高校专区
ArrowGEV：通过学习时间之箭来视频中接地事件
机构 * School of Artificial Intelligence, Nanjing University, China（南京大学人工智能学院，中国） ； Pattern Recognition Center, WeChat AI, Tencent Inc, China（腾讯人工智能研究院，中国）
AI总结 本文提出ArrowGEV框架，通过学习时间方向性提升视频中事件接地与时间理解能力，通过区分时间敏感和时间不敏感事件增强模型鲁棒性与泛化能力。
Comments Accepted to Findings of ACL 2026
Time-RA：面向时间序列推理的异常诊断方法：基于LLM反馈
机构 * University of Oxford（牛津大学） ； Nanjing University（南京大学） ； MSRA（微软研究院） ； SJTU（上海交通大学） ； Abel AI ； Outsampler ； University of Strasbourg（斯特拉斯堡大学） ； Squirrel Ai Learning（Squirrel AI学习）
AI总结 本文提出Time-RA，通过引入RATs40K多模态数据集，改进时间序列异常检测的生成式推理方法，提升诊断准确性和解释性，实现可解释的多模态时间序列分析。
Comments ACL 2026 Findings. 27 pages, 11 figures, 15 tables. Code and dataset are publicly available
TrigReason：基于触发的大小推理模型协作
机构 * AGI Institute, School of Computer Science, Shanghai Jiao Tong University, Shanghai, China（AGI研究院，计算机科学学院，上海交通大学，上海，中国） ； Key Laboratory of Shanghai Education Commission for Intelligent Interaction and Cognitive Engineering, Shanghai Jiao Tong University, Shanghai, China（上海市教育委员会智能交互与认知工程重点实验室，上海交通大学，上海，中国） ； Shanghai Key Laboratory for Intelligent Information Processing, Fudan University（上海市智能信息处理重点实验室，复旦大学） ； State 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） ； School of Artificial Intelligence, Wuhan University（人工智能学院，武汉大学） ； Institute of Computer Science, University of Göttingen, Göttingen, Germany（计算机科学研究所，哥廷根大学，哥廷根，德国）
AI总结 本文提出TrigReason框架，通过触发机制将大部分推理任务交给小型模型，仅在必要时调用大模型，提升推理效率与准确性。
Comments ACL 2026 Findings
DR$^{3}$-Eval: 向真实和可重复的深度研究评估迈进
机构 * Nanjing University（南京大学） ； M-A-P ； Jiutian Research（九天研究） ； National University of Singapore（新加坡国立大学） ； Nanjing University of Science and Technology（南京理工大学）
AI总结 本文提出DR$^{3}$-Eval基准，用于评估多模态多文件报告生成的深度研究代理，通过真实用户材料和静态研究沙盒语料结合，引入多维评估框架，验证其与人类判断的一致性。
重新审视令牌压缩以加速基于ViT的稀疏多视角3D目标检测器
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 本文提出SEPatch3D框架，通过动态调整拼接块大小和改进特征增强方法，提升基于ViT的稀疏多视角3D目标检测器的推理速度和效率，实验显示其比基线模型快57%且比当前最优方法更高效。
Comments Accepted by CVPR 2026
赋予面孔情感：面向单图像3D头像的显式情绪控制
机构 * Nanjing University（南京大学） ； Microsoft Research Asia（微软亚洲研究院） ； University of Science and Technology of China（中国科学技术大学） ； Tsinghua University（清华大学）
AI总结 本文提出一种显式情绪控制框架，通过双路径调节机制在不修改核心设计的情况下，将情绪作为独立控制信号注入单图像3D头像重建中，实现情绪与身份的解耦和可控情绪转移。
AI4S-SDS: 一种基于稀疏MCTS和可微物理对齐的神经符号溶剂设计系统
机构 * State Key Laboratory for Novel Software Technology at Nanjing University（南京大学新型软件技术国家重点实验室） ； School of Computer Science, Nanjing University（南京大学计算机科学学院） ； Suzhou Laboratory（苏州实验室）
AI总结 本文提出AI4S-SDS系统，通过稀疏MCTS和可微物理对齐，解决化学配方设计中的高维组合空间问题，提升探索多样性并实现物理约束下的有效性。
遥感图像超分辨率中的不平衡纹理处理：一种纹理感知扩散框架
机构 * Nanjing University（南京大学）
AI总结 本文提出TexADiff框架，通过估计相对纹理密度图来解决遥感图像中纹理不平衡问题，改进模型的空间感知能力，提升超分辨率的定量和定性性能。
