高校专区
EgoMonth：面向长期时空记忆的月级自我中心视频基准
机构 * Nanjing University（南京大学） ； Huawei Technologies Co., Ltd.（华为技术有限公司） ； Tianjin University（天津大学）
AI总结 研究人员推出首个月级自我中心视频基准EgoMonth，评估发现当前主流MLLMs的长期时空记忆能力远逊于人类，仅为有损总结器而非忠实记忆器。
Comments 21 pages, 4 figures, 6 tables, including appendices
JailWAM: 在机器人控制中对World Action Models进行劫持
机构 * MoE key Lab of Artificial Intelligence, AI Institute, Shanghai Jiao Tong University（上海交通大学人工智能研究院教育部重点实验室） ； PR Lab, Nanjing University（南京大学PR实验室） ； Defense Innovation Institute, Chinese Academy of Military Science（军事科学院国防创新研究院）
AI总结 本文提出JailWAM框架，通过三级安全分类体系和三个核心组件，系统评估WAM的安全性，实验表明其能有效暴露物理漏洞，攻击成功率高达84.2%。
多视角视频扩散策略：一种3D空间-时间感知的视频动作模型
机构 * New Laboratory of Pattern Recognition (NLPR), Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所模式识别国家重点实验室） ； School of Artificial Intelligence, University of Chinese Academy of Sciences（中国科学院大学人工智能学院） ； FiveAges（五时代） ； Tsinghua University（清华大学） ； Xi’an Jiaotong University（西安交通大学） ； Wuhan University（武汉大学） ； Nanjing University（南京大学）
AI总结 本文提出MV-VDP，通过联合建模环境的3D空间-时间状态，解决机器人操控中对3D空间结构和时间演变理解不足的问题，实现高效、鲁棒且可解释的动作执行。
Comments Updated Version; Project Website: https://spatialvam.github.io/
TD-VAD：通过文本驱动学习打破视频异常检测中的视觉依赖
机构 * School of Intelligence Science and Technology, Nanjing University（南京大学智能科学与技术学院） ； School of Artificial Intelligence Engineering, Hefei Institute of Technology（合肥工业大学人工智能工程学院） ； China Mobile Zijin Innovation Institute（中国移动紫金创新研究院） ； School of Computer Science and Engineering, Nanjing University of Science and Technology（南京理工大学计算机科学与工程学院）
AI总结 针对现有视频异常检测依赖视觉数据的问题，提出TD-VAD方法，利用LLM生成的文本描述训练模型，结合事件演化因果注意力模块与CLIP编码器，在XD-Violence和UCF-Crime上性能大幅优于现有方法。
Comments Accepted to ICML2026
具身融合智能体：以人为中心的智能体人工智能新范式
机构 * Université de Montréal（蒙特利尔大学） ； Mila – Quebec Artificial Intelligence Institute（米拉-魁北克人工智能研究所） ； Institute of Advanced Intelligence and Computing (IAIC), A*STAR（新加坡科技研究局高级智能与计算研究所） ； Nanjing Medical University（南京医科大学） ； Nanjing University（南京大学） ； Renmin University of China（中国人民大学） ； University of Cambridge（剑桥大学） ； University of Oxford（牛津大学） ； Tsinghua University（清华大学） ； National University of Singapore（新加坡国立大学） ； The Hong Kong University of Science and Technology（香港科技大学） ； The Hong Kong Polytechnic University（香港理工大学） ； Southern University of Science and Technology（南方科技大学） ； Southeast University（东南大学） ； University of Glasgow（格拉斯哥大学） ； Nanyang Technological University（南洋理工大学）
