高校专区
VMonarch：具有结构注意力的高效视频扩散变换器
机构 * 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 Intelligence Science and Technology, Nanjing University（智能科学与技术学院，南京大学） ； Kling Team, Kuaishou Technology（快手科技 Kling 团队）
AI总结 VMonarch通过结构化注意力机制提升视频扩散变换器的效率，减少计算量并提高处理速度。
不要只微调智能体，而是微调环境
机构 * Zhejiang University（浙江大学） ； Shanghai Innovation Institute（上海创新研究院） ； Westlake University（西湖大学） ； Nanjing University（南京大学）
AI总结 本文提出环境微调方法，通过结构化课程和环境增强，使智能体无需专家轨迹即可高效学习复杂行为，实现更稳健的泛化能力。
Comments ICLR 2026
知识蒸馏能否缓解预训练编码器中的后门攻击？
机构 * 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） ； Shenzhen Research Institute of Nanjing University（南京大学深圳研究院） ； School of Computer Science and Engineering, University of New South Wales（新南威尔士大学计算机科学与工程学院） ； School of Computer Science and Engineering, Nanyang Technological University（南洋理工大学计算机科学与工程学院）
AI总结 本文提出利用知识蒸馏技术缓解预训练编码器中的后门攻击，通过提取良性知识并去除后门，显著降低攻击成功率，同时保持模型性能。
OVD：在线语言蒸馏
机构 * The University of Hong Kong, Hong Kong, China（香港大学） ； Nanjing University, Nanjing, China（南京大学） ； Huawei Technologies, China（华为技术）
AI总结 OVD通过离散语言分数替代token级对齐，实现高效在线蒸馏，提升Web问答和数学推理任务的性能与训练效率。
Comments Technical Report
面向异质性的知识共享图联邦学习
机构 * School of Computer Science and Engineering, Nanjing University of Science and Technology, Nanjing, China（南京理工大学计算机科学与工程学院） ； College of Smart Agriculture, Nanjing Agricultural University, Nanjing, China（南京农业大学智能农业学院） ； School of Intelligence Science and Technology, Nanjing University, Suzhou, China（南京大学智能科学与技术学院） ； Department of Computer Science, Hong Kong Baptist University, Hong Kong, China（香港 Baptist 大学计算机科学系） ； School of Automation and Intelligent Sensing, Shanghai Jiao Tong University, Shanghai, China（上海交通大学自动化与智能感知学院）
AI总结 FedSSA通过语义和结构对齐方法，解决图联邦学习中的异质性问题，提升模型性能。
Comments 33 pages
统一感知与行动：一种融合模态的管道，具有隐式视觉推理链的机器人行动生成
机构 * 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）
AI总结 VITA通过融合视觉和动作的共享潜在空间，实现机器人行动生成的统一感知与行动，提升了多个任务的成功率和性能。
SofT-GRPO：通过Gumbel-重新参数化软思考策略优化超越离散标记LLM强化学习
机构 * School of Computing, National University of Singapore, Singapore（新加坡国立大学计算机学院） ； Department of Statistics, University of Oxford, United Kingdom（英国牛津大学统计系） ； School of Intelligence Science（智能科学学院） ； Technology, Nanjing University, China（技术学院，南京大学，中国）
AI总结 SofT-GRPO通过引入Gumbel噪声和重新参数化技巧，在软思考模式下提升LLM推理性能，使其在Pass@1和Pass@32任务中分别优于离散标记GRPO。
IBNorm: 信息瓶颈启发的表示学习规范化方法
机构 * Singapore Management University（新加坡管理大学） ； Beijing Normal University（北京师范大学） ； Nanjing University（南京大学）
AI总结 IBNorm基于信息瓶颈原理，通过有界压缩操作提升表示学习的信息量和稳定性，实验表明其在多种模型中优于传统规范化方法。
面向图异常检测的异常感知预训练与微调
机构 * 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） ； HKUST(GZ)（香港科技大学（广州）） ； Tsinghua University（清华大学） ； The University of Queensland（昆士兰大学）
AI总结 本文提出APF框架，通过预训练和微调提升图异常检测的异常感知能力，结合谱多项式滤波器和门控融合机制，实现更有效的异常识别。
Comments Accepted by ICLR 2026
从缓解分类能力失衡角度重新思考多模态学习
机构 * Nanjing University of Science and Technology（南京理工大学） ； State Key Lab. for Novel Software Technology, Nanjing University（南京大学软件新技术国家重点实验室）
AI总结 本文提出了一种基于提升原理的多模态学习方法，通过动态平衡弱强模态的分类能力以缓解模态不平衡问题。
Comments Accepted by NeurIPS 2025
C3Box: 基于CLIP的类增量学习工具箱
机构 * School of Artificial Intelligence, Nanjing University（人工智能学院，南京大学） ； National Key Laboratory for Novel Software Technology, Nanjing University（新型软件技术国家实验室，南京大学）
AI总结 C3Box是一个基于CLIP的类增量学习工具箱，整合了多种CIL方法，提供统一框架和标准化流程，提升持续学习研究的可重复性和实用性。
Comments The code is available at https://github.com/LAMDA-CL/C3Box
