高校专区
AREA: 基于CLIP的类增量学习中的属性提取与聚合
机构 * State Key Laboratory of Novel Software Technology, Nanjing University, China（新型软件技术国家重点实验室，南京大学，中国） ； School of Artificial Intelligence, Nanjing University, China（人工智能学院，南京大学，中国）
AI总结 提出AREA方法，通过主测地线分析稳定属性提取、轻量级任务专家和变分信息瓶颈正则化稳定属性聚合，并利用最优传输进行推理，以解决CLIP类增量学习中的灾难性遗忘问题。
Comments Accepted to ICML 2026. Code is available at https://github.com/LAMDA-CL/ICML2026-AREA
Audio-Mind: 一种可审计的音频理解智能体框架
机构 * School of Intelligence Science and Technology, Nanjing University, China（南京大学智能科学与技术学院） ； Department of Computer Science, ETH Zürich, Switzerland（苏黎世联邦理工学院计算机科学系） ； X-LANCE Lab, School of Computer Science, Shanghai Jiao Tong University, China（上海交通大学计算机科学学院X-LANCE实验室） ； School of Automation Science and Engineering, Xi’an Jiaotong University, China（西安交通大学自动化科学与工程学院） ； School of Computer Science, Northwestern Polytechnical University, China（西北工业大学计算机科学学院）
AI总结 提出Audio-Mind框架，通过条件性证据获取动态结合强前端与规划器引导的工具使用，解决音频理解中智能体证据获取的时机问题，在MMAR和MSU-Bench上分别达到80.4%和82.8%的准确率，并生成可审计的推理轨迹。
角色与轨道：多智能体结构化推理中保持契约的角色演化
机构 * National Key Laboratory for Novel Software Technology, Nanjing University（南京大学新型软件技术国家重点实验室） ； School of Intelligence Science and Technology, Nanjing University（南京大学智能科学与技术学院）
AI总结 提出SERO框架，通过契约保持的角色演化机制（信用引导检索、保护终端聚合器、条件验证器修复、上下文赌博机控制器）解决多智能体系统中角色漂移和契约破坏问题，在真实推理基准上验证有效性。
Comments 33 pages, 23 figures, 12 tables
面向不完整多模态输入的统一视觉-语言模型
机构 * School of Software Engineering, Huazhong University of Science and Technology（华中科技大学软件工程学院） ； Nanyang Technological University, Singapore（新加坡南洋理工大学） ； University College London（伦敦大学学院） ； Guangzhou University（广州大学） ； Wuhan University（武汉大学） ； Nanjing University（南京大学）
AI总结 针对视频-语言模型在传感器失效导致模态不完整数据下的训练-测试不一致问题，提出首个统一的不完整视频-语言模型作为即插即用模块，提升多模态任务性能。
Comments Published in AAAI 2026
Uni-LaViRA：面向统一具身导航的语言-视觉-机器人动作翻译
机构 * Nanjing University（南京大学） ； Beihang University（北京航空航天大学） ； Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所） ； BMW (Nanjing) Information Technology Co., Ltd.（宝马（南京）信息技术有限公司） ； University of Rochester（罗切斯特大学）
AI总结 提出Uni-LaViRA统一智能体架构，通过语言-视觉-机器人动作翻译结构，结合待办列表记忆和二次机会回溯机制，在零训练下实现四类导航任务和四种真实机器人的零样本泛化，性能匹配或超越近期训练式导航基础模型。
Comments Project page: https://xetroubadour.github.io/Uni-LaViRA/
LocateAnything: 基于并行框解码的快速高质量视觉定位
机构 * The Hong Kong Polytechnic University（香港理工大学） ； Princeton University（普林斯顿大学） ； Nanjing University（南京大学） ； University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）
AI总结 提出并行框解码（PBD）方法，将边界框和点作为原子单元单步解码，结合大规模数据集LocateAnything-Data，实现高效统一的目标定位与检测，在保持高精度同时显著提升解码吞吐量。
Comments fix github link
EpiAgent: 一种以智能体为中心的古铭文修复系统
