Nanjing University（南京大学）

GIRL-DETR: Gradient-Isolated Reinforcement Learning for Video Moment Retrieval

GIRL-DETR: 梯度隔离强化学习用于视频时刻检索

Shihang Zhang, Mingjin Kuai, Ye Wei, Zhen Zhang, Wei Ji

机构 * College of Electronics and Information Engineering, Sichuan University（四川大学电子信息工程学院） ； School of Intelligence Science and Technology, Nanjing University（南京大学智能科学与技术学院） 纠错

AI总结 针对视频时刻检索中连续代理损失与非可微指标不匹配导致的优化停滞问题，提出梯度隔离强化学习框架GIRL-DETR，通过冻结骨干网络并采用三阶段渐进强化学习策略直接优化tIoU指标，在轻量级模型中实现定位精度提升。

Comments 13 pages, 6 figures. Submitted to IEEE Transactions on Image Processing (TIP). Code is available at: https://github.com/Z-Shihang/GIRL-DETR

Skill or Skip? Learning Selective Skill Invocation in Agentic Tasks via Dual-Granularity Preference Learning

技能还是跳过？通过双粒度偏好学习在智能体任务中学习选择性技能调用

Chishui Chen, Jiaye Lin, Te Sun, Junxi Wang, Yi Yang, Cong Qin, Yangen Hu, Lu Pan, Ke Zeng

机构 * Meituan（美团） ； Fudan University（复旦大学） ； Shanghai Jiao Tong University（上海交通大学） ； Nanjing University（南京大学） ； Peking University（北京大学） 纠错

AI总结 提出SelSkill框架，通过双粒度偏好学习实现选择性技能调用，在ALFWorld和BFCL上显著提升任务成功率和执行精度。

Comments 18 pages, 4 figures, 10 tables

How Can Reinforcement Learning Achieve Expert-level Placement?

强化学习如何实现专家级布局？

Ruo-Tong Chen, Ke Xue, Chengrui Gao, Yunqi Shi, Tian Xu, Peng Xie, Siyuan Xu, Mingxuan Yuan, Chao Qian, Zhi-Hua Zhou

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） ； Huawei Noah’s Ark Lab, China（华为诺亚实验室） 纠错

AI总结 针对强化学习在芯片布局中因奖励设计不当而难以达到专家质量的问题，提出从专家布局直接学习奖励模型的方法，通过推断专家轨迹并训练隐式奖励模型，实现从单个设计高效学习并泛化到未见案例。

Comments DAC 2026

FlowPlace: Flow Matching for Chip Placement

FlowPlace: 用于芯片布局的流匹配

Peng Xie, Ke Xue, Yunqi Shi, Ruo-Tong Chen, Chengrui Gao, Siyuan Xu, Chenjian Ding, Mingxuan Yuan, Chao Qian

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） ； Huawei Noah’s Ark Lab, China（华为诺亚实验室） 纠错

AI总结 提出FlowPlace，通过掩码引导的合成数据生成、基于流的灵活先验注入高效训练和硬约束采样实现无重叠布局，在OpenROAD和ICCAD 2015基准上取得更优PPA指标、10-50倍采样效率提升和零重叠。

Comments DAC 2026

SCOPE: Signal-Calibrated On-Policy Distillation Enhancement with Dual-Path Adaptive Weighting

SCOPE: 信号校准的在线策略蒸馏增强与双路径自适应加权

Binbin Zheng, Xing Ma, Yiheng Liang, Jingqing Ruan, Xiaoliang Fu, Kepeng Lin, Benchang Zhu, Ke Zeng, Xunliang Cai

机构 * University of Science and Technology of China（中国科学技术大学） ； Meituan LongCat Interaction Team（美团 LongCat 交互团队） ； Nanjing University（南京大学） ； Fudan University（复旦大学） ； Huazhong University of Science and Technology（华中科技大学） 纠错

AI总结 针对在线策略强化学习中奖励稀疏导致的信用分配难题，提出SCOPE框架，通过双路径自适应加权机制分别处理正确与错误轨迹，实现信号校准的蒸馏增强，在六个推理基准上平均提升11.42%的Avg@32和7.30%的Pass@32。

