高校专区
CT-Merging：用于LoRA适配器合并的共识方向和任务级缩放
机构 * KAIST（韩国科学技术院）
AI总结 研究针对LoRA适配器合并中系数不匹配问题，提出CT-Merging算法，通过平均任务子空间投影仪估计共识方向并分配任务级系数缩放，利用跨任务SVD子空间构建公共基础，在基准测试中比现有方法准确率更高。
Comments 9 pages, 5 figures
大语言模型中的不完整提示越狱
机构 * KAIST（韩国科学技术院） ； INEEJI（因尼吉）
AI总结 研究大语言模型中不完整提示越狱现象，通过实证表征其何时及如何引发有害延续，分析相关吸引子类型，指出参数调整训练模型拒绝不完整有害提示不足，识别终止和延续神经元，强调神经元级干预对防御的潜力。
Comments Accepted to ACL 2026 Findings. 15 pages (9 pages for main body), 13 figures
通过冲突感知不相交参数训练实现统一预测与规划
机构 * DGIST（韩国科学技术院大邱庆北校区） ； KAIST（韩国科学技术院）
AI总结 研究社交机器人在拥挤环境中统一预测与规划问题，提出基于模型合并的不相交参数训练框架DPT，通过分布式参数学习减轻技能冲突，稀疏合并提升性能，在标准基准测试中验证其在机器人导航上通用且有效。
Comments Accepted at ECCV 2026. 38 pages, 14 figures. Project page: https://dpt2026.github.io/
GraphContainer：用于比较和调试图RAG方法的统一平台
机构 * KAIST（韩国科学技术院）
AI总结 研究针对图RAG方法分散不兼容问题，提出GraphContainer平台，通过统一图表示层和图记录器两个关键组件，实现多格式图统一与检索过程可视化，助力可控比较不同图格式及检索策略，降低设计最优图RAG管道的难度。
Comments VLDB 2026 demo accepted
用于子群公平聚类的协方差诱导公平差距惩罚
机构 * Department of Statistics, Seoul National University（首尔国立大学统计系） ； KAIST AI（韩国科学技术院人工智能研究所）
AI总结 研究在多敏感属性定义多个子群时的公平聚类问题，提出基于协方差诱导公平差距惩罚的方法，推导代理并连续松弛，扩展框架捕捉子群 - 边际公平差距，实验证明算法在成本 - 公平权衡上有竞争力且提高计算效率。
Node4All：超越数据集学习节点表示
机构 * KAIST（韩国科学技术院） ； Seoul National University（首尔国立大学）
AI总结 研究针对多数节点表示学习方法依赖特定数据集训练的问题，提出Node4All，基于通道图变换器和自监督学习构建，能跨任意图数据集泛化，在节点分类任务中表现出色，实现可复用性且实践效果好。
Comments Accepted to KDD 2026
基于体素的极端运动模糊3D场景重建
机构 * KAIST（韩国科学技术院） ； HYPERGRAM（超图）
AI总结 研究针对低光照下RGB-D输入的极端运动模糊问题，提出结合高斯体素框架的相机姿态估计与图像去模糊方法，通过对齐帧、调整高斯位置等步骤，提升3D重建质量，优于现有方法，有广泛应用意义。
Journal ref Proceedings of IEEE/CVF International Conference on Computer Vision (ICCV) 2025
DPNeXt：用于基于高效视觉Transformer的多任务密集预测的轻量级多尺度特征融合框架
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 研究针对机器人感知系统多任务学习中现有解码策略瓶颈，提出DPNeXt框架，用双深度可分离倒置瓶颈及MTBG策略，在多任务密集预测上表现出色，相比DPT大幅减少参数并提升推理速度。
Comments 8 pages, 5 figures. Accepted to the 2026 IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS 2026)
用于多阶段工业过程中多变量时间序列异常检测的知识辅助多图依赖学习
机构 * Korea Advanced Institute of Science and Technology (KAIST)（韩国科学技术院）
AI总结 针对多阶段工业过程中多变量时间序列异常检测问题，提出知识辅助多图框架并构建三个互补图，利用多图注意力网络建模，通过纳入过程知识显著提升异常检测性能。
GoStop：基于强化学习的事件驱动特征跟踪中的自适应时间聚合
机构 * KAIST（韩国科学技术院）
AI总结 研究基于事件相机的特征跟踪问题，提出用强化学习框架自适应控制事件累积过程，训练智能体依运动线索决策，引入新数据集评估，集成该框架到现有方法可提升性能，在动态运动下更具鲁棒性且平衡跟踪精度与效率。
Comments Accepted to ECCV 2026
用量子费舍尔信息重新思考量子持续学习