Comments 10 pages, 5 figures, 9 Tables
CodeTracer：迈向可追溯的代理状态
机构 * Nanjing University（南京大学） ； Kuaishou Technology（快手科技） ； Institute of Automation, CAS（中国科学院自动化研究所） ； University College London（伦敦大学学院） ； Renmin University of China（中国人民大学） ； Alibaba Group（阿里巴巴集团）
AI总结 CodeTracer通过解析异构运行 artifacts，重建状态转换历史，并定位故障起始点，提升代理调试效率。
Memp：探索代理程序记忆
机构 * Zhejiang University（浙江大学） ； Alibaba Group（阿里巴巴集团） ； State Key Lab. for Novel Software Technology（新型软件技术国家重点实验室） ； Nanjing University（南京大学）
AI总结 本文提出Memp，一种可学习、可更新且终身的程序记忆系统，通过提炼历史轨迹生成细粒度指令和高层脚本抽象，提升代理在TravelPlanner和ALFWorld任务中的成功率和效率。
Comments ACL 2026 Findings
面向无人机的视觉与语言导航：进展、挑战与研究路线图
机构 * Autel Robotics, Shenzhen, China（大疆创新，深圳，中国） ； School of Intelligent Software and Engineering, Nanjing University, Nanjing, China（南京大学智能软件与工程学院，南京，中国） ； School of Computer, Data & Information Sciences, University of Wisconsin-Madison, Madison, WI, USA（威斯康星大学麦迪逊分校计算机、数据与信息科学学院，麦迪逊，WI，美国） ； Southern University of Science and Technology, Shenzhen, China（南方科技大学，深圳，中国） ； The University of Hong Kong, Hong Kong SAR, China（香港大学，香港特别行政区，中国） ； School of Software and Microelectronics, Peking University, Beijing, China（北京大学软件与微电子学院，北京，中国）
AI总结 本文综述了无人机视觉与语言导航领域，分析了从早期模块化方法到基于大模型的智能系统的发展，探讨了现实部署中的挑战，并提出了未来研究方向。
UHR-BAT：面向超高清遥感的预算感知视觉-语言模型
机构 * School of Artificial Intelligence Science and Technology, Nanjing University（南京大学人工智能科学与技术学院） ； School of Electronic Science and Engineering, Nanjing University（南京大学电子科学与工程学院） ； School of Physics, Nanjing University（南京大学物理学院）
AI总结 本文提出UHR-BAT模型，通过文本引导的多尺度重要性估计和区域保留合并策略，实现高效视觉token压缩，在严格预算下提升超高清遥感图像信息提取效率。
PersonaVLM：长期个性化多模态大语言模型
机构 * Nanjing University（南京大学） ； ByteDance（字节跳动）
AI总结 本文提出PersonaVLM，一种支持长期个性化多模态大语言模型框架，通过记忆、推理和响应对齐三大能力，提升个性化交互效果，并在Persona-MME基准测试中取得显著提升。
Comments Accepted by CVPR 2026. Project page: https://PersonaVLM.github.io
红技能还是蓝技能？深入探讨ClawHub上的技能
机构 * The Hong Kong Polytechnic University（香港理工大学） ； Nanjing University（南京大学） ； Nanjing University of Science and Technology（南京理工大学）
AI总结 本文研究ClawHub上的技能生态系统，分析语言分布、功能组织及安全性，发现英语技能更偏向技术能力，而中文技能更侧重应用场景，且超过30%的技能被标记为可疑。
连续学习的更快路径
机构 * College of Computer Science, Sichuan University, China（四川大学计算机学院） ； College of Computer Science and Technology, Zhejiang University, China（浙江大学计算机科学与技术学院） ； Photogrammetry and Remote Sensing Lab, ETH Zürich, Switzerland（苏黎世联邦理工学院摄影测量与遥感实验室） ； School of Computer Science, Nanjing University, China（南京大学计算机科学系） ； College of Computing and Data Science, Nanyang Technological University, Singapore（南洋理工大学计算与数据科学学院） ； Department of Computer Science and Technology, Tsinghua University, China（清华大学计算机科学与技术系）
AI总结 本文提出C-Flat Turbo，通过优化梯度计算减少连续学习的训练成本，提升效率并保持性能。
Comments Update Author Affiliations
