高校专区
基于多色建模的锥束CT中基于Splat的金属伪影减少方法
机构 * KAIST（韩国科学技术院）
AI总结 提出一种集成多色X射线投影模型等的Gaussian Splatting框架，无需手动金属掩码，联合优化参数与光谱，发布相关数据集，在CBCT金属伪影减少上性能优于现有最优方法。
Journal ref Computer Graphics forum, Volume 45 (2026), Number 2
生成漂移的可识别性与稳定性：伴随椭圆核族
机构 * Department of Mathematical Sciences, Korea Advanced Institute of Science and Technology (KAIST)（数学科学系，韩国科学技术院（KAIST））
AI总结 本文研究了生成漂移框架下漂移场的可识别性和稳定性，引入伴随椭圆核族以解决标准高斯分数场论证失效的问题，并证明该族包含拉普拉斯核和具有平滑参数ν≥1/2的高斯和马特恩核，从而建立任意Borel概率测度下的场可识别性及稳定性条件。
Comments 40 pages, 0 figures
基于物理的拉普拉斯神经算子用于求解偏微分方程
机构 * Department of Mathematics, Pohang University of Science and Technology (POSTECH)（POSTECH数学系） ； Division of Applied Mathematics, Brown University（布朗大学应用数学系） ； Department of Mechanical Engineering, Korea Advanced Institute of Science and Technology (KAIST)（韩国科学技术院机械工程系）
AI总结 PILNO通过整合物理约束提升神经算子在求解偏微分方程时的准确性和鲁棒性，尤其在小数据和分布外场景下表现更优。
Comments 46 pages, 22 figures, 9 tables
DPO中的上下文盲区：通过上下文校准的偏好优化缓解多模态大语言模型（MLLMs）中的物体幻觉
机构 * Korea University（高丽大学） ； KAIST（韩国科学技术院）
AI总结 本研究针对MLLMs的物体幻觉问题，提出C²-DPO方法，通过最大化上下文偏好增益降低幻觉率，使Qwen2-VL-Instruct-2B的幻觉率相对降低36%且不损害通用推理能力。
Comments Accepted at ECCV2026
TELLME：面向语言模型增强的测试增强学习
机构 * Korea Advanced Institute of Science and Technology（韩国科学技术院） ； Seoul National University of Science and Technology（首尔科学技术大学） ； National Security Research Institute（国家安全研究院）
AI总结 本研究提出TELLME方法，将测试增强学习（TEL）原理与持续预训练（CPT）结合，缓解大语言模型领域自适应中数据与成本问题，在金融领域表现优于现有方法，长期记忆保留提升显著。
Comments Findings of the Association for Computational Linguistics: EACL 2026
Journal ref Findings of the Association for Computational Linguistics: EACL 2026, pages 1655-1677
IO Factory：大规模模拟AI驱动的影响力行动
机构 * King’s College London（伦敦国王学院） ； Max Planck Institute for Security and Privacy（马克斯·普朗克安全与隐私研究所） ； BI Norwegian Business School（挪威商学院） ； University of Oslo（奥斯陆大学） ； SINTEF Digital（SINTEF数字研究所） ； Korea Advanced Institute of Science and Technology (KAIST)（韩国科学技术院）
AI总结 IO Factory是AI驱动的大规模影响力行动模拟框架，可在受控平台中关联多环节数据，在10万智能体配置下可执行行动并生成可检查证据，支持可重复研究与红队分析。
面向视觉语言模型空间推理的多视图关系蒸馏
机构 * KAIST（韩国科学技术院）
AI总结 针对视觉语言模型空间推理的几何脆弱性问题，提出多视图关系蒸馏方法，在保留语言对齐的同时提升视觉空间推理性能，可泛化至3D场景理解任务。
自动化与规模化针对AI智能体的行为科学研究
机构 * KAIST（韩国科学技术院） ； Yale（耶鲁大学） ； University of Haifa（海法大学） ； UCL（伦敦大学学院） ； UvA（阿姆斯特丹大学） ； SNU（首尔大学）
AI总结 研究人员开发AEROBAT多智能体系统，自动化AI智能体行为科学研究流程，经实验验证其可生成测试假设、开展大量对照实验与模拟，能补充拓展人工研究。
Comments preprint
EventCoT：用于推理时间定位的以事件为中心的视频思维链
机构 * Pohang University of Science and Technology（浦项科技大学） ； Korea Advanced Institute of Science and Technology（韩国科学技术院） ； Handong Global University（韩东国际大学）
AI总结 提出EventCoT框架解决推理时间定位难题，先对视频进行以事件为中心的分词，再在识别出的事件内推理生成答案，通过嵌入匹配确定时间间隔，在相关任务中取得好结果。
