高校专区
解锁大型推理模型中细粒度翻译质量评估：通过协同演化隐式和显式推理
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） ； Huawei Translation Services Center, Beijing, China（北京华为翻译服务中心）
AI总结 针对大型推理模型在细粒度翻译质量评估上的困难，提出RIEQE两阶段训练框架，通过非思考监督微调（隐式推理）和思考强化学习（显式推理）协同演化，在WMT测试集上超越基线。
S$^3$LDBO: 一种用于去中心化双层优化的快照单循环算法
机构 * School of Mathematics, Hohai University（河海大学数学学院） ； School of Mathematics, Nanjing University（南京大学数学学院） ； Department of Computational Applied Mathematics and Operations Research, Rice University（理海大学计算应用数学与运筹学系）
AI总结 提出S$^3$LDBO算法，通过快照机制间歇跳过昂贵导数计算，实现去中心化双层优化的高效单循环求解，并理论证明其复杂度，实验验证计算效率与学习性能的平衡。
语音理解的统一可复现实验框架
机构 * X-LANCE Lab, Department of Computer Science and Engineering, Shanghai Jiao Tong University（上海交通大学计算机科学与工程系X-LANCE实验室） ； MoE Key Lab of Artificial Intelligence（人工智能MOE重点实验室） ； Jiangsu Key Lab of Language Computing（江苏省语言计算重点实验室） ； AISpeech Ltd（AISpeech有限公司） ； ETH Zürich（苏黎世联邦理工学院） ； Nanjing University（南京大学） ； Hangzhou Dianzi University（杭州电子科技大学） ； The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳））
AI总结 提出SURE框架，通过标准化预测格式、归一化和评分，以及代理辅助的训练转换流程，提高语音理解模型在部署场景下的可比性和可复现性。
Comments This paper is submitted to INTERSPEECH 2026
Immuno-VLM：通过生成式语义抗体实现大型视觉-语言模型的开放世界可信赖性
机构 * School of Software Engineering, Huazhong University of Science and Technology（华中科技大学软件学院） ； Nanyang Technological University, Singapore（新加坡南洋理工大学） ； Nanjing University（南京大学）
AI总结 针对大型视觉-语言模型在开放世界部署中因缺乏负面知识而将未知异常高置信度误分类为已知类别的“语义傲慢”问题，提出受生物免疫负选择启发的Immuno-VLM框架，利用大语言模型的生成推理主动产生“语义抗体”（近分布异常文本描述）来约束已知类决策空间，在ImageNet-1K和四个OOD基准上达到新最优。
Comments Accepted by ICML 2026
OmniMatBench：跨19个材料科学子领域的人类校准多模态推理基准
机构 * University of Science and Technology of China（中国科学技术大学） ； Shanghai Artificial Intelligence Laboratory（上海人工智能实验室） ； Fudan University（复旦大学） ； Southeast University（东南大学） ； Nanjing University（南京大学） ； Suzhou Laboratory（苏州实验室） ； Shanghai Jiao Tong University（上海交通大学）
AI总结 针对现有基准忽视从材料知识到应用的推理过程，提出OmniMatBench，包含3171个专家策划的问答与计算问题，覆盖19个子领域，评估13个多模态大模型，最佳模型仅得0.372分，揭示当前模型在材料科学推理中的显著差距。
Comments 22 Pages
SRUG: 基于阴影引导的可重光照城市场景生成模型
机构 * College of Computer Science, Nankai University（南开大学计算机科学学院） ； Nankai University（南开大学） ； Nanjing University（南京大学） ； 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SRUG框架，利用阴影引导3D补全模型恢复不可见区域几何，结合迭代材质分解和物理光照模型，实现从稀疏输入视图生成可重光照城市场景。
DynaGraph: 通过动态拓扑重构的轻量级多模型交互框架
机构 * Peking University（北京大学） ； Nanjing University（南京大学） ； Beijing Advanced Innovation Center for Integrated Circuits（北京集成电路先进制造创新中心） ； Beijing University of Posts and Telecommunications（北京邮电大学） ； Yanxin Co. Ltd（燕新有限公司）
AI总结 提出DynaGraph框架，通过动态拓扑重构和PEFT适配器复用，在单消费级GPU上实现多模型协作，接近72B单模型推理能力并大幅降低延迟和token消耗。
进化搜索中的计算分配：从深度-广度到多臂老虎机
机构 * University of Notre Dame（诺丁汉大学） ； Northeastern University（东北大学） ； University of Massachusetts Amherst（马萨诸塞大学阿默斯特分校） ； Southeast University（东南大学） ； Northwestern University（西北大学） ； Nanjing University（南京大学） ； Shanghai Artificial Intelligence Laboratory（上海人工智能实验室）
AI总结 针对LLM引导的进化搜索中固定预算的LLM调用分配问题，提出基于多臂老虎机的BaSE方法，通过跨并行轨迹分配调用，平均适应度提升12.3%。
贝叶斯采样如何帮助成员推断攻击？
机构 * Department of Statistics and Data Science, Southern University of Science and Technology（统计与数据科学系，南方科技大学） ； Shanghai Innovation Institute（上海创新研究院） ； School of Computer Science, Nanjing University（南京大学计算机科学系） ； Center for Applied Statistics and School of Statistics, Renmin University of China（应用统计中心和统计学系，中国人民大学）
AI总结 提出贝叶斯成员推断攻击（BMIA），通过拉普拉斯近似对单个参考模型进行贝叶斯采样以估计条件分数分布，理论证明降低模型内方差从而提升攻击性能，并在多模态数据集上实现最先进的效果与效率。
Comments Accepted to ICML 2026
G-STAR: 端到端全局说话人跟踪属性识别
机构 * Nanjing University（南京大学） ； Shanghai Jiao Tong University（上海交通大学） ； Central Media Technology Institute, Huawei（华为中央媒体技术研究院） ； Shenzhen Research Institute of Big Data（深圳大数据研究院） ； ETH Zürich（苏黎世联邦理工学院）
AI总结 提出G-STAR框架，通过缓存条件说话人跟踪模块与Speech-LLM转录骨干耦合，实现长时重叠多说话人语音的端到端说话人属性识别，支持组件优化和联合训练，在局部和全局评估中均表现优异。
Comments submitted to Emnlp 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