TempR1：通过时间感知的多任务强化学习提升多模态大语言模型的时间理解
机构 * Nanjing University（南京大学） ； ByteDance Inc.（字节跳动公司） ； Shanghai AI Lab（上海人工智能实验室）
AI总结 TempR1通过时间感知的多任务强化学习框架，系统增强MLLMs的时间理解能力，通过多任务语料库和改进的GRPO算法实现稳定有效的跨任务优化，提升时间依赖性和适应性。
DeferredSeg: 一种多专家延迟框架用于可信的医学图像分割
机构 * School of Software, Shandong University（山东大学软件学院） ； Department of Clinical Laboratory, Shandong Provincial Hospital Affiliated to Shandong First Medical University（山东第一医科大学附属山东省人民医院临床检验科） ； School of Computer Science and Technology, Nanjing University（南京大学计算机科学与技术学院）
AI总结 DeferredSeg通过引入延迟感知分割框架，在医学图像分割中实现人机协作，通过动态路由和损失函数提升分割可靠性，优于基线方法。
Comments 27 pages,6 figures
定位、引导与改进：大型语言模型中可操作机制可解释性的一项实用调查
机构 * The University of Hong Kong（香港大学） ； Fudan University（复旦大学） ； LMU Munich（慕尼黑大学） ； Tsinghua University（清华大学） ； Technische Universität Darmstadt（达姆施塔特技术大学） ； Technische Universität Berlin（柏林技术大学） ； Technische Universität Dresden（德累斯顿技术大学） ； The Chinese University of Hong Kong（香港中文大学） ； University of Pennsylvania（宾夕法尼亚大学） ； Nanjing University（南京大学） ； University of Manchester（曼彻斯特大学） ； Dartmouth College（达特茅斯学院） ； University of California Los Angeles（加州大学洛杉矶分校） ； University of Michigan（密歇根大学） ； Microsoft（微软） ； Tencent（腾讯）
AI总结 本文提出一个实用调查，围绕'定位、引导与改进'流程，系统分类定位和引导方法，展示如何通过该框架提升模型对齐、能力和效率。
孪生基础模型用于晶体结构预测
机构 * Gaoling School of Artificial Intelligence, Renmin University of China（中国人民大学人工智能学院） ； Beijing Key Laboratory of Research on Large Models and Intelligent Governance（北京大型模型与智能治理研究重点实验室） ； Department of Computer Science and Technology, Tsinghua University（清华大学计算机科学与技术系） ； Institute for AI Industry Research, Tsinghua University（清华大学人工智能产业研究院） ； Advanced Computing and Storage Lab, Huawei Technologies（华为技术有限公司先进计算与存储实验室） ； School of Intelligence Science and Technology, Nanjing University（南京大学智能科学与技术学院） ； Engineering Research Center of Next-Generation Intelligent Search and Recommendation, MOE（教育部下一代智能搜索与推荐工程研究中心）
AI总结 本文提出Diffusion-based Crystal Omni框架，结合孪生生成模型和能量预测模型，提升晶体结构预测性能，并在实际超导材料中验证其有效性。
LottieGPT：为自回归生成设计向量动画的标记化
机构 * Shenzhen International Graduate School, Tsinghua University（清华大学深圳国际研究生院） ； AIR, Tsinghua University（清华大学人工智能研究院） ； BAAI（百度人工智能研究院） ； The Hong Kong Polytechnic University（香港理工大学） ； Nanjing University（南京大学） ； Guangdong Laboratory of Artificial Intelligence and Digital Economy (SZ)（广东人工智能与数字经济实验室（深圳））
AI总结 本文提出首个向量动画标记化与自回归生成框架，基于Lottie标准设计标记器并构建大规模数据集，通过微调Qwen-VL生成可编辑的向量动画。
Comments Accepted by CVPR 2026. Project Page: https://lottiegpt.github.io/
GenTac：生成式足球战术建模与预测
机构 * Shanghai Jiao Tong University（上海交通大学） ； Nanjing University（南京大学）
AI总结 GenTac通过生成式框架建模足球战术的随机过程，实现长周期轨迹预测，支持多因素条件模拟，展现高精度战术生成与未来战术预测能力。
Comments 40 pages, 5 figures; technical Report
