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
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
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
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
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
ContextMaster：基于固定预算稀疏上下文路由的交互式多镜头视频创作
机构 * Tsinghua University（清华大学） ； Nanjing University（南京大学） ； Kling Team, Kuaishou Technology（快手科技影团队） ； ShanghaiTech University（上海科技大学） ； The Hong Kong University of Science and Technology（香港科技大学）
AI总结 该研究提出统一模型ContextMaster，以固定预算稀疏上下文路由等技术解决交互式多镜头视频创作问题，在基础任务表现优于专用基线，单GPU达16 FPS且支持灵活工作流。
Comments Project page: https://guoxu1233.github.io/ContextMaster/
Mind-VLA：面向视觉-语言-动作模型的指令感知空间表示对齐方法
机构 * Nanjing University（南京大学） ； Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所） ； University of Chinese Academy of Sciences（中国科学院大学）
AI总结 本文针对现有VLA方法忽略指令指定目标物体3D几何的问题，提出Mind-VLA方法，通过对齐目标物体相关特征实现指令感知3D理解，在LIBERO、CALVIN及真实机器人遮挡任务上性能显著优于基线。
相同语义，不同路径：面向视觉-文本压缩的自改进对齐
机构 * Southeast University（东南大学） ； Nanjing University（南京大学） ； Zhejiang University（浙江大学） ； National University of Singapore（新加坡国立大学）
AI总结 该研究针对视觉-文本压缩中渲染图像与原生文本表示的跨路径不一致瓶颈，提出自监督对齐框架SPIRAL，通过令牌级OPD与序列级DPO提升模型性能，在VTCBench上显著改善Qwen3-VL-8B的表现并实现域外泛化。
Comments Accepted to ACM Multimedia 2026 (Oral)
CoT-Core：通过感知思维链的核心集选择加速大语言模型评估
机构 * Nanjing University（南京大学） ； The Hong Kong University of Science and Technology（香港科技大学） ； The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州））
AI总结 CoT-Core是无训练的核心问题选择框架，通过感知大语言模型的思维链推理轨迹聚类问题，可大幅降低LLMs评估成本，且在GSM8K等多数据集上维持高保真度分数估计。
Comments 23 pages, 3 figures, 10 tables. Includes appendix
并非所有 token 都应获得同等权重：面向长思维链（Long-CoT）推理的反事实敏感性权重重分配
机构 * State Key Laboratory for Novel Software Technology, Nanjing University（南京大学现代软件技术国家重点实验室） ； Institute of Wireless Communications Technology, Shanghai Jiao Tong University（上海交通大学无线通信技术研究所）
AI总结 针对长思维链推理中均匀分配 token 权重的缺陷，提出反事实敏感性权重重分配方法，在数学推理基准上优于 GRPO，验证了特权诱导方向不可靠的诊断。
Comments 20 pages, 6 figures, 11 tables
高光谱内在分解：非朗伯场景中反射率和光度分量的联合恢复
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 研究非朗伯场景下高光谱内在分解问题，重新审视双色反射模型，提出统一反演范式及双尺度分解方案，建立CITE数据集和PISG，通过实验证明方法在多样场景下的有效性和鲁棒性。
CAST：将游戏求解器作为大语言模型智能体的回合级教师
机构 * University of Science and Technology of China（中国科学技术大学） ； Nanjing University（南京大学） ； Wuhan University（武汉大学） ； Meituan（美团）
AI总结 研究如何训练大语言模型在长期游戏中决策，提出CAST方法，利用游戏求解器状态值变化转化为求解器优势并注入RLVR，在多个游戏中优于基线，实现高平均零样本性能。
迈向高级语义智能
机构 * Shanghai Jiao Tong University（上海交通大学） ； Nanjing University（南京大学） ； Shanghai Artificial Intelligence Laboratory（上海人工智能实验室）