Comments 27 pages, 11 figures, 19 tables. Co-corresponding authors: Dongkeun Kim and Suha Kwak
图引导的安全扩散器：用于安全扩散规划的拓扑图引导
机构 * School of Electrical Engineering, Korea Advanced Institute of Science and Technology (KAIST)（韩国科学技术院电气工程学院）
AI总结 该研究提出图引导的安全扩散器（G2SD）框架，用高层拓扑图规划器引导低层扩散模型，解决扩散规划器的流形破裂问题，在Maze2D导航等任务中大幅提升无碰撞目标到达率与任务性能。
Comments 18 pages, 2 figures
双轴模态缺失下的多模态联邦学习
机构 * KAIST（韩国科学技术院） ； CUHK（香港中文大学） ； HKUST（香港科技大学）
AI总结 针对多模态联邦学习的双轴模态缺失问题，提出Flux框架，通过模态感知置信度调温与梯度解耦私有适配，在四个多模态数据集上取得最高平均宏F1，性能优于最强基准
EvBS：用于域自适应运动去模糊的事件引导模糊合成
机构 * Korea Advanced Institute of Science and Technology（韩国科学技术院）
AI总结 本文提出事件引导模糊合成框架EvBS，通过解耦运动与内容生成多样训练对，提升预训练去模糊模型的域自适应性能，经多基准实验验证其可增强模型在未见测试集上的鲁棒性。
Comments Accepted to ACM Multimedia 2026 (ACM MM 2026)
SCoPE：基于稀疏跨模态先验交换的无训练视听事件感知
机构 * KAIST（韩国科学技术院）
AI总结 针对无训练视听事件感知的虚假共激活问题，提出SCoPE框架，通过跨模态标签竞争消除FCA，在LLP等数据集上显著提升性能且可直接迁移。
Comments 17 pages, 6 figures
大语言模型作为导师：不可验证强化学习中的策略感知提示适应
机构 * KAIST（韩国科学技术院） ； Upstage ； University of Toronto（多伦多大学） ； Carnegie Mellon University（卡内基梅隆大学） ； NVIDIA（英伟达）
AI总结 针对不可验证强化学习中训练提示静态导致的问题，提出LLM-as-a-Tutor框架，让大语言模型从评判扩展为导师，通过对比策略展开检测无挑战性提示并添加约束，提升性能。
社会推理从何而来？语言模型中的能力来源
机构 * Georgia Institute of Technology, College of Computing（佐治亚理工学院计算学院） ； MATS Program（MATS项目） ； EleutherAI ； KAIST AI（韩国科学技术院人工智能学院） ； Georgia Tech AI Safety Initiative（佐治亚理工学院人工智能安全倡议）
AI总结 通过训练数据归因方法，发现OLMo3-7B中社会推理和STEM推理依赖于不同的预训练语料区域，且推理层面的差异比知识层面更显著。
Comments 120 pages. Published as a conference paper at COLM 2026
AgentPSO: 通过多智能体粒子群优化进化智能体推理能力
机构 * Korea Advanced Institute of Science and Technology（韩国科学技术院）
AI总结 AgentPSO通过多智能体粒子群优化框架，使智能体在任务中进化推理能力，通过结合自身经验与群体最优技能，提升个体与集体推理性能，实验证明其优于静态单智能体和测试时多智能体方法。
Comments The 3rd AI for Math Workshop at the 43rd International Conference on Machine Learning (ICML), Seoul, South Korea, 2026
Q学习的Lyapunov认证直接切换理论
机构 * Department of Electrical Engineering（电气工程系） ； Korea Advanced Institute of Science and Technology (KAIST)（韩国科学技术院）
AI总结 本文提出一种基于直接随机切换系统的Q学习分析方法，通过联合谱半径定义漂移率，推导出有限时间最终迭代界。
机构 * Korea Advanced Institute of Science and Technology（韩国先进科学研究院） ； AWS AI Labs（AWS人工智能实验室）
Comments 34 pages, 6 figures
Journal ref ACL 2025 main
智能体记忆蒸馏：用分层教师记忆赋能小型大语言模型智能体
机构 * KAIST（韩国科学技术院）
AI总结 本研究提出无需训练的Agent Memory Distillation框架，通过从大型教师智能体构建三类分层记忆迁移知识，提升小型大语言模型智能体的工具使用性能，在三个基准上实现显著准确率提升且优于现有基线。
Comments Under review
用于聚合物自动化粗粒度分子动力学的多智能体框架
机构 * Korea Advanced Institute of Science and Technology (KAIST)（韩国科学技术院（KAIST））
AI总结 本文提出CGMas多智能体框架，可自动完成聚合物粗粒度分子动力学的拓扑构建等全流程，完成27项任务，22项密度匹配度在5%内，模拟时间大幅缩短，确立了智能体式LLM用于聚合物粗粒化的可行性。
上下文示例抑制大语言模型中的科学知识回忆