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） ； Cross College Elite Program, National Cheng Kung University（成功学院精英计划，成功大学） ； National Center for High-Performance Computing , National Institutes of Applied Research (NIAR)（高性能计算中心，应用研究国立机构） ； Department of Electrophysics, National Yang Ming Chiao Tung University（电子物理系，交通大学）
AI总结 研究量子持续学习中变分量子分类器的灾难性遗忘问题，提出基于量子费舍尔信息的QEWC方法，通过量化参数化量子态内在敏感性减轻遗忘，实验表明该方法能改善任务保留，在量子态几何研究中有重要意义。
TanGO：通过切线空间引导和优化实现免训练3D编辑
机构 * Korea Advanced Institute of Science and Technology（韩国科学技术院） ； Chung-Ang University（中央大学）
AI总结 研究针对3D生成模型免训练编辑存在语义伪影的问题，提出TanGO框架，通过在切线空间自适应逐令牌引导，制定最优控制规则并确定控制信号强度，减少结构伪影，性能优于现有基线。
Comments ECCV 2026
野外四足机器人的敏捷感知多技能运动
机构 * Agency for Defense Development（国防发展局） ； Korea Advanced Institute of Science and Technology（韩国科学技术院） ； DIDEN Robotics（迪登机器人公司） ； Korea University（韩国大学）
AI总结 研究使四足机器人在复杂地形实现多技能运动的问题，提出 APT-RL 框架，利用机载感知和计算自主转换技能，通过轨迹优化生成数据集训练技能，经实验验证该框架能让机器人在复杂环境敏捷机动，稳健穿越多样障碍物。
Comments Project page: https://skillquadsr.github.io/ ,This is the author's version of the work. It is posted here by permission of the AAAS for personal use, not for redistribution. The definitive version was published in Science Robotics on 7.15.2026; doi: 10.1126/scirobotics.adz7397. Jun-Gill Kang and Jaehyun Park are co-first authors. Seungwoo Hong and Hae-Won Park are co-corresponding authors
加速掩码扩散大语言模型：高效推理技术综述
机构 * KAIST AI（韩国科学技术院人工智能研究所） ； Yonsei University（延世大学）
AI总结 综述介绍用于扩散大语言模型的统一延迟分解框架，以理清算法、架构和系统因素对推理速度的影响，将加速技术分类，提供可重复基准测试指导方针并强调实现并行生成潜力的挑战。
Comments Accepted at IJCAI-ECAI 2026 (Survey Track)
像机器人一样看：用于视觉-语言-动作模型的以机器人为中心的点图
机构 * KAIST AI（韩国科学技术院人工智能研究所） ； Holiday Robotics（假日机器人公司）
AI总结 研究视觉-语言-动作模型中因观察与动作定义的帧不匹配问题，提出以机器人为中心的点图方法，该方法能保留2D VLA所需网格，以最小架构变化集成到现有模型，实验证明其在模拟和实际机器人实验中表现优于基线。
Comments Project page: https://davian-robotics.github.io/pointmap/
PAKE：利用部分运动学嵌入学习全身移动操作
机构 * The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）） ； Korea Advanced Institute of Science and Technology（韩国科学技术院） ； ETH Zurich（苏黎世联邦理工学院）
AI总结 研究针对高自由度机器人全身移动操作面临的挑战，提出将其分解为部分参考运动生成和低级模仿控制的框架，用KNF模型生成参考运动，经高低级控制器实现精确控制，在模拟和硬件实验中均表现优异，为相关操作提供实用方案。
GraspGraphNet：基于图结构的多机器人灵巧抓取生成
机构 * Korea Advanced Institute of Science and Technology (KAIST)（韩国科学技术院）
AI总结 研究跨机器人手的灵巧抓取生成难题，提出GraspGraphNet框架，将手表示为运动学图，结合多种技术建模交互，直接在相关空间应用条件流匹配，无需后处理等，共享模型在多场景取得高成功率，证明图结构手部表示的有效性。
Comments Project: https://lysees.github.io/graspgraphnet-page