AI总结 综述从语义复杂性角度审视人工智能语义智能发展，系统调研高级语义任务研究，总结理解和生成的相关方法及策略，旨在推动人工智能向高级语义智能持续发展。
Omni-Prune：用于高效全模态大语言模型的查询感知统一令牌剪枝
机构 * Nanjing University（南京大学）
AI总结 研究针对全模态大语言模型推理时音频-视频令牌序列长、预填充延迟高和GPU内存使用量大的问题，提出无需训练的查询感知Omni-Prune框架，联合去除冗余并保留跨模态证据，实验证明其性能优于基线方法，能加速预填充并减少内存。
Comments 14 pages, 7 figures. Code: https://github.com/kimberlyii/Omni-Prune
软件工程流水线中编码代理的基于执行的安全测试
机构 * Nanjing University（南京大学） ； Nanyang Technological University（南洋理工大学） ； Hainan University（海南大学）
AI总结 研究针对软件工程流水线中编码代理的安全问题，提出基于执行的红队测试框架，利用沙盒证据探测安全边界，将不安全操作嵌入工作负载并借助执行预言机优化，通过实验大幅增加不安全执行验证率，凸显编码代理需更强安全测试。
Comments Preprint. 12 pages, 6 figures
超越未通过测试：协同生成的错误重现测试与修复的迭代强化
机构 * Nanjing University（南京大学） ； Peking University（北京大学） ； Microsoft（微软公司）
AI总结 研究自动化程序修复中错误重现测试问题，指出仅用未通过到通过标准不足。提出CoHarden框架，先生成测试再迭代强化测试与修复，实验证明该框架在解决率等方面优于现有基线。
Comments 29 pages, 5 figures, preprint
AdaFlash：通过策略蒸馏扩散草稿器实现自适应推测解码
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） ； School of Artificial Intelligence, Nanjing University（南京大学人工智能学院） ； Huawei Foundation Model Dept（华为基础模型部）
AI总结 研究针对扩散草稿器在推测解码中存在的问题，提出AdaFlash框架，包含基于策略蒸馏算法和自适应长度头，有效降低方差，实验证明该框架能提高推理速度，尤其在高并发场景中吞吐量显著提升。
SciCodePile：用于具有挑战性的科学代码生成的128GB语料库和可执行基准测试
机构 * Singapore Management University（新加坡管理大学） ； Nanjing University（南京大学） ； SUN YAT-SEN University（孙中山大学） ； Home Team Science & Technology Agency（家庭团队科技局）
AI总结 研究大型语言模型处理科学代码的能力，提出SciCodePile语料库及可执行基准测试，评估15个模型在三项任务上的表现，发现科学代码生成极具挑战，同时展示了该语料库在训练上的效用，代码和数据可获取。
脑电到文本在现实场景中可行吗？使用受神经心理学启发的基准进行深入分析
机构 * Research Center for Social Computing and Interactive Robotics, Harbin Institute of Technology（哈尔滨工业大学社会计算与交互机器人研究中心） ； Shanghai Innovation Institute（上海创新院） ； 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） ； Zhongguancun Laboratory（中关村实验室）
AI总结 探讨脑电到文本在现实场景的可行性，利用受神经心理学启发的范式，发现现有基准忽略脑电不稳定性问题。通过实验为无教师强制的EEG2Text解码提供证据，构建COFETT基准，可区分模型性能，实现稳健评估，推动EEG2Text实际应用。
Comments 17 pages, 8 figures. Published in Proceedings of ACL 2026 Main Conference
Journal ref Proceedings of the 64th Annual Meeting of the Association for Computational Linguistics, Volume 1: Long Papers (2026), 1378-1393
S2T-RLHF：基于稳定偏好的强化学习从人类反馈中的分层信用分配
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） ； School of Computer Science and Artificial Intelligence, Zhengzhou University（郑州大学计算机科学与人工智能学院）
AI总结 研究基于偏好奖励模型的RLHF训练不稳定问题，提出分层信用分配的粒度感知原则，引入S2T-RLHF框架，先在句子间分配奖励，再在句内细化，无需重新训练模型，实验证明该方法提高了训练稳定性和鲁棒性。
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