Mirror Descent Under Generalized Smoothness

广义光滑性下的镜像下降

Dingzhi Yu, Wei Jiang, Hongyi Tao, Yuanyu Wan, Lijun Zhang

机构 * State Key Laboratory of Novel Software Technology, Nanjing University（南京大学新型软件技术国家重点实验室） ； School of Artificial Intelligence, Nanjing University（南京大学人工智能学院） ； 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） ； School of Software Technology, Zhejiang University（浙江大学软件技术学院） ； Hangzhou High-Tech Zone (Binjiang) Institute of Blockchain and Data Security（杭州高新技术区（滨江）区块链与数据安全研究院） 纠错

AI总结 本文提出一种新的 $\ell_*$-光滑性概念，将经典光滑性推广到一般范数空间，并证明镜像下降类算法在此条件下收敛率与经典光滑性一致。

Comments ICML 2026

Unlocking Fine-Grained Translation Quality Estimation in LRMs through Synergistically Evolving Implicit and Explicit Reasoning

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

Renfei Dang, Xinye Wang, Zhejian Lai, Weilu Xu, Shimin Tao, Daimeng Wei, Min Zhang, Shujian Huang

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） 纠错

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: A Snapshot Single-Loop Algorithm for Decentralized Bilevel Optimization

S$^3$LDBO: 一种用于去中心化双层优化的快照单循环算法

Chao Yin, Youran Dong, Shiqian Ma, Bofan Wang, Junfeng Yang

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） 纠错

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。

TabCausal: Pretraining Across Causal Environments for Tabular Causal Discovery

TabCausal: 跨因果环境的表格因果发现预训练

Zi-Rong Li, Si-Yang Liu, Tian-Zuo Wang, Han-Jia Ye

机构 * Nanjing University（南京大学） 纠错

AI总结 提出TabCausal，一种通过动态任务构建策略在多样化因果环境中进行大规模预训练的因果发现基础模型，在合成和语义基准上优于现有方法。

A Unified and Reproducible Experimentation Framework for Speech Understanding

语音理解的统一可复现实验框架

Jing Peng, Junhao Du, Chenghao Wang, Hanqi Li, Yi Yang, Yixuan Wang, Xiaoyu Gu, Guanyu Chen, Yucheng Wang, Jiang Li, Zhangjie Zhao, Haoran Wang, Wenming Tu, Haoyu Li, Duo Ma, Lirong Qian, Yu Xi, Wen Wen, Jiaqi Guo, Hui Zhang, Shuai Fan, Wenbin Jiang, Shuai Wang, Kai Yu

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）） 纠错

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: Immunizing Large Vision-Language Models via Generative Semantic Antibodies for Open-World Trustworthiness

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

Xiang Fang, Wanlong Fang, Wei Ji

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） 纠错

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: A Human-Calibrated Multimodal Reasoning Benchmark Across 19 Materials Science Subfields

OmniMatBench：跨19个材料科学子领域的人类校准多模态推理基准

Wanhao Liu, Jiaqing Xie, Qian Tan, Weida Wang, Jue Wang, Ran Sun, Zhuo Yang, Wanli Ouyang, Lei Bai, Tianfan Fu, Lu Chen, Xin Chen, Yuqiang Li

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） 纠错

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: Shadow-Guided Relightable Urban Scene with Generation Model

SRUG: 基于阴影引导的可重光照城市场景生成模型

Yonghao Zhao, Zexin Yin, Jian Yang, Beibei Wang, Jin Xie

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） 纠错

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: Lightweight Multi-Model Interaction Framework via Dynamic Topological Reconfiguration

DynaGraph: 通过动态拓扑重构的轻量级多模型交互框架

Yanxing Guo, Zihao Zheng, Fangzhou Wu, Ling Liang, Lin Bao, Zongwei Wang, Yimao Cai

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） 纠错

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。

Compute Allocation in Evolutionary Search: From Depth-Breadth to Multi-Armed Bandits

进化搜索中的计算分配：从深度-广度到多臂老虎机

Sixue Xing, Haoyu He, Kerui Wu, Zhuo Yang, Haozheng Luo, Tianfan Fu, Aarthy Nagarajan

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） 纠错

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%。

How does Bayesian Sampling help Membership Inference Attacks?

