出Point-to-Ellipsoid方法，通过统计流形建模实现点云几何的自监督学习，提升机器人感知任务的几何推理能力与鲁棒性。
Agent-X: Full Pipeline Acceleration of On-device AI Agents
Agent-X：边缘设备上AI代理的全流水线加速
机构 * KAIST（韩国科学技术院）
AI总结 本文提出Agent-X框架，通过优化预填充和解码阶段，实现边缘设备上AI代理的加速，无精度损失且集成简便，首次系统性消除代理延迟瓶颈。
Comments Accepted for publication at MobiSys-2026
Efficient LLM Collaboration via Planning
通过规划实现高效的LLM协作
机构 * KAIST（韩国科学技术院） ； Yonsei University（延世大学）
AI总结 本文提出COPE框架，通过规划模型与执行模型的协作，提升小模型和大模型在复杂任务中的性能，同时显著降低推理成本。
Adaptive Action Chunking via Multi-Chunk Q Value Estimation
基于多片段Q值估计的自适应动作分块
机构 * KAIST（韩国科学技术院）
AI总结 本文提出自适应动作分块方法，通过动态调节分块长度提升强化学习性能，实验表明其在复杂环境中具有更好的泛化能力和学习效率。
Geometric 4D Stitching for Grounded 4D Generation
几何4D缝合用于基础4D生成
机构 * KAIST AI（韩国科学技术院人工智能实验室）
AI总结 本文提出Geometric 4D Stitching框架，通过显式识别缺失几何区域并补充几何基础的4D缝合，提升4D生成的几何一致性与效率。
Chebyshev Center-Based Direction Selection for Multi-Objective Optimization and Training PINNs
基于切比雪夫中心的多目标优化与PINNs训练方向选择
机构 * Department of Industrial & Systems Engineering, KAIST（韩国科学技术院工业与系统工程系） ； Discipline of Business Analytics, The University of Sydney（悉尼大学商业分析学科） ； Department of Mathematical Sciences, Seoul National University（首尔国立大学数学科学系）
AI总结 本文将PINNs训练方向选择问题转化为对偶锥中的切比雪夫中心问题，通过最大化到锥面的最小距离选择标准化方向，提供统一的几何准则并保证收敛性，实验验证其有效性。
PhysHanDI: Physics-Based Reconstruction of Hand-Deformable Object Interactions
PhysHanDI: 基于物理的双手与可变形物体交互重建
机构 * School of Computing, KAIST, Daejeon, South Korea（韩国釜山科学技术院计算学系）
AI总结 PhysHanDI通过物理模拟实现双手与可变形物体的完整3D重建，结合密集重建的3D手部运动驱动物体变形，提升交互真实性和手部重建精度。
Comments Accepted to ICML 2026
Talk to Your Slides: High-Efficiency Slide Editing via Language-Driven Structured Data Manipulation
与幻灯片对话：通过语言驱动的结构化数据操作实现高效幻灯片编辑
机构 * KAIST AI（韩国科学技术院人工智能研究所） ； Chung-Ang University（Chung-Ang 大学）
AI总结 本文提出Talk-to-Your-Slides，通过语言驱动的结构化数据操作实现高效幻灯片编辑，相较于基于图像的GUI方法，其在文本处理和格式任务中更快、更准确且成本更低。
Comments 30 pages, Accepted at ACL2026
Raymoval: Raycasting-based Dynamic Object Removal for Static 3D Mapping
Raymoval: 基于射线投射的动态物体移除用于静态3D映射
机构 * School of Electrical Engineering, KAIST (Korea Advanced Institute of Science and Technology)（电气工程学院，韩国科学技术院）
AI总结 本文提出基于射线投射的动态物体移除方法，通过射线投射和一致性测试提升静态3D映射的精度与一致性。
Comments 12 pages, 5 figures, 3 tables, Presented at RiTA 2025
Restoration-Aligned Generative Flow Models for Blind Motion Deblurring
用于盲运动去模糊的生成流模型
机构 * NAVER Cloud（NAVER云） ； KAIST AI（韩国科学技术院人工智能研究所） ； Samsung Electronics（三星电子）
AI总结 DeblurFlow通过重构流轨迹解决生成流模型在运动去模糊中的对齐问题，采用残差损失优化并提升感知质量，同时引入r-space降低计算成本。
Narrative Landscape: Mapping Narrative Dispositions Across LLMs
叙事景观：跨大语言模型的叙事倾向映射
机构 * School of Digital Humanities and Computational Social Sciences, KAIST（数字人文与计算社会科学学院，韩国科学技术院）
AI总结 本文提出一个量化框架，用于评估LLM输出中稳定的模型特定规律。通过跨六个前沿模型和三种指令类型的结构化叙事约束选择任务，从一致性和多样性两个维度分析模型倾向，并引入基于PCA的可视化方法进行直接比较。
Comments Accepted to NLP4DH 2026, camera-ready version
CollabVR: Collaborative Video Reasoning with Vision-Language and Video Generation Models
CollabVR: 基于视觉-语言和视频生成模型的协作视频推理
机构 * KAIST（韩国科学技术院） ； Kyung Hee University（庆熙大学） ； AITRICS
AI总结 CollabVR通过结合视觉-语言模型与视频生成模型，在步骤级实现协作视频推理，提升多步任务性能，并在基准测试中优于现有方法。
Hyperspherical Autoencoder for High-Fidelity Image Reconstruction and Generation
超球面自编码器用于高保真图像重建与生成
机构 * KAIST AI（韩国科学技术院人工智能实验室）
AI总结 本文提出超球面自编码器，通过方向特征对齐和层次卷积补丁嵌入模块，提升图像重建和生成的保真度，实验结果显示其在gFID、rFID和PSNR指标上均优于现有方法。
Comments 22 pages, and 20 figures
Beta Sampling is All You Need: Efficient Image Generation Strategy for Diffusion Models using Stepwise Spectral Analysis
贝塔采样是全部所需：利用分步频谱分析的扩散模型高效图像生成策略
机构 * School of Electrical Engineering, KAIST（韩国科学技术院电子工程学院）
AI总结 本文提出基于频谱分析的贝塔采样方法，优化扩散模型去噪过程，通过重点投入关键步骤提升生成效率与质量，实验显示其在FID和IS评分上优于传统均匀采样。
Comments 8 pages, 9 figures, WACV 2025
Journal ref Proceedings of the IEEE/CVF Winter Conference on Applications of Computer Vision (WACV), pp. 4215-4224, 2025
