高校专区
ProsoCodec：面向韵律的语音编解码器用于语音转换
机构 * KAIST, South Korea（韩国科学技术院） ； Chung-Ang University, South Korea（Chung-Ang 大学） ； The Chinese University of Hong Kong, China（香港中文大学）
AI总结 提出ProsoCodec，通过将韵律建模为条件残差而非分离流，在语音转换中改善韵律保留并减少源音色泄漏。
Comments Interspeech 2026
无需校准扫描的EPI无监督磁敏感畸变校正：基于图像翻译的配准方法
机构 * Department of Bio and Brain Engineering, Korea Advanced Institute of Science and Technology（生物与脑工程系，韩国科学技术院）
AI总结 提出SACRED框架，利用可逆神经网络进行BOLD与T1w图像翻译，结合无监督配准实现EPI几何畸变校正，无需额外校准扫描，在分布内和分布外数据集上优于现有方法。
基于全局地图与局部视图的多视角3D推理的密集奖励
机构 * Graduate School of Artificial Intelligence, KAIST, Republic of Korea（韩国科学技术院人工智能研究生院） ； KRAFTON, Republic of Korea（韩国KRAFTON公司）
AI总结 提出DR-MV3D框架，通过全局一致性奖励和局部轨迹奖励对多视角3D VQA的中间推理过程进行密集监督，提升跨视图推理一致性。
Comments ECCV 2026
MuPPET：多轮对话中LLM助手上下文隐私的基准测试
机构 * Parameter Lab（参数实验室） ； University of Rome Tor Vergata（罗马第二大学） ； University of Oxford（牛津大学） ； NAVER AI Lab（NAVER AI实验室） ； KAIST AI（韩国科学技术院人工智能研究所）
AI总结 提出MuPPET基准，评估多用户对话中LLM代理的隐私泄露风险，发现模型在多用户场景下泄露更严重，现有防御措施效果有限。
TaLK: 通过耦合语言模型与图感知核的文本属性图数据集蒸馏
机构 * Graduate School of AI, KAIST（韩国科学技术院人工智能研究生院）
AI总结 提出TaLK方法，通过耦合语言模型与图感知神经切线核实现文本属性图的高效数据集蒸馏，避免重复联合训练，仅用1%合成数据即可达到97%的全数据集性能。
SpotAttention: 面向预训练长上下文Transformer的即插即用块稀疏路由
机构 * KAIST（韩国科学技术院）
AI总结 提出SpotAttention，一种轻量级选择器，通过KL蒸馏学习估计注意力分布，实现块稀疏路由，在长上下文任务中匹配密集注意力精度并显著加速解码。
Comments 24 pages, 10 figures, 9 tables
利用AI合作科学家发现晶体结构预测算法
机构 * Korea Advanced Institute of Science and Technology (KAIST)（韩国科学技术院）
AI总结 提出人机协同发现系统HACO，通过跨域搜索和稀疏人类引导，从视觉领域引入掩码生成模型MaskGIT用于晶体结构预测，并改进为MaskGXT，在多个基准上取得最优结果。
跨国信息攻击：韩国巨魔行为的二十年分析
机构 * Korea Advanced Institute of Science and Technology (KAIST)（韩国高级科学研究院） ； Max Planck Institute for Security and Privacy (MPI-SP)（马克斯·普朗克安全与隐私研究所）
AI总结 提出可解释机器学习框架，对韩国112M条新闻评论进行检测，识别出23,998个疑似协调操纵账户，发现其依赖道德谴责修辞而非直接宣传外国叙事，且此类修辞获得更高用户参与，主要针对国内政治人物，可能加剧两极分化。
Comments Accepted at the 35th USENIX Security Symposium (USENIX Security '26)
利用人类偏好奖励改进文本到音乐生成
机构 * Georgia Tech（佐治亚理工学院） ； KAIST（韩国科学技术院） ； Peking University（北京大学） ； Queen Mary University of London（伦敦玛丽女王大学） ； Carnegie Mellon University（卡内基梅隆大学）
AI总结 提出结合人类偏好奖励（TuneJury）的文本到音乐生成方法，通过训练时奖励条件化、专家迭代、偏好微调等五项工程决策，在ATTM挑战中提升FAD-CLAP和CLAP分数。
Comments ICME 2026 Grand Challenge on Academic Text-to-Music Generation
CORTIS：面向任务型语音代理的纯文本口语语言模型适配
机构 * Maum AI Inc.（马姆人工智能公司） ； Seoul National University（首尔国立大学） ； Korea Culture Technology Institute（韩国文化科技研究所） ； KAIST（韩国科学技术院）
AI总结 提出CORTIS框架，通过纯文本任务监督微调口语语言模型，实现推理时直接生成结构化输出，无需配对语音-目标数据，在声学退化下优于级联方法。
Comments Submitted to EMNLP 2026 Industry Track
通过TRIZ启发的文本到CAD框架增强3D生成设计的创造力
