高校专区
基于核回归的SDF库：利用核回归进行实时符号距离函数估计的开源库
机构 * University of California, San Diego（加州大学圣地亚哥分校） ； Korea Advanced Institute of Science and Technology (KAIST)（韩国科学技术院）
AI总结 本文提出Kernel-SDF开源库，通过核回归实时估计带不确定性的符号距离函数，提供高精度SDF、梯度和网格构造，适用于机器人应用。
Comments Accepted to IEEE Robotics and Automation Letters (RA-L) 2026; code: https://github.com/ExistentialRobotics/kernel_sdf
理解并加速掩码扩散语言模型的训练
机构 * KAIST（韩国科学技术院） ； Sony AI（索尼人工智能） ； University of Tokyo（东京大学） ； Sony Group Corporation（索尼集团）
AI总结 本文研究了掩码扩散模型训练缓慢的原因，提出bell-shaped时间采样策略，显著提升训练效率和模型性能。
Comments Preprint
CR-QAT: 基于课程关系量化感知训练的开放词汇目标检测
机构 * Incheon National University, Incheon, South Korea（韩国仁川国立大学） ； KAIST, Daejeon, South Korea（韩国成均馆大学） ； University of Seoul, Seoul, South Korea（首尔大学）
AI总结 CR-QAT通过课程关系量化感知训练提升开放词汇目标检测在低比特设置下的性能，实现显著的AP提升。
Multi$^2$：基于LLM智能体在交互环境中的分层多智能体决策
机构 * KAIST（韩国科学技术院）
AI总结 提出Multi$^2$分层多智能体决策框架，通过高层智能体（System 1）使用监督微调生成子目标，低层智能体（System 2）使用离线到在线强化学习执行原子动作，以缓解目标漂移并实现长期稳定控制。
Comments Accepted at ICML 2026
用于少步离散扩散的张量训练联合建模
机构 * KAIST（韩国科学技术院）
AI总结 研究离散扩散少步生成潜力受限问题，用张量分解进行联合分布建模，支持多种分解方式，提出迭代边际推理程序，通过微调预训练模型大幅提升少步生成效果。
利用全国脓毒症登记处的真实世界数据增强大语言模型的临床推理能力
机构 * Korea Advanced Institute of Science and Technology（韩国科学技术院） ； Microsoft（微软） ； Asan Medical Center, University of Ulsan College of Medicine（釜山大学医学院阿桑医疗中心） ； Samsung Medical Center, Sungkyunkwan University School of Medicine（成均馆大学医学院三星医疗中心） ； Seoul National University Bundang Hospital, Seoul National University College of Medicine（首尔国立大学医学院首尔国立大学医院）
AI总结 研究旨在增强大语言模型临床推理能力，利用全国脓毒症登记处数据构建问题，通过强化学习微调模型得到C-Reason，该模型在域内测试集表现出色，推理能力能推广到不同任务和疾病，为开发通用临床推理模型提供思路。
Comments Accepted at MLHC 2026
ADP：用于物理基础类人机器人运动的对抗动力学先验
机构 * Mechatronics, Systems and Control Lab (MSC Lab), Department of Mechanical Engineering, Korea Advanced Institute of Science and Technology (KAIST)（韩国科学技术院机械工程系机电一体化、系统与控制实验室（MSC实验室）） ； Samsung Electronics, Future Robotics AI Group（三星电子未来机器人人工智能集团） ； School of Electrical Engineering, Hanyang University（汉阳大学电气工程学院） ； Advanced Robotics Research Center, Korea Institute of Machinery & Materials (KIMM)（韩国机械与材料研究所先进机器人研究中心）
AI总结 提出对抗动力学先验（ADP）用于类人机器人抗干扰运动控制。以动力学特征取代运动学特征作对抗目标，用轨迹优化建参考数据集训练鉴别器，提升机器人抗干扰及运动跟踪能力。
Comments 8 pages, 6 figures
通过推理模型作为评估器来提升评估时的计算能力
机构 * CMU（卡内基梅隆大学） ； UIUC（伊利诺伊大学） ； KAIST AI（韩国科学技术院人工智能研究所） ； NEC Laboratories Europe（日本 NEC 欧洲实验室） ； Ss.Cyril and Methodius University of Skopje（斯科普里塞尔吉尔和梅蒂乌斯大学）
AI总结 本文探讨了通过增加评估时的计算量来提升语言模型的评估能力，利用推理模型作为评估器，分别评估响应整体和每个步骤，从而提高评估效果。
Comments ACL 2026 Findings
TheBioCollection：用于生物学的统一预训练规模语言模型语料库
机构 * Trillion Labs ； KAIST（韩国科学技术院） ； SK Biopharmaceuticals Co., Ltd.（SK生物制药公司） ； Lunit Inc.（Lunit公司） ； AIGEN Sciences Inc.（AIGEN科学公司）
AI总结 为满足生物学大语言模型训练需求，提出TheBioCollection语料库，整合异构生物资源并丰富记录、引入新任务，配对TheBioCollection-Eval评估，固定架构训练后模型在各领域表现提升，语言能力基本不变。
