高校专区
MobiBench: 面向移动GUI智能体的多分支模块化基准
机构 * KAIST（韩国科学技术院） ； Sungkyunkwan University（全北大学） ； Korea University（韩国大学） ； Fluiz
AI总结 提出MobiBench，首个模块化且支持多路径感知的离线基准测试框架，用于高保真、可扩展和可复现地评估移动GUI智能体，并揭示组件级性能瓶颈。
奖励分数匹配：统一流模型和扩散模型的基于奖励的微调
机构 * Graduate School of AI, KAIST, Korea（人工智能研究生院，韩国科学技术院）
AI总结 提出奖励分数匹配（RSM）框架，统一了多种基于奖励的微调方法，通过分数匹配与值引导目标对齐，简化了设计空间并提高了效率。
Comments 43 pages, 15 figures
ES-Merging: 通过嵌入空间信号进行生物多模态大模型合并
机构 * KAIST（韩国科学技术院） ； DeepAuto.ai
AI总结 提出ES-Merging框架，利用嵌入空间信号估计合并系数，实现生物多模态大模型的高效合并，提升跨模态推理和单模态知识保留能力。
DAPD: 面向扩散LLM的基于注意力的依赖感知并行解码
机构 * KAIST（韩国科学技术院）
AI总结 提出一种无需训练的并行解码方法DAPD，利用自注意力构建掩码标记的依赖图，通过选择独立集并行解码，避免强耦合标记同时更新，提升了扩散LLM的精度-步数权衡。
Comments Accepted at ICML 2026
通过具体分数匹配进行大型语言模型的蒸馏
机构 * Korea Advanced Institute of Science and Technology（韩国科学技术院）
AI总结 提出具体分数蒸馏（CSD）目标，通过离散分数匹配克服softmax平滑和logit平移不变性限制，实现学生与教师模型间所有词汇对相对logit差异的灵活加权，在GPT-2、OpenLLaMA和GEMMA上优于现有蒸馏方法。
Comments ICLR 2026
微调不忘上下文学习：线性注意力模型的理论分析
机构 * KAIST（韩国科学技术院）
AI总结 本文通过线性注意力模型理论分析，揭示了微调目标如何修改注意力参数并导致少样本性能下降的条件，提出仅更新值矩阵可保持上下文学习能力。
Journal ref International Conference on Machine Learning (ICML) 2026
PathCRF: 通过球员轨迹的控球路径推断实现无球足球事件检测
机构 * KAIST（韩国釜山科学技术院） ； Fitogether Inc.（Fitogether公司） ； University of Seoul（首尔大学）
AI总结 提出PathCRF框架，仅利用球员轨迹数据，通过将轨迹建模为动态图并采用条件随机场（CRF）推断控球路径，实现无球足球事件检测，降低对人工标注和球轨迹数据的依赖。
更好的源，更好的流：学习条件依赖的源分布用于流匹配
机构 * New York University（纽约大学） ； KAIST AI（韩国科学技术院人工智能实验室）
AI总结 本文提出在流匹配框架中学习条件依赖的源分布，通过方差正则化和源-目标方向对齐，显著提升文本到图像生成的速度和质量。
Comments Project Page: https://junwankimm.github.io/CSFM
弥合大语言模型在多项选择题中的知识-预测差距
机构 * KAIST（韩国科学技术院）
AI总结 通过分析隐藏表示中的知识子空间和预测子空间，提出轻量级推理时干预方法KAPPA来对齐两者，从而减少LLM在多项选择题上的知识-预测差距。
Comments Accepted to ICML 2026
前瞻样本奖励引导用于扩散模型的测试时缩放
机构 * KAIST（韩国科学技术院）
AI总结 提出一种高效测试时缩放方法LiDAR采样，通过前瞻几步采样和精确求解器引导粒子向高奖励区域移动，无需反向传播，在GenEval上达到与最新梯度引导方法相同性能且加速9.5倍。
Comments ICML 2026 Spotlight
LRAgent: 面向多LoRA LLM代理的高效KV缓存共享
机构 * KAIST（韩国科学技术院）
AI总结 针对多LoRA代理系统中每个代理独立存储相同长轨迹的KV缓存导致内存和计算开销大的问题，提出LRAgent框架，通过将缓存分解为共享基座部分和适配器依赖部分，并利用共享A的多LoRA架构和Flash-LoRA-Attention内核，实现高效共享，在保持精度的同时显著降低开销。
Comments 25 pages, 10 figures, 22 tables
Journal ref ICML 2026 Poster
Avatar Forcing：用于自然对话的实时交互式头部化身生成
机构 * KAIST（韩国科学技术院） ； NTU Singapore（新加坡国立大学） ； DeepAuto.ai
AI总结 提出Avatar Forcing框架，通过扩散强制实现实时交互式头部化身生成，利用直接偏好优化进行无标签学习，在低延迟（约500ms）下生成富有表现力的反应动作。
Comments CVPR 2026. Project page: https://taekyungki.github.io/AvatarForcing/
NOS-Gate: 面向消费网关的时序控制规避下队列感知流式入侵检测系统
机构 * School of Computing and Communications, Lancaster University（计算与通信学院，兰卡斯特大学） ； School of Computing, Korea Advanced Institute of Science and Technology（计算学院，韩国科学技术院）