AI总结 该研究提出以人为中心的 Combodied Agents 新范式，整合多类智能体能力形成闭环，聚焦人类状态轨迹建模，推动智能体 AI 从任务完成转向人类持续福祉。
Comments 38 pages, 6 figures, 10 tables
像素空间扩散变换器
机构 * Peking University（北京大学） ； Nanjing University（南京大学） ； Stanford University（斯坦福大学） ； Cornell University（康奈尔大学） ； University of Oulu（奥卢大学）
AI总结 本文探讨像素空间扩散变换器，针对潜在扩散模型的局限，研究直接对原始像素建模的像素空间扩散方法，介绍其在高维建模中的挑战与多模态建模优势，从多方面回顾pDiTs，总结方法、识别挑战并展望未来方向。
多模态代码切换：将视觉对象交织入语言以实现显式对象级对齐
机构 * National Key Laboratory for Novel Software Technology, Nanjing University（南京大学计算机软件新技术国家重点实验室）
AI总结 针对现有多模态大语言模型的图像级对齐存在指称歧义的问题，提出多模态代码切换（MMCS）范式，构建含77.3万样本的数据集，仅用5万样本即可匹配或超越60万图像-文本对训练的模型，提升了视觉基础与感知能力。
DSAR：用于生成逼真可动画化虚拟化身的布料时序动力学双流自回归建模
机构 * Nanjing University（南京大学）
AI总结 本文提出DSAR双流自回归框架，显式建模布料时序因果结构，解决现有方法布料动力学捕捉不足问题，在多方面性能获显著提升。
Comments Accepted to ECCV 2026. 25 pages, 7 figures, including supplementary material
连续交互扩散：面向异步工具增强推理的原生扩散运行时
机构 * Nanjing University（南京大学）
AI总结 针对扩散语言模型异步工具增强推理的局限，提出连续交互扩散架构，将工具交互整合至迭代去噪，可提升效率并减少冗余，首次聚焦只读工具。
Comments 15 pages, 5 figures, 1 table
SDDBMs：软去噪扩散桥模型
机构 * Nanjing University（南京大学） ； Renmin University of China（中国人民大学）
AI总结 本文提出SDDBMs，一种正则化扩散桥的通用框架，以非退化高斯终端边际替代硬端点约束，涵盖现有多种扩散桥模型，图像修复实验显示其数值稳定性与生成质量更优。
CuSearch：通过搜索深度进行课程展开采样以实现代理RAG
机构 * Nanjing University（南京大学） ； Shanghai Artificial Intelligence Laboratory（上海人工智能实验室） ； Peking University（北京大学） ； University of Hong Kong（香港大学）
AI总结 本文提出CuSearch，通过搜索深度贪心分配策略改进代理RAG训练，提升检索监督密度，实验显示在ZeroSearch上性能提升达11.8个精确匹配点。
Comments The paper has been accepted by COLM 2026. Code: https://github.com/MrToser/CuSearch
视觉-语言表示学习中的动态分布感知不确定性跟踪
机构 * State Key Laboratory of Novel Software Technology, Nanjing University（南京大学计算机软件新技术国家重点实验室） ； ByteDance Inc（字节跳动公司）
AI总结 针对视觉-语言模型事后不确定性量化方法忽略测试分布动态性的问题，提出DDA-UQ框架，通过高斯混合模型建模嵌入空间，实现动态不确定性估计，性能优于现有最优方法。
SignLlama：通过优先考虑视觉特征增强无词素手语翻译的大语言模型
机构 * State Key Laboratory of Novel Software Technology, Nanjing University（南京大学计算机软件新技术国家重点实验室） ； University of Warwick（华威大学）
AI总结 该研究针对无词素手语翻译（GFSLT）中LLMs的视觉特征利用问题，提出SignLlama模型，通过过滤伪词素CTC预训练与视觉优先蒸馏策略，在多数据集上取得极具竞争力的性能。
SynVAR：在视觉自回归模型中协同空间与语义对齐
机构 * State Key Laboratory for Novel Software Technology, Nanjing University（南京大学计算机软件新技术国家重点实验室） ； Western University（西安大略大学） ； JIUTIAN Research, CMCC, China（中国移动通信集团九天研究）
AI总结 本文提出首个专为视觉自回归模型（VAR）定制的无训练增强框架SynVAR，通过空间-语义协同控制策略及三个关键组件抑制误差，显著提升了VAR的复杂场景建模能力。
