高校专区
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
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/
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。
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
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。
为随机梯度MCMC学习探索
机构 * Korea Advanced Institute of Science and Technology (KAIST)（韩国科学技术院）
AI总结 本文提出一种元学习策略，使SGMCMC能够高效探索多模态后验分布，提升采样效率并优于传统SGMCMC方法。
Journal ref Proceedings of the 41st International Conference on Machine Learning, Proceedings of Machine Learning Research 235:24015-24039, 2024
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
统一多模态模型中理解与生成之间的可迁移性
机构 * KAIST AI（韩国科学技术院人工智能研究所） ； Blynx（布林克斯公司） ； Trillionlabs（万亿实验室）
AI总结 研究统一多模态模型中理解与生成任务间的可迁移性，通过实验发现其依赖架构，据此提出实用训练策略，训练对应理解任务迁移至生成可提升性能并减少分布偏移。
Comments Accepted at ECCV 2026. Project Page: https://cvlab-kaist.github.io/UMM_Transferability/
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。
Smooth $\%$MinMax：一种用于密码子优化的可微松弛方法
机构 * Department of Chemistry, KAIST（韩国科学技术院化学系） ； School of Chemistry and Chemical Engineering, Highfield Campus, University of Southampton（南安普顿大学化学与化学工程学院）
AI总结 针对传统$\%$MinMax等密码子优化指标离散不可微、无法适配梯度驱动神经密码子设计的问题，提出Smooth $\%$MinMax可微松弛方法，实现两类密码子设计的衔接。
Comments 17 pages, 2 figures
分层脚手架在数据稀缺情况下实现类人认知选择性
机构 * School of Computing（计算机学院） ； Department of Brain and Cognitive Sciences Korea Advanced Institute of Science and Technology（韩国科学技术院脑与认知科学系）
AI总结 受人类高效学习启发，引入基于认知心理学的分层学习框架SCALA，从粗概念结构引导模型到细粒度识别，有效提升数据稀缺时的准确率、泛化能力及新类别获取速度。
RAF：用于恶劣天气下稳健3D目标检测的相机、激光雷达和4D雷达的可靠性感知融合
机构 * Visual Intelligence Lab., KAIST（韩国科学技术院视觉智能实验室）
AI总结 针对恶劣天气下多传感器3D目标检测难题，提出RAF方法，通过明确监督像素可靠性估计，利用预训练网络，仅训练新增相机分支等，实验证明该方法有效提升检测精度。
Comments ECCV 2026
贝叶斯优化需要多少初始点？
机构 * Korea Advanced Institute of Science & Technology (KAIST)（韩国科学技术院） ； HayanMind Inc.（哈扬思维公司） ； Technical University of Nuremberg (UTN)（纽伦堡工业大学） ； Munich Center for Machine Learning (MCML)（慕尼黑机器学习中心） ； Helmholtz Munich（亥姆霍兹慕尼黑中心） ； Imperial College London（伦敦帝国理工学院）
AI总结 研究贝叶斯优化初始点数量选择问题，发现初始点数量与总成本呈U型关系，不同超参数和采集函数都存在此权衡，汤普森采样是例外，还给出实用建议。
Comments 4 pages. Accepted at the ICML 2026 Workshop on Decision-Making from Offline Datasets to Online Adaptation
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