通过内部潜变量分析对扩散模型进行统一骨干细化
机构 * Korea Advanced Institute of Science and Technology (KAIST)（韩国科学技术院） ； INEEJI
AI总结 研究扩散模型骨干细化问题，提出DUNE框架，通过分析内部潜变量检测突变偏差，对选定条目进行骨干特定抑制，可自然扩展到基于Transformer的模型，经实验验证该方法能提高保真度并减少幻觉。
Comments 45 pages, 23 figures. Accepted at the European Conference on Computer Vision (ECCV) 2026
CtrlVTON：通过视觉实例提示分割实现可控虚拟试穿
机构 * NXN Labs（NXN实验室） ； KAIST（韩国科学技术院）
AI总结 研究旨在解决虚拟试穿中用户对服装穿着方式控制不足的问题。提出通过VIP - SAM解决视觉实例提示分割，引入CtrlVTON可控框架，将试穿转为图像编辑问题并添加分割掩码控制布局。二者在各自任务达先进水平，CtrlVTON能更忠实地遵循用户布局且保证服装逼真度。
Comments 13 + 17 pages, 20 figures
语义难度并非视觉难度：用于手语检索的符号感知硬负样本挖掘
机构 * School of Computing（计算机学院） ； Graduate School of Culture Technology（文化技术研究生院） ； Korea Advanced Institute of Science and Technology（韩国科学技术院） ； ETRI Medical Informatics Laboratory（电子通信研究院医学信息学实验室）
AI总结 研究手语检索在细粒度场景的问题，提出符号感知硬负样本挖掘方法，通过在嵌入空间基于视觉易混淆性构建硬负样本，实验证明该方法能提升细粒度检索性能且保持粗粒度准确性。
Comments Accepted to ACL 2026 main
Journal ref Proceedings of the 64th Annual Meeting of the Association for Computational Linguistics (Volume 1: Long Papers), 2026, pages 28262-28277
理解非凸优化中无调度方法：速率保证与逃离鞍点
机构 * KAIST（韩国科学技术院） ； Natural Science Research Institute（自然科学研究所） ； Department of Mathematical Sciences（数学科学系）
AI总结 研究非凸优化中无调度方法，通过李雅普诺夫分析给出最坏情况收敛速率分析，还将无调度梯度下降建模为非自治动力系统，证明其在微小扰动下可避免严格鞍点，解释了该方法性能良好的原因。
Comments 44+7 pages, 2 figures
决斗Q学习的谱分析
机构 * Korea Advanced Institute of Science and Technology (KAIST)（韩国科学技术院）
AI总结 研究决斗Q学习，通过对中心化表格分解的直接解释及为非正则化、非投影的恒定步长递归建立收敛保证加强分析，推导确定性决斗Q学习的精确表示和采样随机版本的有限时间期望误差界，阐明价值和优势更新作用。
PLED-VINS：一种用于动态环境的基于点线事件的视觉惯性同步定位与地图构建
机构 * KAIST (Korea Advanced Institute of Science and Technology)（韩国科学技术院） ； School of Electrical Engineering, KAIST (Korea Advanced Institute of Science and Technology)（韩国科学技术院电气工程学院）
AI总结 针对动态环境中视觉SLAM的挑战，PLED-VINS基于单目事件相机，通过提出熵-近期得分图和统一调整估计特征可靠性，设计自适应加权策略，有效提升了含运动物体动态序列的状态估计。
Comments 8 pages, 9 figures. Accepted to IROS 2026
一个用于自动驾驶的具有大语言模型注释的高风险驾驶场景知识增强数据集
机构 * Korea Advanced Institute of Science and Technology（韩国科学技术院） ； Fudan University（复旦大学） ； Massachusetts Institute of Technology（麻省理工学院） ； Shanghai Jiao Tong University（上海交通大学） ； Tsinghua University（清华大学）
AI总结 研究自动驾驶中高风险场景数据不足问题，核心方法是构建K-Risk数据集，整合多源轨迹数据并利用大语言模型生成注释，主要贡献是为自动驾驶开发和评估提供标准化基础。
Comments 22 pages, 9 figures
基于3D感知语言模型的自我-人类运动预测
机构 * Visual Intelligence Lab., KAIST（视觉智能实验室，韩国科学技术院）
