Nanjing University（南京大学）

Uncertainty Quantification for LLM-based Code Generation

基于大语言模型的代码生成的不确定性量化

Senrong Xu, Yuhao Tan, Yanke Zhou, Guangyuan Wu, Zenan Li, Yuan Yao, Taolue Chen, Feng Xu, Xiaoxing Ma

机构 * State Key Lab of Novel Software Technology, Nanjing University（南京大学新型软件技术国家重点实验室） ； ETH Zürich（苏黎世联邦理工学院） ； Birkbeck, University of London（伦敦大学伯克贝克学院） 纠错

AI总结 本文提出RisCoSet方法，通过多重假设检验构建风险控制的预测集，用于大语言模型代码生成任务，有效减少代码移除并提升准确性。

Fair Conformal Classification via Learning Representation-Based Groups

基于表示学习的公平符合分类

Senrong Xu, Yanke Zhou, Yuhao Tan, Zenan Li, Yuan Yao, Taolue Chen, Feng Xu, Xiaoxing Ma

机构 * State Key Lab of Novel Software Technology, Nanjing University, China（南京大学新型软件技术国家重点实验室） ； Birkbeck, University of London（伦敦大学伯克贝克学院） 纠错

AI总结 本文提出一种公平符合推理框架，通过学习基于表示的群体构建预测集，确保在自适应识别的子群体上实现条件覆盖，提升分类任务的公平性与可信度。

L2P: Unlocking Latent Potential for Pixel Generation

L2P：解锁像素生成的潜在能力

Zhennan Chen, Junwei Zhu, Xu Chen, Jiangning Zhang, Jiawei Chen, Zhuoqi Zeng, Wei Zhang, Chengjie Wang, Jian Yang, Ying Tai

机构 * Nanjing University（南京大学） ； Tencent Youtu Lab（腾讯云图实验室） ； Hainan-biuh（海南-比乌） ； Weess Gmbh（韦斯公司） 纠错

AI总结 本文提出L2P框架，通过利用预训练LDM的知识，高效构建像素空间模型，无需大量数据和计算资源，实现快速收敛和高分辨率生成。

Comments project page: https://nju-pcalab.github.io/projects/L2P/

Beyond Point-wise Neural Collapse: A Topology-Aware Hierarchical Classifier for Class-Incremental Learning

超越点 wise 神经坍塌：一种拓扑感知的分层分类器用于类增量学习

Huiyu Yi, Zhiming Xu, Dunwei Tu, Zhicheng Wang, Baile Xu, Furao Shen

机构 * National Key Laboratory for Novel Software Technology, Nanjing University, Nanjing, China（新型软件技术国家实验室，南京大学，中国南京） ； School of Computer Science, Nanjing University, Nanjing, China（计算机科学学院，南京大学，中国南京） ； School of Artificial Intelligence, Nanjing University, Nanjing, China（人工智能学院，南京大学，中国南京） 纠错

AI总结 本文提出 HC-SOINN 分类器，通过局部到全局的表示捕捉类 manifold 的拓扑结构，并引入 STAR 方法主动变形学习的拓扑以适应非线性特征漂移，实验验证了其在 manifold 变形下的鲁棒性。

Comments accepted by ICML2026

AccLock: Unlocking Identity with Heartbeat Using In-Ear Accelerometers

AccLock：利用耳内加速度计的心跳信号实现身份解锁

Lei Wang, Jiangxuan Shen, Xi Zhang, Dalin Zhang, Jingyu Li, Haipeng Dai, Chenren Xu, Daqing Zhang, He Huang

机构 * Soochow University（苏州大学） ； Macquarie University（麦考瑞大学） ； Aalborg University（奥尔堡大学） ； Peking University（北京大学） ； Nanjing University（南京大学） 纠错

AI总结 本文提出AccLock系统，通过耳内BCG信号提取用户特定特征，实现无交互的被动身份验证，具有零参与、环境噪声鲁棒性强等优势，实验表明其在33名参与者中达到3.13%的FAR和2.99%的FRR。

Efficient Remote KV Cache Reuse with GPU-native Video Codec

高效利用GPU原生视频编解码器实现远程KV缓存重用

Liang Mi, Weijun Wang, Jinghan Chen, Ting Cao, Haipeng Dai, Yunxin Liu

机构 * Nanjing University（南京大学） ； Institute for AI Industry Research (AIR), Tsinghua University（清华大学人工智能产业研究院（AIR）） 纠错

AI总结 本文提出基于GPU原生视频编解码器的远程KV缓存重用方案，通过紧凑布局和高效传输减少TTFT，实验显示比现有方法提升3.51倍。

Comments Accepted by SIGCOMM 2026

Online Continual Learning with Dynamic Label Hierarchies

在线持续学习与动态标签层次结构

Xinrui Wang, Shao-Yuan Li, Bartłomiej Twardowski, Alexandra Gomez-Villa, Songcan Chen

机构 * College of Computer Science（计算机科学学院） ； Technology, Nanjing University of Aeronautics（技术学院，南京航空航天大学） ； MIIT Key Laboratory of Pattern Analysis（模式分析 MIIT 实验室） ； Computer Vision Center, Spain（西班牙计算机视觉中心） ； Computer Sciences Department, Universitat Autonoma de Barcelona, Spain（巴塞罗那自治大学计算机科学系，西班牙） ； State Key Laboratory for Novel Software Technology, Nanjing University（新型软件技术国家重点实验室，南京大学） ； IDEAS Research Institute, Warsaw, Poland（华沙 IDEAS 研究院，波兰） ； Joint Laboratory of Spatial intelligent Perception（空间智能感知联合实验室） 纠错