Comments Accepted by ECCV 2026
SegDem：分割任务助力去马赛克
机构 * Harbin Institute of Technology, Shenzhen（哈尔滨工业大学（深圳）） ； Shanghai Jiao Tong University（上海交通大学） ； Nanjing University (Suzhou)（南京大学（苏州））
AI总结 该研究提出SegDem框架，通过实例分割与跨任务解码器表示迁移，结合DINOv2共享表示空间，在单/四拜耳去马赛克任务上，于多类数据集实现不同架构下的性能稳定提升。
Comments 20 pagess
Argus：面向长程推理的通用智能体运行时
机构 * Microsoft（微软公司） ； Shanghai Jiao Tong University（上海交通大学） ； Fudan University（复旦大学） ； Nanjing University（南京大学） ； Tsinghua University（清华大学） ； The University of Hong Kong（香港大学） ； Peking University（北京大学） ； The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳）） ； Donghua University（东华大学）
AI总结 Argus是面向长程推理的通用智能体运行时，通过多角色协作与自进化，在多个基准测试中表现优于同类方法，还完成了实际应用任务并产出结构化轨迹。
RoMeRL：通过降阶效用状态平衡自进化智能体记忆中的反馈覆盖与记忆-奖励陷阱
机构 * Nanjing University（南京大学） ； Xiamen University（厦门大学） ； Zhejiang University（浙江大学）
AI总结 RoMeRL通过降阶效用状态解决自进化LLM智能体记忆的反馈分散与记忆-奖励陷阱问题，在ALFWorld等基准上显著提升任务性能、降低记忆规模与LLM调用
Embodied.cpp：面向异构机器人的具身AI模型可移植推理运行时
机构 * Southeast University（东南大学） ； Nanjing University（南京大学） ； Microsoft Research（微软研究院） ； Institute for AI Industry Research (AIR), Tsinghua University（清华大学人工智能产业研究院（AIR））
AI总结 提出Embodied.cpp，一个基于C++的可移植推理运行时，通过五层架构支持多速率执行、延迟优先融合推理和可扩展接口，在异构机器人上高效部署VLA和世界动作模型。
Comments 18 pages, 2 figures, Project website: https://github.com/SEU-PAISys/Embodied.cpp
Quokka：通过不变式合成加速程序验证
机构 * Stanford University（斯坦福大学） ； Shanghai Jiao Tong University（上海交通大学） ； University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； Amherst College（阿默斯特学院） ； Nanjing University（南京大学）
AI总结 Quokka通过利用大语言模型生成有用的循环不变式，提升程序验证效率，其评价导向框架在多个模型家族中表现出色，优于现有基于LLM的验证器。
通过翻译-推理联合训练实现自我改进的多语言长推理
机构 * National 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） ； University of Tübingen（图宾根大学） ； China Mobile Communications Company Limited Research Institute（中国移动通信集团有限公司研究院）
AI总结 TRIT通过整合翻译训练提升多语言长推理能力，在MMATH上超越基线7个百分点，提升答案正确性和语言一致性。
Comments 16 pages, 11 figures
SuperCoder：基于大语言模型的汇编程序超优化
机构 * Stanford University（斯坦福大学） ； University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； Carnegie Mellon University（卡内基梅隆大学） ； Nanjing University（南京大学）
AI总结 SuperCoder利用大语言模型实现汇编程序超优化，通过强化学习微调后，正确性达95%且平均速度提升1.46倍。
C2Dex：基于单目视频的接触一致性重建与灵巧操作重定向
机构 * Nanjing University（南京大学） ； China Mobile Research Institute（中国移动研究院）
AI总结 C2Dex是基于单目视频的灵巧操作框架，通过聚合物体侧稳定接触实现HOI重建与手物几何保留，在DexYCB、TACO上的轨迹成功率显著优于基线，且真实机器人复现可行。