贝叶斯采样如何帮助成员推断攻击？

Zhenlong Liu, Wenyu Jiang, Feng Zhou, Hongxin Wei

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） 纠错

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: End-to-End Global Speaker-Tracking Attributed Recognition

G-STAR: 端到端全局说话人跟踪属性识别

Jing Peng, Ziyi Chen, Haoyu Li, Yucheng Wang, Duo Ma, Mengtian Li, Yunfan Du, Dezhu Xu, Kai Yu, Shuai Wang

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） 纠错

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

FakeVLM-R1: Internalizing Physical Laws via CoT for Synthetic Image Detection

FakeVLM-R1：通过思维链内化物理定律进行合成图像检测

Leqi Zhu, Junyan Ye, Kaiqing Lin, Zhiyuan Yan, Conghui He, Weijia Li

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） 纠错

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: Dynamic Skill Context Construction for LLM Agents

SkillsInjector: 面向LLM智能体的动态技能上下文构建

Yanchao Li, Wanhao Liu, Ben Gao, Jiaqing Xie, Zhehong Ai, Na Zou, Yuqiang Li, Tianfan Fu

机构 * Nanjing University（南京大学） ； Shanghai AI Lab（上海人工智能实验室） 纠错

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: Feed-Forward Relightable Neural Gaussians

F-RNG: 前馈可重光照神经高斯

Guangming Fu, Jiahui Fan, Jian Yang, Miloš Hašan, Beibei Wang

机构 * Nankai University（南开大学） ； Nanjing University（南京大学） ； NVIDIA 纠错

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: Structured Semantic Data Augmentation for Joint Entity and Relation Extraction

SSDAU：面向联合实体关系抽取的结构化语义数据增强

Jiawei He, Mengyu Shi, Jiawei Liu, Dong Sun, Chunrong Fang, Xikai Yang, Zhijie Wang, Lei Ma, Zhenyu Chen

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） 纠错

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: Benchmarking Process-side Anomalies in Real-world Agent Execution Trajectories

OpenClawBench: 真实智能体执行轨迹中过程侧异常的基准测试

Yibing Liu, Yangze Liu, Xiaolong Yin, Bin Wang, Chong Zhang, Hao Yin, Zhongyi Han

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 纠错

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

Behavior-Aware Auxiliary Corrections for Off-Policy Temporal-Difference Prediction

行为感知的辅助校正用于离策略时序差分预测

Xingguo Chen, Zhiang He, Yuchen Shen, Shangdong Yang, Chao Li, Guang Yang, Wenhao Wang

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） 纠错

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。

Behavior-Induced Mirror-Prox Temporal-Difference Learning for Faster Off-Policy Prediction

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

Xingguo Chen, Yuchen Shen, Shangdong Yang, Chao Li, Guang Yang, Wenhao Wang

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） 纠错

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: Temporal Consensus Optimization for Continual Neural Mapping

TACO：用于连续神经映射的时间共识优化

Xunlan Zhou, Hongrui Zhao, Negar Mehr

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） 纠错

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)

A Composable Multimodal Framework for cine CMR-Text-Driven Prediction of Heart Failure Outcomes

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

Jianzhou Chen, Jinyang Sun, Xiumei Wang, Xi Chen, Heyu Chu, Guo Song, Yuji Luo, Xingping Zhou, Rong Gu

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） 纠错

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: Time Series Anomaly Detection with Kolmogorov-Arnold Networks

KAN-AD：基于Kolmogorov-Arnold网络的时间序列异常检测

Quan Zhou, Changhua Pei, Fei Sun, Jing Han, Zhengwei Gao, Dan Pei, Haiming Zhang, Gaogang Xie, Jianhui Li

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） 纠错

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

AREA: Attribute Extraction and Aggregation for CLIP-Based Class-Incremental Learning

AREA: 基于CLIP的类增量学习中的属性提取与聚合

Zhen-Hao Xie, Yu-Cheng Shi, Da-Wei Zhou

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） 纠错

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: An Auditable Agentic Framework for Audio Understanding

Audio-Mind: 一种可审计的音频理解智能体框架

Yucheng Wang, Jing Peng, Hanqi Li, Chenghao Wang, Wenming Tu, Yu Xi, Zhaokai Sun, Kai Yu, Shuai Wang

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） 纠错

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。

Roles with Rails: Contract-Preserving Role Evolution in Multi-Agent Structured Reasoning

角色与轨道：多智能体结构化推理中保持契约的角色演化

Ling-Yue Ge, Lan-Zhe Guo

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） 纠错

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