机构 * School of Computer Science and Engineering, Southeast University, China（东南大学计算机科学与工程学院） ； Key Laboratory of New Generation Artificial Intelligence Technology and Its Interdisciplinary Applications (Southeast University), Ministry of Education, China（新一代人工智能技术及其跨学科应用关键实验室（东南大学），教育部，中国） ； Key Laboratory of Computer Network and Information Integration (Southeast University), Ministry of Education, China（计算机网络与信息集成关键实验室（东南大学），教育部，中国） ； Nanjing University Museum, Nanjing University, China（南京大学博物馆，南京大学，中国） ； The China Centre for Linguistic and Strategic Studies, Nanjing University, China（中国语言战略研究中心，南京大学，中国）
AI总结 提出基于智能体的EpiAgent系统，通过分层规划与LLM协调多模态分析、历史经验和专用工具，实现灵活自适应的古铭文修复，在真实退化铭文上取得更优修复质量和泛化能力。
Comments Accepted by CVPR 2026
PocketGS: 用于高感知建模的3D高斯泼溅设备端训练
机构 * Hong Kong Polytechnic University（香港理工大学） ； Nanjing University（南京大学）
AI总结 提出PocketGS，通过三个协同设计的算子（G、I、T）在移动设备上实现3D高斯泼溅的高效训练，在严格资源约束下保持高保真重建。
神经隐式动作场：从离散路点到连续函数的视觉-语言-动作模型
机构 * State Key Laboratory for Novel Software Technology, Nanjing University（南京大学新型软件技术国家重点实验室） ； Faculty of Computility Microelectronics, Shenzhen University of Advanced Technology（深圳大学计算微电子学院） ； Guangdong Provincial Key Laboratory of Computility Microelectronics（广东省计算微电子重点实验室） ； Amap, Alibaba Group（阿里集团Amap） ； Shenzhen University（深圳大学） ； Xi'an Jiaotong University（西安交通大学） ； Beijing University of Chemical Technology（北京化工大学）
AI总结 针对视觉-语言-动作模型预测离散动作路点与物理运动连续性不匹配的问题，提出神经隐式动作场（NIAF），通过将动作表示从离散路点重构为连续函数，实现任意时间分辨率的连续动作流形合成，支持解析求导和显式速度监督，提升控制平滑性和物理合理性。
Comments Accepted at ICML 2026
LUVE：基于双频专家的潜在级联超高分辨率视频生成
机构 * Nanjing University（南京大学） ； Nanyang Technological University（南洋理工大学）
AI总结 提出LUVE框架，通过三阶段潜在级联架构（低分辨率运动生成、潜在空间上采样、高分辨率内容精炼）结合双频专家，解决超高分辨率视频生成中的运动建模、语义规划和细节合成难题。
Comments ICML 2026
SAME: 用于多模态持续指令调优的稳定混合专家模型
机构 * State Key Laboratory of Novel Software Technology, Nanjing University, China（南京大学新型软件技术国家重点实验室） ； School of Artificial Intelligence, Nanjing University, China（南京大学人工智能学院）
AI总结 针对多模态持续指令调优中专家路由漂移和专家漂移问题，提出稳定混合专家模型（SAME），通过正交子空间分解路由动态和曲率感知缩放更新专家，实现无重放的状态最优性能。
Comments Accepted to ICML 2026. Code is available at https://github.com/LAMDA-CL/Prism
关于Transformer图像嵌入在非可解空间推理中的内在限制
机构 * School of Electronic Science and Engineering, Nanjing University, Nanjing, China（电子科学与工程学院，南京大学，南京，中国）
AI总结 本文通过将空间理解形式化为群同态问题，证明恒定深度Transformer由于TC⁰复杂度限制，无法在单次前向传播中捕获非可解群（如SO(3)）的空间结构。
FasterVAR：视觉自回归模型的即插即用加速
机构 * PCA Lab, VCIP, College of Computer Science, Nankai University（南开大学计算机学院、VCIP、PCA实验室） ； Program of Computer Science, City University of Hong Kong (Dongguan), China（香港城市大学（东莞）计算机系，中国） ； City University of Hong Kong, HK SAR, China（香港城市大学，香港特别行政区，中国） ； Mohamed bin Zayed University of Artificial Intelligence, UAE（阿联酋Mohamed bin Zayed人工智能大学） ； Linkoping University, Sweden（林地平大学，瑞典） ； PCA Lab, School of Intelligence Science and Technology, Nanjing University（南京大学智能科学与技术学院、PCA实验室） ； College of Artificial Intelligence, Jilin University（吉林大学人工智能学院）