RoboWorld: 用于通用机器人策略评估的快速可靠神经模拟器
机构 * KAIST（韩国科学技术院） ； Config
AI总结 提出RoboWorld自动化评估流程，结合快速自回归视频世界模型和任务进度感知视觉语言模型评分，通过Step Forcing减少训练-测试不匹配，实现与真实世界评估高度一致。
Comments Project page: https://byeongguks.github.io/RoboWorld/
AMUSE: 任何时刻的Muon with Stable Gradient Evaluation
机构 * KAIST（韩国科学技术院） ； KRAFTON（KRAFTON公司） ； Seoul National University（首尔国立大学）
AI总结 本文研究了Muon算法的机制，提出了一种名为AMUSE的算法，通过结合Muon的快速批量进步和Schedule-Free平均的稳定效果，实现了无需学习率调度的任何时刻训练，并在视觉任务和大语言模型预训练中提升了性能-迭代帕累托前沿。
Comments 44 pages, 27 figures
重新思考多领域测试时扩展的奖励模型
机构 * KAIST（韩国科学技术院） ； Microsoft Research Asia（微软亚洲研究院） ； TH Nürnberg
AI总结 研究多领域测试时扩展的奖励模型，对四种奖励模型变体进行统一评估，发现dORM与dPRM相当，gPRM无竞争力，gORM最稳健，挑战细粒度监督更好的假设，支持生成式结果验证并公开代码。
多任务学习还不够：双输出第二语言语音识别中的表示纠缠
机构 * KAIST（韩国科学技术院）
AI总结 针对双输出第二语言语音识别，研究发现多任务学习导致表面转录性能下降，归因于编码器级别的表示纠缠，尤其在英语中随表面-意义差异增大而加剧。
Comments 5 pages, 2 figures, Accepted to the 43rd International Conference on Machine Learning Workshop on Machine Learning for Audio
CTFusion: 一种基于CTF的LLM代理评估基准
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CTFusion，一种基于CTF的评估框架，通过减少竞争影响和数据污染，提升对LLM代理的评估可靠性。
Comments Accepted at the Second Workshop on Agents in the Wild: Safety, Security, and Beyond (AIWILD), ICML 2026. Revised to match the camera-ready version. OpenReview: https://openreview.net/forum?id=aUSUvS4dPL
大语言模型在经济因果推理中的意识形态偏见
机构 * Graduate School of Data Science, KAIST（韩国科学技术院数据科学研究生院） ； College of Business, KAIST（韩国科学技术院商学院） ； School of Computing, KAIST（韩国科学技术院计算机学院） ； Division of Social Science, HKUST（香港科技大学社会科学系）
AI总结 研究探讨LLM在经济因果推理中的意识形态偏见，通过扩展EconCausal基准测试，评估20种先进LLM在处理意识形态冲突案例时的准确性，发现LLM在意识形态冲突案例上表现更差，且存在系统性偏倚。
Comments Accepted at COLM 2026
无模型通用人工智能
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 提出首个在通用强化学习中证明渐近ε最优的无模型智能体AIQI，通过分布动作值函数的通用归纳实现，并扩展了Self-AIXI的渐近最优性证明。
Comments 42nd Conference on Uncertainty in Artificial Intelligence (UAI 2026)
SplatReasoner：通过新颖视图合成增强具身推理与基础能力
机构 * POSTECH ； KAIST（韩国科学技术院） ； ETRI（韩国电子电信研究院） ； NVIDIA（英伟达）
AI总结 研究针对视觉语言模型应用于具身场景理解受固定视角限制的问题，提出SplatReasoner框架，利用3D高斯点云将新颖视图合成引入推理过程，经实验验证该方法能提升具身推理和3D基础能力。
Comments Accepted at ECCV 2026. Project page: https://splatreasoner.github.io/
MeCo: 基于MeanFlow的一步校正器用于多通道语音分离
机构 * School of Electrical Engineering, KAIST（韩国成均馆大学电气工程学院）
AI总结 提出MeCo，一种基于MeanFlow的一步生成式校正器，通过数据空间优化联合训练生成目标与信号保真度，在极低计算开销下同时提升信号保真度和人耳听觉质量。
Comments 5 pages, accepted to Interspeech 2026
CLAY：视觉相似性模拟能力在视觉-语言嵌入空间中的条件性
机构 * KAIST（韩国科学技术院）
AI总结 CLAY通过重构预训练视觉-语言模型的嵌入空间，实现基于文本条件的灵活相似性计算，提升多条件检索效率与准确性。
Comments CVPR 2026, Project page: https://sohwi-lim.github.io/CLAY
LLM4Delay：通过大语言模型与飞机轨迹表示的跨模态适应进行航班延误预测
机构 * Korea Advanced Institute of Science and Technology（韩国科学技术院）
AI总结 本文提出LLM4Delay框架，通过整合文本航空信息和轨迹数据，提升航班延误预测精度，展示出文本与轨迹数据互补的优势。
用于对大型视觉语言模型进行对抗攻击的逐阶段注意力引导区域排序
机构 * KAIST（韩国科学技术院） ； KENTECH（KENTECH研究院）
