高校专区
FakeVLM-R1：通过思维链内化物理定律进行合成图像检测
机构 * Shanghai AI Lab（上海人工智能实验室） ； Nanjing University（南京大学） ； Sun Yat-Sen University（中山大学） ； Shenzhen University（深圳大学） ； Peking University（北京大学） ； Tsinghua University（清华大学）
AI总结 提出FakeVLM-R1框架，结合监督微调、组相对策略优化和批判性思维链机制，通过双向辩证推理和物理常识构建真实性反证，实现高精度、逻辑可解释的合成图像检测，解决现有方法的过度拒绝偏差。
SkillsInjector: 面向LLM智能体的动态技能上下文构建
机构 * Nanjing University（南京大学） ； Shanghai AI Lab（上海人工智能实验室）
AI总结 针对静态技能注入导致性能下降的问题，提出SkillsInjector两阶段自适应方法，通过上下文规划器学习技能偏好并自适应预算，结合集合感知渲染器优化描述呈现，在三个基准上分别提升3.9、6.1和7.3个百分点。
F-RNG: 前馈可重光照神经高斯
机构 * Nankai University（南开大学） ； Nanjing University（南京大学） ； NVIDIA
AI总结 提出前馈框架F-RNG，利用现有大型重建模型和内在分解模型先验，从稀疏视图直接生成可重光照的3D高斯资产，实现快速高质量重光照。
SSDAU：面向联合实体关系抽取的结构化语义数据增强
机构 * State Key Laboratory for Novel Software Technology, Nanjing University, Nanjing, China（南京大学新型软件技术国家重点实验室） ； Amap, Alibaba Group, China（阿里巴巴集团阿地图） ； University of Alberta, Edmonton, Canada（阿尔伯塔大学） ； The University of Tokyo, Tokyo, Japan（东京大学）
AI总结 提出结构化语义数据增强方法SSDAU，通过保留三元组感知语义结构、上下文感知编码和BERTopic过滤，提升联合实体关系抽取的泛化能力，在多个模型和数据集上优于现有方法。
Comments 10 pages, 4 figure
OpenClawBench: 真实智能体执行轨迹中过程侧异常的基准测试
机构 * School of Software, Shandong University（山东大学软件学院） ； School of Artificial Intelligence, Nanjing University（南京大学人工智能学院；南京大学新型软件技术国家重点实验室） ； State Key Laboratory of Novel Software Technology, Nanjing University（医学人工智能中心；青岛中医药科学院；海洋传统中医研究所，山东中医药大学） ； Center for Medical Artificial Intelligence（四川大学软件工程学院） ； Qingdao Academy of Chinese Medical Sciences ； Institute of Marine Traditional Chinese Medicine, Shandong University of Traditional Chinese Medicine ； School of Software Engineering, Sichuan University
AI总结 提出OpenClawBench数据集，通过FullTax标注框架量化智能体执行中的过程侧异常，揭示仅基于结果评估的不足。
Comments 37 pages, 1 figure, 43 tables
行为感知的辅助校正用于离策略时序差分预测
机构 * Nanjing University of Posts and Telecommunications（南京邮电大学） ； Department of Computer Science and Technology, Nanjing University（南京大学计算机科学与技术系） ； College of Electronic Countermeasure, National University of Defense Technology（国防科技大学电子对抗学院）
AI总结 针对离策略时序差分学习的不稳定性，提出行为感知的辅助协方差校正方法（BA-TDC/BA-TDRC），通过替换辅助矩阵为行为贝尔曼矩阵，并引入正则化，在保持不动点和收敛性的同时提升性能。
行为诱导的镜像-近似时间差分学习用于更快的离策略预测
机构 * Nanjing University of Posts and Telecommunications（南京邮电大学） ； Department of Computer Science and Technology, Nanjing University（南京大学计算机科学与技术系） ； College of Electronic Countermeasure, National University of Defense Technology（国防科学技术大学电子对抗学院）
AI总结 提出一种行为诱导的镜像-近似时间差分方法（STHTD-MP），通过用行为策略Bellman矩阵的对称部分替换协方差度量来改进离策略预测的几何结构，并证明其收敛性和更小的平均收缩因子。
TACO：用于连续神经映射的时间共识优化
机构 * School of Intelligence Science（智能科学学院） ； Department of Aerospace Engineering（航空航天工程系） ； Department of Mechanical Engineering and Technology（机械工程与技术系） ； University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； University of California Berkeley（加州大学伯克利分校） ； Nanjing University（南京大学）
AI总结 提出TACO框架，通过将映射建模为时间共识优化问题，无需回放历史数据即可实现动态环境下的连续神经映射，平衡了内存效率与适应性。
Comments In: Robotics: Science and Systems (RSS 2026)
用于电影心脏磁共振-文本驱动的心力衰竭结局预测的可组合多模态框架
机构 * Department of Cardiology, Nanjing Drum Tower Hospital, State Key Laboratory of Pharmaceutical Biotechnology, Nanjing University（南京鼓楼医院心内科，南京大学国家药物生物技术重点实验室） ； School of Electronic Information and Electrical Engineering, Shanghai Jiao Tong University（上海交通大学电子信息与电气工程学院） ； College of Electronic and Optical Engineering, Nanjing University of Posts and Telecommunications（南京邮电大学电子与光学工程学院） ； College of Integrated Circuit Science and Engineering, Nanjing University of Posts and Telecommunications（南京邮电大学集成电路科学与工程学院） ； Department of Cardiology, Nanjing Drum Tower Hospital Clinical College of Nanjing Medical University（南京医科大学南京鼓楼医院临床学院心内科） ； Institute of Quantum Information and Technology, Nanjing University of Posts and Telecommunications（南京邮电大学量子信息与技术研究院）
AI总结 提出一种可组合多模态框架，通过整合cine CMR影像、结构化临床指标和非结构化文本记录，实现比单模态AI算法更准确的心力衰竭预后预测，并支持个性化治疗优化。
KAN-AD：基于Kolmogorov-Arnold网络的时间序列异常检测
机构 * Computer Network Information Center, Chinese Academy of Sciences（中国科学院计算机网络信息中心） ； University of the Chinese Academy of Sciences（中国科学院大学） ； Hangzhou Institute for Advanced Study, University of the Chinese Academy of Sciences（中国科学院大学杭州高等研究 institute） ； Institute of Computing Technology, Chinese Academy of Sciences（中国科学院计算技术研究所） ； School of Frontier Sciences, Nanjing University（南京大学前沿科学学院） ； Department of Computer Science and Technology, Tsinghua University（清华大学计算机科学与技术系）
AI总结 针对时间序列异常检测中预测模型易过拟合局部波动的问题，提出用截断傅里叶展开替代B样条的KAN-AD方法，通过强调全局模式并抵抗局部扰动，在四个基准上平均检测精度提升15%。
Comments 11 pages, ICML 2025
Journal ref Proceedings of the 42nd International Conference on Machine Learning, PMLR 267:79136-79149, 2025
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