机构 * Korea Advanced Institute of Science and Technology（韩国科学技术院） ； Shanghai Jiao Tong University（上海交通大学）
AI总结 研究发现上下文示例会削弱大语言模型对科学知识的回忆能力，使模型更依赖经验模式匹配而非预训练知识。
Comments COLM 2026
TRACE：不可靠接触条件下四足机器人的学习式本体里程计
机构 * Korea Advanced Institute of Science and Technology (KAIST)（韩国科学技术院（KAIST））
AI总结 本研究提出TRACE模型，通过引入足部感知交叉注意力模块等技术，结合策略随机化与部分现实微调，提升四足机器人在不可靠接触条件下的本体里程计性能，降低位置漂移并改善仿真到现实的迁移效果。
Comments 8 pages, 7 figures. Submitted to IEEE Robotics and Automation Letters (RA-L)
MapTCL：用于矢量化高清地图构建的双向对齐时序一致性学习
机构 * Korea Advanced Institute of Science and Technology (KAIST)（韩国科学技术院）
AI总结 针对动态城市环境下在线高清地图构建的时序稳定性问题，提出即插即用模块MapTCL，通过双向矢量一致性学习与栅格地图一致性学习联合训练，在两个基准上显著提升基线模型性能且无额外推理开销。
Comments Accepted at 2026 IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS)
Persona-Pruner: 为角色扮演雕琢轻量级模型
机构 * Department of Artificial Intelligence, Korea University, Seoul, South Korea（韩国大学人工智能系） ； Korea Advanced Institute of Science and Technology (KAIST)（韩国科学技术院）
AI总结 提出Persona-Pruner框架，通过从单个描述中隔离特定角色的子网络来剪枝语言模型，在保持角色扮演性能的同时大幅降低计算成本，性能下降比最强基线减少93.8%。
Comments 25 pages; ICML 2026; Code is available at https://github.com/jsu-kim/Persona-Pruner
通过可验证的推理过程监督获得正确答案：语言模型的可验证过程监督
机构 * KAIST AI（KAIST人工智能研究所） ； University of Texas, Austin（德克萨斯大学奥斯汀分校） ； Rice University（里士满大学） ； Princeton University（普林斯顿大学） ； University of Washington（华盛顿大学） ； Sentient Labs（Sentient实验室）
AI总结 本文提出VPS框架，通过联合优化预测准确性和推理质量，在可验证领域使语言模型同时获得准确和可靠的推理能力。
Comments COLM 2026
SimMOF：用于自动化MOF模拟的AI代理
机构 * Department of Chemical and Biomolecular Engineering, Korea Advanced Institute of Science and Technology (KAIST)（韩国科学技术院（KAIST）化学与生物分子工程系）
AI总结 SimMOF通过自然语言查询自动化MOF模拟全流程，实现依赖感知计划生成、可运行输入生成、多代理协同执行及结果分析，提供数据驱动的MOF研究可扩展基础。
Comments 42 pages, 7 figures, 3 tables
基于样条的锥形束CT金属伪影消除方法：通过紧凑衰减建模实现
机构 * KAIST（韩国科学技术院）
AI总结 本文针对锥形束CT的金属伪影问题，提出基于样条的框架，将物理多能前向模型融入连续高斯表示，实现高效联合优化，实验显示其收敛更快、抑伪影效果更优。
Journal ref Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR) 2026
稀疏视图重建下基于Splat的计算机断层扫描中姿态敏感性的再探讨
机构 * KAIST（韩国科学技术院）
AI总结 本研究针对基于Splat的CT在实际稀疏视图下的伪影问题，分析其源于姿态不准确性，推导了联合优化几何参数的稳定梯度框架，提升了重建保真度且易于集成。
Journal ref Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR) 2026
基于稀疏直接飞行时间传感器的密集度量深度补全
机构 * KAIST（韩国科学技术院） ； USTC（中国科学技术大学） ； Microsoft Research Asia（微软亚洲研究院）
AI总结 本文提出一种深度引导双分支视觉Transformer框架，结合dToF模拟流程，实现稀疏dToF到密集度量深度的零样本泛化补全，性能优于现有方法且高效。
Journal ref Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR) 2026
HALT：面向检索增强搜索智能体的感知验证式停止策略
机构 * KAIST（韩国科学技术院）
AI总结 该研究针对检索增强搜索智能体的冗余检索问题，提出轻量级感知验证停止策略HALT，在三个多跳QA基准上减少冗余搜索且保持精确匹配，无需修改宿主智能体。
Comments 23 pages, 6 figures. Code: https://github.com/Noverse0/HALT
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