AI总结 提出一种轻量级流式入侵检测系统NOS-Gate，基于网络优化脉冲动力学和K-of-M持久规则，在时序控制规避下实现高召回率低延迟的加密流量元数据检测。
Comments 9 pages, 3 figures, 4 tables. M. Bilal, O. Tariq and H. Ahmed, "NOS-Gate: Queue-Aware Streaming IDS for Consumer Gateways under Timing-Controlled Evasion," in IEEE Transactions on Consumer Electronics, doi: 10.1109/TCE.2026.3682516
SpeedAug: 通过节奏增强策略和强化学习微调实现策略加速
机构 * KAIST（韩国科学技术院） ； UNIST（全南大学） ； DeepAuto.ai
AI总结 提出SpeedAug框架，通过节奏增强先验策略和强化学习微调，使机器人策略学习任务最优执行节奏，在保持高成功率的同时显著提升执行速度和样本效率。
T1：小语言模型测试时计算扩展的工具集成验证
机构 * KAIST（韩国科学技术院） ； University of Wisconsin-Madison（威斯康星大学麦迪逊分校） ； KRAFTON
AI总结 针对小语言模型在测试时扩展中验证能力不足的问题，提出T1框架，通过外部工具过滤候选输出后由小语言模型进行最终验证，显著提升验证准确率和测试时扩展性能。
Comments ICLR 2026
利用紧凑高斯体学习全局运动的前馈式4D重建
机构 * KAIST AI（韩国科学技术院人工智能研究所） ； ETH Zürich, ETH AI Center（苏黎世联邦理工学院，ETH人工智能中心） ； Sony AI（索尼人工智能） ； Sony Group Corporation（索尼集团）
AI总结 提出C4G框架，通过紧凑的可学习高斯查询令牌和视频扩散模型增强渲染，实现无需相机位姿的前馈式4D动态场景重建，显著减少高斯数量并提升运动建模鲁棒性。
Comments Project Page: see https://cvlab-kaist.github.io/C4G
使用单一算子泛化多尺度时间序列建模
机构 * School of Electrical Engineering, KAIST, Daejeon, Republic of Korea（韩国成均馆大学电子工程学院） ； Department of Computer Science and Engineering, Seoul National University, Seoul, Republic of Korea（首尔国立大学计算机科学与工程系）
AI总结 提出SiGMA架构，通过可学习离散高斯核实现距离感知缩放，解决现有方法固定离散缩放的局限性，在长期和短期预测任务中均达到最优性能。
Comments Accepted at ICML 2026
基于物理信息神经网络的通用流形上的黎曼扩散模型
机构 * Korea Advanced Institute of Science and Technology, Korea（韩国科学技术院）
AI总结 针对黎曼流形上热核难以解析计算的问题，提出用物理信息神经网络求解流形热方程来近似热核，从而实现扩散模型的训练与采样。
将LLM性别偏见锚定人类基线：跨语言审计
机构 * School of Digital Humanities and Computational Social Sciences, KAIST, South Korea（数字人文与计算社会科学学院，韩国韩国科学技术院）
AI总结 通过HEXACO-100人格量表，跨英语、韩语、中文和日语审计六种大语言模型的性别刻板印象，发现其偏见幅度是人类跨国差异的2.5倍，并引入四模式框架（一致性、抑制、重组、放大）描述跨语言行为。
ParCo-SDF: 学习可变形物体的无先验部分到完整有符号距离场
机构 * School of Computing, Korea Advanced Institute of Science and Technology, Korea（韩国科学技术院计算机学院）
AI总结 提出 ParCo-SDF 两阶段框架，通过时序几何编码和 FiLM 条件 SDF 预测，实现无需物体特定先验的可变形物体部分到完整几何重建。
Comments Accepted at the 23rd International Conference on Ubiquitous Robots (UR 2026), 6 pages
秩分解隐式神经偏置：使用FlashAttention扩展超分辨率Transformer
机构 * University of Seoul（首尔大学） ； KAIST AI（韩国科学技术院人工智能研究所）
AI总结 提出秩分解隐式神经偏置(RIB)替代相对位置偏置(RPB)，通过低秩隐式神经表示和通道级拼接实现FlashAttention兼容，并引入卷积局部注意力和循环窗口策略，在Urban100×2上达到35.63 dB PSNR，训练和推理时间分别减少2.1倍和2.9倍。
ConSensus：面向多模态感知的多智能体协作
机构 * KAIST（韩国科学技术院） ； Nokia Bell Labs（诺基亚贝尔实验室） ； University of Glasgow（格拉斯哥大学）