AI总结 针对VAR模型在大尺度步骤计算复杂度高的问题，提出一种基于阶段感知的即插即用加速框架FasterVAR，通过保留早期关键步骤并剪枝或近似后期细节步骤，实现最高3.4倍加速且几乎无性能损失。
Comments Accepted at ICML2026
审计医疗多智能体AI揭示虚假共识风险
机构 * National Engineering Research Center for Software Engineering, Peking University（北京大学软件工程国家工程研究中心） ； School of Computing and Data Science, The University of Hong Kong（香港大学计算机与数据科学学院） ； Department of Nephrology, Peking University Third Hospital（北京大学第三医院肾内科） ； Key Laboratory of Carcinogenesis and Translational Research (Ministry of Education), Department of Lymphoma, Peking University Cancer Hospital & Institute（教育部癌症发生与转化研究重点实验室、北京大学肿瘤医院淋巴瘤科） ； Department of Automation, Tsinghua University（清华大学自动化系） ； Centre for Medical Informatics, The University of Edinburgh（爱丁堡大学医学信息学中心） ； Health Data Research UK（英国健康数据研究机构） ； Lee Kong Chian School of Medicine, Nanyang Technological University（南洋理工大学李科贤医学院） ； State Key Laboratory for Novel Software Technology, School of Computer Science, Nanjing University（南京大学新型软件技术国家重点实验室、计算机科学学院）
AI总结 本研究提出MedAgentAudit框架，通过专家验证的审计流程诊断医疗多智能体系统中的协作失败模式，发现虚假共识、权威偏差等系统性风险。
Comments Code and Data: https://github.com/MedX-PKU/MedAgentAudit
ObjFiller3D：将3D物体修复扩展到密集多视图一致性
机构 * Nanjing University（南京大学） ； Great Bay University（大湾大学） ； Harbin Institute of Technology（哈尔滨工业大学） ； Sun Yat-sen University（中山大学）
AI总结 提出ObjFiller-3D方法，通过联合优化密集采样视图的时序生成、语义感知补全和循环一致性3D编码，实现高质量且一致的多视图3D物体修复与编辑。
Comments Project page: https://objfiller3d.github.io/ Code: https://github.com/objfiller3d/ObjFiller-3D
RASR: 面向实际参考图像复原的检索增强超分辨率
机构 * 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） ； Institute of Artificial Intelligence (TeleAI), China Telecom（人工智能研究院（TeleAI），中国电信） ； State Key Laboratory of Internet of Things for Smart City（物联网智慧城市国家重点实验室） ； Department of Computer Science and Information Science, University of Macau（澳门大学计算机科学与信息科学系）
AI总结 提出检索增强超分辨率（RASR）范式，通过自动检索参考图像实现实际场景下的参考超分辨率，并构建基准数据集RASR-Flickr30及基线模型RASRNet。
Comments Accepted at ISCAS 2026
事件相机的帧间间隔显微术
机构 * National Key Laboratory for Multimedia Information Processing（国家多媒体信息处理重点实验室） ； Westlake Laboratory of Life Sciences and Biomedicine（西湖生命科学与生物医学实验室） ； School of Automation（自动化学院） ； Department of Automation（自动化系） ； Nanjing University Medical School（南京大学医学院）
AI总结 提出基于事件相机的帧间间隔显微术（IEIM），通过量化连续事件的时间间隔实现静态和动态场景的强度重建，在荧光显微镜中实现高时空分辨率和动态范围。
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