AI总结 本文提出DHOCL框架，通过动态层次结构解决持续学习中的层次一致性与灾难性遗忘问题，HALO方法通过组织原型实现快速适应与知识整合。

Comments Accepted to ICML2026

Introducing Environmental Constraints to Grasping Strategies for Paper-Like Flexible Materials Using a Soft Gripper

引入环境约束以改进软夹具对纸张类柔性材料的抓取策略

Yi Dong, Yang Li, Jinjun Duan, Zhendong Dai

机构 * College of Mechanical and Electrical Engineering, Nanjing University（南京大学机械与电子工程学院） ； Jiangsu Key Laboratory of Bionic Materials and Equipment, Nanjing University of Aeronautics and Astronautics（江苏生物材料与设备重点实验室，南京航空航天大学） 纠错

AI总结 本文研究了使用通用软夹具抓取纸张类柔性材料的策略，通过环境约束分析其机械和运动模型，并设计评估系统验证材料和工况对抓取的影响。

Comments Under Review

When Agents Overtrust Environmental Evidence: An Extensible Agentic Framework for Benchmarking Evidence-Grounding Defects in LLM Agents

当智能体过度信任环境证据：一个可扩展的智能体框架，用于基准测试LLM智能体中的证据 grounding 缺陷

Strick Sheng, Ziyue Wang, Liyi Zhou

机构 * The University of Sydney（悉尼大学） ； Nanjing University（南京大学） 纠错

AI总结 本文提出EnvTrustBench框架，用于评估智能体在环境证据过时、错误或恶意时的可靠性问题，通过生成多个任务场景并验证结果，揭示证据 grounding 是智能体可靠性的重要挑战。

CoLVR: Enhancing Exploratory Latent Visual Reasoning via Contrastive Optimization

CoLVR: 通过对比优化增强探索性潜在视觉推理

Ziyang Ding, Linjian Meng, Yiming Wu, Yuhan Li, Yuhao Liu, Zhen Zhao

机构 * Shandong University（山东大学） ； Shanghai AI Laboratory（上海人工智能实验室） ； Nanjing University（南京大学） ； The University of Hong Kong（香港大学） 纠错

AI总结 CoLVR通过引入潜在对比训练框架，利用角度扰动引导学习多样化且探索性的表示，提升潜在视觉推理的探索能力，在VSP和Jigsaw任务中分别提升5.83%和8.00%。

AffineLens: Capturing the Continuous Piecewise Affine Functions of Neural Networks

AffineLens：捕捉神经网络中的连续分段仿射函数

Yi Wei, Xuan Qi, Furao Shen, Jian Zhao, Vittorio Murino, Cigdem Beyan

机构 * State Key Laboratory of Novel Software Technology School of Intelligence Science and Technology Nanjing University, Jiangsu, China（软件新技术国家重点实验室 智能科学与技术学院 南京大学 江苏 中国） ； AI for Good Istituto Italiano di Tecnologia, Genoa, Italy DITEN University of Genoa, Genoa, Italy（AI for Good 意大利技术研究院，热那亚，意大利 DITEN 热那亚大学，热那亚，意大利） ； State Key Laboratory of Novel Software Technology School of Artificial Intelligence Nanjing University, Jiangsu, China（软件新技术国家重点实验室 人工智能学院 南京大学 江苏 中国） ； AI for Good Istituto Italiano di Tecnologia, Genoa, Italy Department of Computer Science University of Verona, Verona, Italy（AI for Good 意大利技术研究院，热那亚，意大利 计算机科学系 热那亚大学，热那亚，意大利） 纠错

AI总结 本文提出AffineLens框架，用于计算神经网络中分段仿射函数的超平面排列和多面体结构，通过可视化区域划分和决策边界，提供对神经网络表达性的深入分析。

Training-Time Batch Normalization Reshapes Local Partition Geometry in Piecewise-Affine Networks

训练时批量归一化在分段仿射网络中重塑局部分区几何

Xuan Qi, Yi Wei, Fanqi Yu, Furao Shen, Vittorio Murino, Cigdem Beyan

机构 * AI for Good Istituto Italiano di Tecnologia（AI for Good 意大利技术研究院） ； DITEN University of Genoa（DITEN Genoa大学） ； State Key Laboratory of Novel Software Technology School of Intelligence Science and Technology（新型软件技术国家重点实验室 智能科学与技术学院） ； School of Artificial Intelligence Nanjing University（人工智能学院 南京大学） ； Department of Computer Science University of Verona（计算机科学系 Verona大学） 纠错

AI总结 研究训练时批量归一化在分段仿射网络中通过切换超平面几何和诱导的仿射区域分区影响局部分区精度。

KeyframeFace: Language-Driven Facial Animation via Semantic Keyframes

KeyframeFace: 通过语义关键帧实现语言驱动的面部动画

Jingchao Wu, Zejian Kang, Haibo Liu, Yuanchen Fei, Xiangru Huang

机构 * Westlake University（西湖大学） ； Nanjing University（南京大学） ； Zhejiang University（浙江大学） ； Hunan University（湖南大学） 纠错

AI总结 本文提出KeyframeFace框架，通过语义关键帧实现语言驱动的面部动画，提升面部表情的精确控制与可解释性。