AI总结 研究从自我中心视角预测人类运动问题，提出Ego3DLM模型，基于准确运动预测需3D环境理解及姿势语言整体预测原则，通过三阶段训练，在相关任务中取得领先性能，实现跨模态和时间一致的运动预测。
Comments Accepted to ECCV 2026
用于MIONets的混合最小二乘法/梯度下降法
机构 * KAIST（韩国科学技术院） ； Korea Military Academy（韩国陆军军官学校）
AI总结 针对MIONets提出混合最小二乘法/梯度下降法加速训练，该方法基于MIONet特性，用交替最小二乘法优化参数，引入相关矩阵分解大矩阵，还兼容特定\(L^2\)损失，可应用线性算子于MIONet输出。
Pluralis v0.1：迈向用于人工智能风险与可靠性的多元文化、多模态、多语言基准测试
机构 * Google DeepMind（谷歌DeepMind） ； University of Alabama in Huntsville（阿拉巴马大学亨茨维尔分校） ； Google（谷歌） ； University of Missouri Columbia（密苏里大学哥伦比亚分校） ； Chunghwa Telecom Laboratories（春木电信实验室） ； University of Southern California（南加州大学） ； Polytechnique Montreal（蒙特利尔理工学院） ； Nutanix ； ThinkEvolve Labs（ThinkEvolve实验室） ； UCL（伦敦大学学院） ； Infocomm Media Development Authority（信息通信媒体发展局） ； Monark Health（Monark健康） ； Seoul National University（首尔国立大学） ； Microsoft（微软） ； Centre for Responsible AI (CeRAI), Wadhwani School of Data Science and AI (WSAI), Indian Institute of Technology Madras（负责任人工智能中心（CeRAI）、瓦达威人工智能学校（WSAI）、印度理工学院马德拉斯分校） ； University of Maryland, Baltimore County（马里兰大学巴尔的摩县分校） ； Microsoft Research India（微软印度研究院） ； Stanford University（斯坦福大学） ； Argonne National Laboratory（阿贡国家实验室） ； University of Oxford（牛津大学） ； KAIST（韩国科学技术院） ； Yonsei University（延世大学） ； Amazon（亚马逊） ； UIUC（伊利诺伊大学香槟分校） ； Rochester Institute of Technology（罗切斯特理工学院） ； Xenoscube Inc.（Xenoscube公司） ； Korea AI Safety Institute (K-AISI)（韩国人工智能安全研究所（K-AISI）） ； MLCommons ； CommonGround ； Artifex Labs（Artifex实验室）
AI总结 研究针对现有AI安全评估框架忽视文化差异问题，构建多语言多模态数据集Pluralis v0.1，从文化优先视角引入新评估范式，提出Judge - Pluralis集成，揭示特定地区失败模式，为多语言多元文化评估提供基础和创新起点。
RoME：针对多种对抗性扰动的低秩专家稳健混合
机构 * KAIST（韩国科学技术院） ； Oracle（甲骨文公司）
AI总结 研究针对多扰动对抗训练的鲁棒性权衡问题，提出RoME方法，通过低秩专家混合及双尺度门控、威胁引导门控多样化，在联合鲁棒性和自然准确性上优于现有方法，提升对未知威胁的鲁棒性。
Comments ECCV 2026
通过语义检索和时间重排实现多模态视频到音乐推荐
机构 * Graduate School of Culture Technology, KAIST（韩国釜山科学技术大学文化科技研究生院） ； Gaudio Lab, Inc（Gaudio实验室）
AI总结 提出用于视频到音乐推荐的两阶段框架VTMR，第一阶段通过全局嵌入检索语义兼容候选，第二阶段关注时间序列重排。实验显示该框架能提升推荐效果，人类偏好研究表明其在总体偏好上与商业基线相当，音乐质量优于生成基线。
Comments Accepted for publication at The Machine Learning for Audio workshop at ICML 2026
用于反无人机系统的基于不确定性驱动多智能体强化学习的延迟感知主动三角测量
机构 * Korea Advanced Institute of Science and Technology (KAIST)（韩国科学技术院）
AI总结 针对反无人机系统中目标定位问题，提出延迟感知、不确定性驱动的多智能体强化学习框架。通过Dec-POMDP公式、控制比较及多源协方差传播等方法，实验表明该框架能有效提高三角测量有效性，降低RMSE，凸显循环记忆对延迟补偿的关键作用。
Comments Accepted to IROS 2026
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