Comments 9 pages, 5 figures. Submitted to IEEE Robotics and Automation Letters (RA-L). Project page: https://k-jie.github.io/C2Dex/
CAi Copilot：通过意图驱动的智能体工作流减少分子设计中的操作工作量
机构 * Shanghai Artificial Intelligence Laboratory（上海人工智能实验室） ； Nanjing University（南京大学）
AI总结 CAi Copilot是面向专家的意图驱动智能体，通过三层架构整合分子设计分散工具，在45项任务中整体性能最优，得分84.59，可将设计意图转化为可追溯工作流。
PAST：用于高效扩散模型的提示自适应采样终止
机构 * Peking University（北京大学） ； Nanjing University（南京大学） ； Stanford University（斯坦福大学）
AI总结 PAST是一种提示自适应采样终止方法，通过双自适应协调机制提升扩散模型RL微调的计算效率与偏好优化质量，效率最高提升66.7%，质量最高提升29.5%。
探索还是收敛？面向扩散模型的阶段引导式逐步优化方法
机构 * Peking University（北京大学） ； Nanjing University（南京大学） ； Stanford University（斯坦福大学）
AI总结 针对扩散模型RL偏好对齐的奖励不匹配问题，提出SGPO方法，通过分阶段分配目标，使生成质量提升26.7%、收敛速度提高36.7%。
RP-OPSD：基于推理枢轴引导的多语言推理迁移在线策略自蒸馏
机构 * Nanjing University（南京大学）
AI总结 该研究针对多语言推理迁移中现有在线策略自蒸馏未优先考虑关键推理信号的问题，提出 RP-OPSD 方法，利用教师视图分布偏移引导特权蒸馏，在 17 种语言的数学推理基准上优于基线，提升了多语言推理能力。
Comments 16 pages. Under review
Hyper-ES：通过下降方向合并实现LLM推理的有效进化策略
机构 * Southern University of Science and Technology（南方科技大学） ； National University of Singapore（新加坡国立大学） ； Nanjing University（南京大学）
AI总结 本文提出Hyper-ES框架，通过梯度微调获取下降方向张成子空间，再用CMA-ES优化DARE-TIES合并系数，在数学推理任务上性能优于GRPO-LoRA，梯度更新量减少10%。
Comments 19 pages, 4 figures, 14 tables. Code: https://github.com/kuangrepi/Hyper-ES
ASTRA：基于轨迹对齐的异步时空重建
机构 * School of Electronic Science and Engineering, Nanjing University（南京大学电子科学与工程学院）
AI总结 针对动态三维场景重建中多相机异步导致的问题，提出ASTRA框架，通过轨迹对齐联合优化时间偏移与三维表示，在实验中实现了显著的性能提升。
Comments We wish to withdraw this preprint because the current statistical analysis of the experimental data is incomplete and requires re-verification. We plan to submit a revised and thoroughly checked version in the near future
OSReward：为跨平台计算机使用奖励模型建立标准化评估
机构 * The University of Hong Kong（香港大学） ； Nanjing University（南京大学） ； University of Science and Technology of China（中国科学技术大学） ； National University of Singapore（新加坡国立大学） ； Fudan University（复旦大学）
AI总结 本研究推出OSReward基准评估VLM评判者的可靠性，构建OS-Shepherd开源奖励模型缩小成本差距，为规模化可靠CUA奖励设计提供参考
Comments Work in progress
SkillMOO：软件工程中代理技能的多目标优化
机构 * King's College London（伦敦国王学院） ； Queen's University Belfast（贝尔法斯特女王大学） ； Nanjing University（南京大学） ； Johannes Gutenberg University Mainz（美因茨约翰尼斯·古滕贝格大学） ； University College London（伦敦大学学院） ； University of Duisburg-Essen（杜伊斯堡- Essen大学）
AI总结 本文提出SkillMOO框架，通过LLM提议的编辑和NSGA-II算法优化代理技能包，提升任务成功率并降低推理成本。
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