高校专区
REAR: 通过奖励分解实现测试时偏好重对齐
机构 * Nanyang Technological University（新加坡国立大学） ； Nanjing University（南京大学）
AI总结 提出REAR框架，通过将奖励函数分解为问题相关和偏好相关两部分，推导出可线性组合的对齐奖励，实现无需训练的测试时偏好重对齐，适用于多种任务。
Comments Accepted by ICML 2026
Dynamo: 视觉-语言代理的动态技能-工具演化
机构 * Qwen Large Model Application Team, Alibaba（阿里云大模型应用团队） ； Alibaba Zhejiang University（阿里巴巴浙江大学） ； University of Waterloo（多伦多大学） ； Vector Institute（向量研究所） ； Nanjing University（南京大学） ； Binjiang Institute of Zhejiang University（浙江大学滨江学院）
AI总结 提出Dynamo，一种无需训练、无需权重更新的框架，通过让冻结的VLM在少量标注数据上自我检查并演化可复用的推理技能和可执行的视觉工具，提升视觉推理性能。
IREU：面向定制肖像生成的基于身份的仅编码器遗忘
机构 * PCA Lab, School of Computer Science and Engineering, Nanjing University of Science and Technology（计算机科学与工程学院，南京理工大学PCA实验室） ； PCA Lab, School of Intelligence Science and Technology, Nanjing University（智能科学与技术学院，南京大学PCA实验室）
AI总结 针对定制肖像生成中的隐私风险，提出IREU方法，通过离线定位身份相关特征并仅扰动这些特征来实现身份遗忘，同时保持其他身份的高保真度。
Comments Accepted to ECCV 2026
A3M：重复拍卖中战略投标的自适应、对抗和多目标学习
机构 * Department of Computer Science（计算机科学系） ； Nanjing University（南京大学）
AI总结 提出A3M框架，集成自适应深度强化学习、对抗推理和多目标奖励设计，在重复拍卖中动态平衡探索与利用，对抗非平稳对手，并联合优化效用、收入与公平性，在歧视性和统一价格拍卖中降低最终遗憾30-40%。
Comments 23 pages
通过反事实视觉基础不确定性检测LVLM中的临床幻觉
机构 * School of Intelligent Science and Technology, Nanjing University（南京大学智能科学与技术学院） ； National Institute of Healthcare Data Science at Nanjing University（南京大学医疗数据科学国家研究院） ； School of Biomedical Engineering, Nanjing University（南京大学生物医学工程学院）
AI总结 提出一种基于反事实视觉基础不确定性的框架，通过提取实体并对比正反事实定位结果计算不确定性分数，无需修改模型即可检测LVLM在临床图像中的幻觉。
Comments 10 pages, 4 figures
SpeakerCard-1M：面向野外说话人确认的基于证据的说话人卡片语料库
机构 * Brno University of Technology, Czechia（布拉格技术大学，捷克） ； Peking University, China（北京大学，中国） ； Xiaomi, China（小米，中国） ； Athens University of Economics and Business, Greece（雅典经济与商业大学，希腊） ； The Hong Kong Polytechnic University, Hong Kong（香港理工大学，香港） ； Nanjing University, China（南京大学，中国）
AI总结 提出SpeakerCard-1M双语说话人资源，通过声学探针和受限LLM生成结构化说话人卡片，并定义跨模态协议以支持基于证据的说话人确认。
Comments Corpus and protocols at https://junyipeng00.github.io/SpeakerCard-1M-page
HSD：基于分层推测解码的文档解析视觉语言模型训练免费加速
机构 * South China University of Technology（华南理工大学） ； Shanghai Artificial Intelligence Laboratory（上海人工智能实验室） ； Shenzhen Institute of Advanced Technology, CAS（中国科学院深圳先进技术研究院） ； Nanjing University（南京大学）
AI总结 本文提出HSD分层推测解码框架，通过轻量级管道起草器预测区域划分并生成粗稿，分阶段验证以保持全文连贯性，实验证明在文档解析任务中实现显著加速。
Comments ECCV 2026
RefAlign：参考到视频生成的表示对齐
机构 * PCA Lab, VCIP, College of Computer Science, Nankai University（南开大学计算机学院VCIP实验室PCA Lab） ； Baidu Inc.（百度公司） ； PCA Lab, School of Intelligence Science and Technology, Nanjing University（南京大学智能科学与技术学院PCA Lab） ； College of Artificial Intelligence, Jilin University（吉林大学人工智能学院）
AI总结 RefAlign通过显式对齐DiT参考分支特征与视觉基础模型的语义空间，提升参考生成的准确性与可控性，实验表明其在R2V任务中优于现有方法。
Comments Accepted to ECCV 2026;Code: https://github.com/gudaochangsheng/RefAlign Project: https://gudaochangsheng.github.io/RefAlign-Page/
Em-Garde：一种用于主动流视频理解的提出-匹配框架
机构 * Institute for AI Industry Research (AIR), Tsinghua University（清华大学人工智能产业研究院（AIR）） ； Institute for Interdisciplinary Information Sciences (IIIS), Tsinghua University（清华大学交叉信息研究院（IIIS）） ； Nanjing University（南京大学） ； University of Science and Technology of China（中国科学技术大学） ； Microsoft Research Asia（微软亚洲研究院）
AI总结 本文提出Em-Garde框架，通过解耦语义理解与流感知，提升主动响应的准确性和效率，实验验证其在严格计算约束下的有效性。
重新审视过度思考：在CoT推理中惩罚内部和外部冗余
机构 * Nanjing University（南京大学）
AI总结 本文从语义效率角度重新审视过度思考问题，将CoT冗余分为内部和外部两种类型，并提出双惩罚强化学习框架以优化推理过程和终止行为，实验表明该方法在不同模型规模上显著减少推理长度并保持高精度。
Comments This work has been submitted to the IEEE for possible publication
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