AI总结 研究针对大型视觉语言模型的有针对性对抗攻击，基于注意力分析提出逐阶段注意力引导区域排序，介绍了黑盒区域排序框架SAGA，在多个模型上取得了最先进的攻击成功率和最佳不可感知性。
Comments Pre-print
SA-ResGS：用于下一个最佳视图选择的自增强残差3D高斯点云绘制
机构 * POSTECH（POSTECH大学） ； KAIST（韩国科学技术院） ； Huawei Noah’s Ark Lab（华为诺亚实验室） ； Rivian
AI总结 提出SA-ResGS框架，通过生成自增强点云稳定不确定性量化，增强不确定性感知监督。采用残差学习策略应对高斯分布监督不足问题，贡献包括物理视图选择策略、不确定性感知残差监督方案等，实验表明其性能优于基线。
Comments Accepted at ECCV 2026. Project page: https://saresgs.github.io/
InverseCrafter：作为潜在域逆问题的高效视频重新捕捉
机构 * Graduate School of AI, KAIST, South Korea（韩国釜山国立大学人工智能研究生院） ； EverEx, South Korea（韩国EverEx公司） ； Korea University, South Korea（韩国国立庆熙大学）
AI总结 提出InverseCrafter框架，将新视角视频生成转化为潜在空间基于图像修复的逆问题，通过轻量级潜在掩码编码器建立算子等价，无需标注4D训练数据，实现高效合成与编辑。
Comments ECCV 2026
视觉语言动作模型的无验证测试时采样
机构 * KAIST（韩国科学技术院） ； Seoul National University（首尔国立大学） ； RLWRLD
AI总结 针对视觉语言动作模型在高精度任务中的局限，提出无验证测试时缩放框架MG-Select，利用模型内部属性，通过参考动作令牌分布选最优动作，经联合训练改进参考分布，提升模型表现。
Comments Accepted to ICLR 2026. Project page: https://suhyeok-jang.github.io/mg-select/
DynamixSFT：指令微调集合的动态混合优化
机构 * University of Michigan（密歇根大学） ； Microsoft Research（微软研究院） ； KAIST AI（韩国科学技术院人工智能研究所） ； Drexel University（德雷塞尔大学）
AI总结 针对不断涌现的指令微调数据集，提出DynamixSFT动态自动优化方法。将问题转化为多臂老虎机设置，采用Prior-scaled Boltzmann Exploration和1-Step Look-ahead Reward更新采样概率，有效优化数据集并减少计算开销。
Comments ACL 2026 Findings
Journal ref Findings of the Association for Computational Linguistics: ACL 2026, pp. 39590-39603
增强视觉语言模型以理解多样传感器：成本高效的优化与基准测试
机构 * Korea Advanced Institute of Science and Technology (KAIST)（韩国科学技术院）
AI总结 提出传感器感知属性微调（SAFT）与多样负属性（DNA）优化，利用少量传感器数据克服RGB中心偏见，无需修改模型架构，显著提升非RGB传感器图像理解，并发布首个综合基准VS-TDX。
Comments The manuscript was posted before all internal disclosure and documentation checks were completed. We are withdrawing this version to avoid confusion while the authors complete the necessary review process
平均场Langevin下降-上升的局部指数稳定性及相关粒子系统
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） ； Université Gustave Eiffel（古斯塔夫·埃菲尔大学）
AI总结 研究平均场Langevin下降-上升动力学在Wasserstein空间中的局部指数收敛性，证明混合纳什均衡具有稳健吸引域，且有限粒子系统继承该稳定性至指数时间。
Clotho：用于LLM输入的任务特定预生成测试充分性度量
机构 * Korea Advanced Institute of Science and Technology（韩国科学技术院） ； Chalmers University of Technology Gothenburg Sweden（楚德大学哥德堡瑞典） ； Chalmers University of Technology（楚德大学）
AI总结 Clotho通过分析LLM隐藏状态直接估计输入难度，无需生成输出即可评估测试输入的有效性，提升测试效率并降低LLM执行成本。
Comments FSE 2026 Camera Ready version
用小代理模型预测LLM推理性能
机构 * Trillion Labs ； KAIST AI（韩国科学技术院人工智能系）
AI总结 提出rBridge方法，通过任务对齐加权负对数似然，使小模型（≤1B）有效预测大模型推理性能，成本降低超100倍，在1B-32B规模上实现最强相关性。
Comments ICLR 2026
GeoNVS: 基于几何的视频扩散模型用于新视角合成
机构 * KAIST, South Korea（韩国科学技术院） ； Luma AI, USA（Luma AI（美国））
AI总结 提出GeoNVS，通过高斯溅射特征适配器将扩散特征提升为3D高斯表示，增强几何保真度和相机可控性，在新视角合成任务上超越现有方法。
Comments The code will be available at https://sites.google.com/view/minjun-kang/geonvs-eccv26 (ECCV 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