HistLens：跨概念和语料库的思想变化映射
机构 * Department of Computer Science and Technology, Tsinghua University, China（清华大学计算机科学与技术系） ； School of History, Nanjing University, China（南京大学历史学院） ； Department of Chinese Language and Literature, Tsinghua University, China（清华大学中国语言文学系） ； State Key Laboratory of Multimedia Information Processing, School of Computer Science, Peking University, China（北京大学计算机学院多媒体信息处理国家重点实验室）
AI总结 HistLens提出一种基于SAE的统一框架，用于多概念、多语料库的概念史分析，通过分解概念表示并追踪其激活动态，实现跨概念和语料库的思想演变模式计算。
Comments Accepted by ACL 2026 MainConference
更多思考反而有害：在LLM测试时间计算扩展中的过度思考
机构 * Nanjing University（南京大学） ； Baidu（百度） ； Nanjing University of Finance & Economics（南京财经大学）
AI总结 研究探讨了在LLM测试时间计算扩展中，增加推理token的边际效用随计算预算增加而下降的现象，发现模型存在过度思考问题，且最优思考长度因问题难度而异。
Comments 11 pages, 7 figures
如何设计一款紧凑型高吞吐量视频相机？
机构 * Nanjing University（南京大学）
AI总结 本文提出基于梯度相机的低比特方案，解决高吞吐量视频成像的读出与传输瓶颈，并通过多尺度重建CNN实现高分辨率图像重建。
Comments 12 pages, 10 figures
Tango：驯服视觉信号以提高视频大语言模型的效率
机构 * University of Science and Technology of China（中国科学技术大学） ； Reconova AI Lab（Reconova AI实验室） ； Nanjing University（南京大学）
AI总结 Tango通过改进注意力选择和相似性聚类方法，优化视频大语言模型的视觉信号利用，实现在保留10%视频token时性能损失仅0.1%，推理速度提升1.88倍。
Comments Code: https://github.com/xjtupanda/Tango
推理作为梯度：超越树搜索的MLE代理扩展
机构 * Nanjing University（南京大学） ； Microsoft Research Asia（微软亚洲研究院） ； Peking University（北京大学） ； Zhejiang University（浙江大学） ； Wuhan University（武汉大学） ； Hong Kong University of Science and Technology（香港科技大学）
AI总结 本文提出Gome，一种基于梯度优化的MLE代理，通过将结构化诊断推理映射到梯度计算，实现更高效的优化。实验显示，随着模型能力增强，梯度优化在前沿模型中表现更优，且在受限预算下达到35.1%的任何奖牌率。
Comments 36 pages, 6 figures, 17 tables
StaMo：从紧凑状态表示中无监督学习通用机器人运动
机构 * State Key Laboratory of CAD & CG, Zhejiang University（浙江大学CAD&CG国家重点实验室） ； Shanghai Innovation Institute（上海创新研究院） ； Nanjing University（南京大学） ； HKUST（香港科技大学） ； Ant Group（蚂蚁集团）
AI总结 本文提出StaMo方法，通过轻量编码器和预训练扩散变换器解码器学习高效紧凑状态表示，提升机器人运动性能，并发现通过潜在插值获得的token差异可作为有效潜动作，增强策略协同训练。
主从编码器模型用于改进专利文本摘要：一种结合规范和权利要求的新方法
机构 * School of Information Management, Nanjing University（南京大学信息管理学院） ； Key Laboratory of Data Engineering and Knowledge Services in Jiangsu Provincial Universities, Nanjing University（江苏省高校数据工程与知识服务重点实验室（南京大学）） ； Baidu, Inc.（百度公司）
AI总结 本文提出主从编码器模型(MSEA)以提升专利文本摘要质量，通过结合专利文本指令与权利要求，增强新术语处理及信息冗余控制，实验显示其在ROUGE指标上优于现有模型。
Comments 25pages, 1 figure
LAST：利用工具作为提示以增强多模态大语言模型的空间推理能力
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 LAST通过整合专用视觉模型，解决多模态大语言模型在复杂几何布局解析中的幻觉和不精确问题，提出统一框架提升空间推理能力。
Comments 13 pages
分布式在线凸优化与压缩通信：最优懊悔与应用
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） ； School of Artificial Intelligence, Nanjing University（南京大学人工智能学院）
AI总结 本文研究了在压缩通信下分布式在线凸优化问题，提出最优算法，解决了压缩误差与投影误差之间的耦合问题，并在非光滑优化中提供了首次保证。
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