AI总结 提出ConSensus，一种无需训练的多智能体协作框架，通过将多模态感知任务分解为专用智能体并采用混合融合机制，在五个基准上平均准确率提升7.1%，融合token成本降低12.7倍。
Comments Accepted to ACL 2026 Findings
视图空间：跨任意图的学习表示
机构 * School of Electrical Engineering, KAIST, Daejeon, Republic of Korea（韩国釜山科学技术院电子工程学院） ； Department of Computer Science and Engineering, Seoul National University, Seoul, Republic of Korea（首尔国立大学计算机科学与工程系）
AI总结 本文提出视图空间概念，通过图视图变换（GVT）实现跨任意图的归纳节点表示学习，并在节点分类任务中显著优于现有方法。
Comments Accepted to ICML 2026
超越听觉：通过生理学启发的标记化从耳机学习任务无关的ExG表示
机构 * KAIST（韩国科学技术院） ； Carnegie Mellon University（卡内基梅隆大学） ； University of Cambridge（剑桥大学） ； Shanghai Jiao Tong University（上海交通大学） ； Pennsylvania State University（宾夕法尼亚州立大学） ； UCLA（加州大学洛杉矶分校） ； Northwest University（北华大学） ； University of Texas at Austin（德克萨斯大学奥斯汀分校） ； Microsoft Research（微软研究院）
AI总结 提出一种基于耳机的生理学启发的多频带标记化方法（PiMT），通过无干扰的日常ExG数据采集和重建任务学习鲁棒表示，实现跨多种任务（包括五种人类感官）的通用ExG监测。
Comments Accepted to ICLR 2026
聚合缓冲区：用新参数块重新审视 DropEdge
机构 * School of Electrical Engineering, KAIST, Daejeon, Republic of Korea（韩国釜山国立大学电气工程学院） ； Computer Science Department, University of Münster, Münster, Germany（德国穆斯堡大学计算机科学系）
AI总结 针对 DropEdge 在监督学习中性能受限的问题，提出一种名为 Aggregation Buffer 的参数块，通过改进 GNN 的鲁棒性来提升性能，并统一解决度偏差和结构差异等问题。
Comments Published at ICML 2025
DAMEL: 双轴多专家学习用于类别不平衡学习
机构 * AI Research, Krafton（AI研究，Krafton） ； 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）
AI总结 提出双轴多专家学习算法DAMEL，通过表示轴和时间轴上的多专家集成，同时降低预测偏差和方差，有效解决类别不平衡学习问题。
对齐引导的分数匹配用于扩散模型中的文本到图像对齐
机构 * Graduate School of AI, KAIST, South Korea（韩国高级人工智能研究生院）
AI总结 提出一种轻量级、无奖励的后训练方法，通过将对比对齐引导直接整合到扩散模型的分数匹配目标中，以解决文本-图像对齐中的过度惩罚和计数错误问题。
Comments ICML 2026, Project page: https://jaayeon.github.io/AGSM
LFQ：面向提升低比特量化LLM生成质量的逻辑感知最终块量化
机构 * Kim Jaechul Graduate School of AI, KAIST, Daejeon, South Korea（韩国科学技术院人工智能研究生院） ； LG AI Research, Seoul, South Korea（LG人工智能研究） ； Hanyang University, Seoul, South Korea（翰阳大学）
AI总结 针对低比特量化LLM在生成任务中质量下降的问题，提出通过最小化FP模型与量化模型在最终Transformer块上的logits交叉熵来优化量化，从而提升复杂生成任务的准确性。
Comments Accepted to ICML 2026
Bastion: 预算感知的树结构块扩散草稿投机解码
机构 * KAIST AI（韩国科学技术院人工智能研究所） ； Samsung Advanced Institute of Technology（三星先进技术研究所）
AI总结 提出BASTION框架，通过动态构建查询相关的树结构平衡草稿质量与硬件约束，实现预算感知的投机解码，无需训练且保持目标模型分布，速度提升达6.61倍。
BitTP：面向边缘设备的轻量级轨迹预测模型与BitLLM
机构 * KAIST, Republic of Korea（韩国釜山国立大学） ； DGIST, Republic of Korea（韩国国立庆北科学技术院）
AI总结 提出BitTP，通过将LLM轨迹预测器转换为1.58比特轻量架构，在保持或提升预测质量的同时大幅降低内存和计算需求，实现边缘设备部署。
Comments Camera-ready version. Accepted as a findings paper at CVPR 2026. 8 pages, 4 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