机构 * Cho Chun Shik Graduate School of Mobility, KAIST, Daejeon, Republic of Korea（韩国科学技术院（KAIST）赵正植移动研究生院，大田，韩国） ； Samsung Electronics, Suwon, Republic of Korea（三星电子，水原，韩国） ； Department of Mechanical Engineering, Hanyang University, Ansan, Republic of Korea（汉阳大学机械工程系，安山，韩国） ； Narnia Labs, Daejeon, Republic of Korea（纳尼亚实验室，大田，韩国）
AI总结 提出TRIZ启发的文本到CAD框架，利用LLM生成可编辑CAD模型并系统探索创新设计方案，通过三阶段流程实现结构多样性与质量优化，案例显示质量减少4.0-14.7%。
Comments 10 pages, 6 figures
SDP-Codec：一种带有音高注入的说话人解耦语音编解码器，用于低比特率编码和零样本语音转换
机构 * Graduate School of Culture Technology, KAIST（韩国科学技术院文化技术研究生院）
AI总结 提出SDP-Codec，通过单阶段优化从预训练自监督编码器中提取局部令牌并注入归一化F0，实现说话人解耦，在低比特率下达到竞争性重构和强零样本语音转换，且说话人泄露最少。
Comments Accepted to Interspeech 2026. Code and demo: https://github.com/hanshounsu/sdpcodec-open/
基于LLM的多参考评估方法用于短语边界标注的高效稳健评估
机构 * NAVER Cloud（NAVER云） ； Yonsei University（延世大学） ； KAIST AI（韩国科学技术院人工智能）
AI总结 提出基于LLM的多参考评估方法(LMRE)，通过生成多个有效短语边界解决单参考评估的局限性，在韩语测试中与人类判断一致性更强。
Comments Accepted at Interspeech 2026
SLeDGe: 基于图结构学习的数据流半监督学习
机构 * KAIST（韩国科学技术院）
AI总结 提出SLeDGe方法，通过联合学习预测模型和自适应图结构，在严格内存和标签约束下实现数据流半监督学习，在12个数据集上平均相对准确率提升31.7%（0.1%标签）和14.8%（1%标签）。
CheXpercept: 评估胸部X光片中专家级病变感知的基准
机构 * KAIST（韩国科学技术院） ； Samsung Medical Center（三星医疗中心） ； Konkuk University Medical Center（建国大学医疗中心）
AI总结 提出CheXpercept基准，通过粗粒度检测、细粒度轮廓评估与修正、语义级属性提取三个层次评估视觉语言模型在胸部X光片上的专家级病变感知能力，发现当前模型仅在粗粒度任务上表现良好。
基于扰动的视觉-语言-动作模型不确定性用于故障检测
机构 * Korea Advanced Institute of Science and Technology (KAIST)（韩国科学技术院）
AI总结 提出一种无标签、模型无关的扰动框架，通过注入高斯扰动到隐藏激活中估计认知不确定性，在分布偏移下提升故障检测性能。
微调视觉-语言-动作模型所需的层数比你想象的少
机构 * Center for AI Research, VinUniversity（VinUniversity人工智能研究中心） ； VinRobotics ； University of Arkansas（阿肯色大学） ； Technical University of Denmark（丹麦技术大学） ； Hanoi University of Science and Technology（河内科技大学） ； KAIST（韩国科学技术院） ； Monash University（莫纳什大学） ； Oldenburg University（奥尔登堡大学） ； DFKI（德国人工智能研究中心） ； University of Stuttgart（斯图加特大学） ； IMPRS-IS（国际马克斯·普朗克智能系统研究学院） ； Stanford University（斯坦福大学） ； Technische Universität Darmstadt（达姆施塔特工业大学）
AI总结 本文发现VLA模型存在层间表示冗余，提出无需训练的压缩方法，通过去除冗余层将模型深度减少50%，实现40-50%训练加速和30%推理加速，性能不变。
Pose6DAug: 用于机器人数据增强的物理合理多视图物体替换
机构 * KAIST（韩国科学技术院） ； Korea University（韩国大学） ； RLWRLD
AI总结 提出Pose6DAug，一种基于失败驱动的数据增强框架，通过3D网格和6D姿态轨迹替换成功轨迹中的物体，生成多视图一致的物理合理演示，无需额外数据收集，在新型物体上提升VLA策略成功率16.5%。
LLM在生成式推荐中的记忆行为：观察、启示与训练策略
机构 * KAIST（韩国科学技术院） ； Sungkyunkwan University（成均馆大学） ； Snap Inc.（Snap公司）
AI总结 研究LLM在生成式推荐中的记忆倾向，发现其过度依赖一跳记忆，提出IIRG训练策略以学习多跳协同与语义关系，显著提升对非一跳记忆用户的推荐效果。
跨东亚和东南亚语境的文化适应红队测试：方法论与比较分析
机构 * University of California, Berkeley（加州大学伯克利分校） ； Korea Advanced Institute of Science and Technology（韩国科学技术院）
AI总结 针对大语言模型的多语言安全评估，通过构建直接翻译与文化适应数据集，发现文化适应提示的攻击成功率平均提升9.3个百分点，直接翻译低估风险，且文化深度评分显著低于文化适应版本，表明适应文化语境对有效评估至关重要。
Comments Accepted to ICML 2026 Workshop on Culture X AI
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