FAIRT2V：无需训练的文本到视频扩散模型去偏框架
机构 * School of Computer Science and Engineering, University of New South Wales, Australia.（新南威尔士大学计算机科学与工程学院，澳大利亚） ； State Key Laboratory for Novel Software Technology, Nanjing University, China（南京大学新型软件技术国家重点实验室，中国）
AI总结 FAIRT2V通过无需训练的去偏框架减少文本到视频扩散模型中的性别偏见，通过中和提示嵌入和动态去噪计划实现，有效降低偏见同时保持视频质量。
GeoDiff3D: 基于几何约束的2D扩散引导的自监督3D场景生成
机构 * Nanjing University（南京大学） ； Simon Fraser university（西蒙弗雷泽大学）
AI总结 GeoDiff3D通过几何约束的2D扩散模型和自监督机制，实现高效且高质量的3D场景生成，减少对标注数据的依赖，提升复杂场景的生成质量。
GenAgent：通过代理多模态推理扩展文本到图像生成
机构 * Fudan University（复旦大学） ； Tongyi Lab（通义实验室） ； Nanjing University（南京大学） ； University of Science and Technology of China（中国科学技术大学）
AI总结 GenAgent通过代理多模态推理提升文本到图像生成性能，采用两阶段训练策略实现自主多轮交互与任务自适应推理。
具有视觉-语言先验和3D声学环境建模的物理感知新视角声音合成
机构 * Group of Intelligent Signal Processing（智能信号处理组） ； Harbin Engineering University（哈尔滨工程大学） ； School of Intelligence Science and Technology（智能科学与技术学院） ； Nanjing University（南京大学） ； Processing Speech and Images（语音与图像处理） ； KU Leuven（库尔勒文大学） ； Acoustics Lab（声学实验室） ； University of Technology Sydney（悉尼技术大学） ； State Key Laboratory of Space Information System and Integrated Application（空间信息系统与集成应用国家重点实验室） ； Centre for Vision Speech and Signal Processing（视觉语音与信号处理中心） ； University of Surrey（萨里大学）
AI总结 Phys-NVAS通过整合视觉-语言语义先验与3D声学环境建模，实现了具有物理感知的新视角声音合成，提升了声音的真实感和物理一致性。
Comments ICASSP 2026 Accept, Project page: https://physnvas.github.io/
DART：基于扩散的推测解码用于快速大语言模型推理
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） ； Alibaba Group（阿里巴巴集团）
AI总结 DART通过并行生成和高效树修剪算法，提升大语言模型推理速度，比EAGLE3快30%。
DiaDem: 促进音频视频字幕中的对话描述以提升多模态大语言模型
机构 * New Laboratory of Pattern Recognition, Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所模式识别新实验室） ； School of Artificial Intelligence, University of Chinese Academy of Sciences（中国科学院大学人工智能学院） ； Kling Team, Kuaishou Technology（快手科技 Kling 团队） ； Peking University（北京大学） ； Nanjing University（南京大学）
AI总结 DiaDem通过合成高质量数据集和难度分区的两阶段GRPO策略，提升了音频视频字幕中的对话描述准确性，并在多种基准测试中表现出色。
Comments Project webpage: https://diadem-captioner.github.io/
Vlaser：具有协同具身推理能力的视觉-语言-动作模型
机构 * University of Science and Technology of China（中国科学技术大学） ； Shanghai AI Laboratory（上海人工智能实验室） ； Shanghai Jiao Tong University（上海交通大学） ； Zhejiang University（浙江大学） ； Nanjing University（南京大学） ； Fudan University（复旦大学） ； Tsinghua University（清华大学） ； NUS（新加坡国立大学） ； Northeastern University（东北大学） ； Shenzhen University（深圳大学）
AI总结 Vlaser通过整合高级推理与低级控制，解决了具身推理与VLA策略学习之间的关键差距，在多个基准测试中取得最佳性能。
对隔离森林归纳偏置的理论研究
机构 * National Key Laboratory for Novel Software Technology, Nanjing University, China（新型软件技术国家实验室，南京大学） ； School of Artificial Intelligence, Nanjing University, China（人工智能学院，南京大学） ； School of Intelligence Science and Technology, Nanjing University, China（智能科学与技术学院，南京大学） ； College of Computer and Information, Hohai University, China（计算机与信息学院，河海大学） ； Key Laboratory of Water Resources Big Data Technology of Ministry of Water Resources, Hohai University, China（水利部水资源大数据技术重点实验室，河海大学）
AI总结 本文通过理论分析揭示了隔离森林在异常检测中的归纳偏置，指出其对中心异常的低敏感性和较高的参数适应性。
SafeRBench: 解析大语言模型推理安全性的本质
机构 * Nanjing University（南京大学） ； Fudan University（复旦大学） ； Carnegie Mellon University（卡内基梅隆大学） ； Chinese Academy of Sciences（中国科学院） ； Nanyang Technological University（南洋理工大学）
AI总结 SafeRBench通过端到端评估方法解析大语言模型推理过程中的安全性问题，提出风险分层探测、微思维分析和10项细粒度指标，揭示大模型在增强安全性的同时可能增加可操作风险的悖论。
Comments 29 pages, 8 figures
统一的多模态理解和生成模型：进展、挑战与机遇
机构 * Alibaba Group（阿里巴巴集团） ； Hong Kong University of Science and Technology（香港科学与技术大学） ； Nanjing University（南京大学） ； Peking University（北京大学） ； Tsinghua University（清华大学）
AI总结 本文探讨了多模态理解和生成模型的统一进展、挑战与机遇，分析了不同架构范式及未来研究方向。
Comments In this version, we incorporate new papers (after Aug. 2025), datasets, and benchmarks. This work is still in progress; Github project: https://github.com/AIDC-AI/Awesome-Unified-Multimodal-Models
PEAfowl：感知增强的多视角视觉-语言-动作用于双臂操作
机构 * Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所） ； Nanjing University（南京大学）
AI总结 PEAfowl通过增强感知的多视角视觉-语言-动作策略，提升双臂操作在复杂环境中的稳定性和成功率。
MMR-Bench: 多模态大语言模型路由的综合基准
机构 * School of Artificial Intelligence, Nanjing University（人工智能学院，南京大学） ； National Key Laboratory for Novel Software Technology, Nanjing University（新型软件技术国家实验室，南京大学）
AI总结 MMR-Bench提供多模态大语言模型路由的统一基准，通过可控环境和广泛任务集评估路由策略，实验证明多模态信号可提升路由性能并超越单模型表现。
扁平化复杂：通过组合k-cell粒子进行联合B-Rep生成
机构 * Nanjing University（南京大学）
AI总结 本文提出了一种基于组合k-cell粒子的B-Rep生成方法，通过解耦层次结构实现拓扑与几何的联合生成，提升生成模型的精度和可编辑性。
对齐基准：双语自反馈的多语言数学推理
机构 * JIUTIAN Research, China Mobile, Beijing, China（JIUTIAN研究, 中国移动, 北京） ； 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）
AI总结 PASMR通过基准语言自反馈机制提升多语言数学推理能力，解决LLMs在多语言环境下的性能下降问题。
Comments This paper has been accepted by ICASSP 2026
表格基础模型是强大的图异常检测器
机构 * State Key Laboratory for Novel Software Technology Nanjing University Nanjing China（新型软件技术国家重点实验室 南京大学 南京 中国） ； 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）
AI总结 本文提出TFM4GAD，利用表格基础模型解决图异常检测问题，通过增强特征表和上下文学习提升跨领域泛化能力。
Comments Accepted by WWW 2026 (Short Paper)
RefProtoFL：通过外部参考原型对齐实现高效的联邦学习
机构 * College of Intelligence and Computing, Tianjin University（智能与计算学院，天津大学） ； State Key Lab. for Novel Software Technology, Nanjing University（新型软件技术国家重点实验室，南京大学） ； Yunnan Key Lab. of Service Computing, Yunnan University of Finance and Economics（云南服务计算重点实验室，云南财经大学）
AI总结 RefProtoFL通过外部参考原型对齐和自适应概率更新丢弃技术，实现高效联邦学习，提升异构客户端下的分类准确率。
PyMAF-X：迈向从单目图像中恢复对齐的完整身体模型
机构 * Department of Automation, Tsinghua University（自动化系，清华大学） ； Department of Computer Science and Technology, Nanjing University（计算机科学与技术系，南京大学） ； Institute of Automation, Chinese Academy of Sciences（自动化研究所，中国科学院）
AI总结 PyMAF-X通过改进的回归方法实现从单目图像中准确恢复对齐的完整身体模型，提升了网格与图像的对齐性能。
Comments Article in IEEE TPAMI 2023, Update project page: https://zhanghongwen.cn/pymaf-x, An eXpressive extension of PyMAF [arXiv:2103.16507] for monocular human/hand/face/whole-body motion capture
密度分布与质量分布在聚类中的对比
机构 * State Key Laboratory for Novel Software Technology, Nanjing University, China 210023（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, Nanjing, China 210023（人工智能学院，南京大学，南京，中国） ； School of IT, Deakin University, Geelong, Australia 3125（信息技术学院，德金大学，Geelong，澳大利亚）
AI总结 本文提出质量最大化聚类算法，用于克服密度分布的高密度偏见问题，以发现任意形状和密度的聚类。
WeDefense：一种用于对抗假音频的工具包
机构 * Johns Hopkins University（约翰霍普金斯大学） ； Brno University of Technology（布拉格技术大学） ； National Institute of Informatics（国家信息研究所） ； National University of Singapore（新加坡国立大学） ； University of Rochester（罗切斯特大学） ； Nanyang Technological University（南洋理工大学） ； Nanjing University（南京大学） ； WeNet Opensource Community（WeNet开源社区） ； EURECOM
AI总结 WeDefense是一个开源工具包，旨在提供标准化的假音频检测与定位解决方案，包含灵活的输入增强、校准、分数融合和标准化评估指标等核心功能。
Comments This is an ongoing work. v1 corresponds to the version completed by June 4, 2025 and previously submitted to ASRU 2025
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