Shanghai Jiao Tong University（上海交通大学）

Unlearning Offline Stochastic Multi-Armed Bandits

撤销离线随机多臂老虎机

Zichun Ye, Runqi Wang, Xuchuang Wang, Xutong Liu, Shuai Li, Mohammad Hajiesmaili

机构 * Shanghai Jiao Tong University, Shanghai, China（上海交通大学） ； University of Washington, Tacoma, United States（华盛顿大学 Tacoma 分校） ； University of Massachusetts Amherst, Massachusetts, United States（马萨诸塞大学阿姆赫斯特分校） 纠错

AI总结 本文首次研究离线随机多臂老虎机中的撤销问题，提出适应性算法并在两种数据生成模型下建立性能保证和下界。

Comments First two authors made an equal contribution

PhysiGen: Integrating Collision-Aware Physical Constraints for High-Fidelity Human-Human Interaction Generation

PhysiGen：整合碰撞感知的物理约束以生成高保真的人-人交互

Nan Lei, Yuan-Ming Li, Ling-An Zeng, Liang Xu, Zhi-Wei Xia, Hui-Wen Huang, Fa-Ting Hong, Wei-Shi Zheng

机构 * Sun Yat-sen University（中山大学） ； The Hong Kong University of Science and Technology（香港科学与技术大学） ； Shanghai Jiao Tong University（上海交通大学） ； Guilin University of Electronic Technology（桂林电子科技大学） 纠错

AI总结 本文提出PhysiGen方法，通过简化人体网格和优化碰撞区域，提升多人体交互生成的现实感和物理合理性。

Comments 15 pages, 9 figures

AirFM-DDA: Air-Interface Foundation Model in the Delay-Doppler-Angle Domain for AI-Native 6G

AirFM-DDA：用于AI原生6G的延迟-多普勒-角度域空气接口基础模型

Kejia Bian, Meixia Tao, Jianhua Mo, Zhiyong Chen, Leyan Chen

机构 * School of Information Science and Electronic Engineering, Shanghai Jiao Tong University, Shanghai, 200240, China（上海交通大学信息科学与电子工程学院，上海，200240，中国） ； Shanghai Innovation Institute, Shanghai 200231, China（上海创新研究院，上海200231，中国） 纠错

AI总结 本文提出AirFM-DDA，一种在延迟-多普勒-角度域运作的空气接口基础模型，用于物理层任务，通过重新参数化CSI并引入帧结构感知位置编码，提升零样本泛化能力与计算效率。

Comments 16 pages

Intern-Atlas: A Methodological Evolution Graph as Research Infrastructure for AI Scientists

Intern-Atlas：一种方法论进化图作为人工智能科学家的研究基础设施

Yujun Wu, Dongxu Zhang, Xinchen Li, Jinhang Xu, Yiling Duan, Yumou Liu, Jiabao Pan, Qiyuan Zhu, Xuanhe Zhou, Jingxuan Wei, Siyuan Li, Jintao Chen, Conghui He, Cheng Tan

机构 * Shanghai Artificial Intelligence Laboratory（上海人工智能实验室） ； Peking University（北京大学） ； Xi'an Jiaotong University（西安交通大学） ； Zhejiang University（浙江大学） ； East China Normal University（华东师范大学） ； Hunan University（湖南大学） ； Shanghai Jiao Tong University（上海交通大学） ； Shanghai University（上海大学） ； University of Chinese Academy of Sciences（中国科学院大学） 纠错

AI总结 Intern-Atlas通过构建方法论进化图，自动识别方法实体，推断方法间的关系，并捕捉驱动创新过渡的瓶颈，为AI研究提供因果网络支持。

Comments 25 pages, 5 figures, 8 tables

LLM DNA: Tracing Model Evolution via Functional Representations

LLM DNA：通过功能表示追溯模型进化

Zhaomin Wu, Haodong Zhao, Ziyang Wang, Jizhou Guo, Qian Wang, Bingsheng He

机构 * Department of Computer Science, National University of Singapore（新加坡国立大学计算机科学系） ； School of Computer Science, Shanghai Jiao Tong University（上海交通大学计算机科学学院） ； Zhiyuan College, Shanghai Jiao Tong University（上海交通大学智远学院） 纠错

AI总结 本文提出LLM DNA概念，通过低维生物利普希茨表示捕捉模型功能行为，解决现有方法的局限性，实验显示其在模型关系分析和进化树构建中的有效性。

Comments ICLR 2026 (Oral)

Journal ref International Conference on Learning Representations 2026

G-reasoner: Foundation Models for Unified Reasoning over Graph-structured Knowledge

G-reasoner：用于统一图结构知识推理的基础模型

Linhao Luo, Zicheng Zhao, Junnan Liu, Zhangchi Qiu, Junnan Dong, Serge Panev, Chen Gong, Thuy-Trang Vu, Gholamreza Haffari, Dinh Phung, Alan Wee-Chung Liew, Shirui Pan

机构 * Monash University（莫纳什大学） ； Nanjing University of Science and Technology（南京理工大学） ； Griffith University（格里菲斯大学） ； Shanghai Jiao Tong University（上海交通大学） ； Tencent Youtu Lab（腾讯优图实验室） ； NVIDIA（英伟达） 纠错

AI总结 G-reasoner通过整合图与语言基础模型，实现对多样化图结构知识的高效推理，采用标准化四层抽象QuadGraph统一异构知识源，并通过混合精度训练和分布式消息传递提升效率与泛化能力。

Comments Accepted by ICLR 2026

Structured In-context Environment Scaling for Large Language Model Reasoning

结构化上下文环境扩展用于大语言模型推理

Peng Yu, Zeyuan Zhao, Shao Zhang, Luoyi Fu, Xinbing Wang, Ying Wen

机构 * Shanghai Jiao Tong University（上海交通大学） 纠错

AI总结 本文提出SIE框架，通过自动构建结构化数据环境提升大语言模型的推理能力，实现可扩展性、通用性和可验证性，实验显示其在结构化推理和跨领域逻辑推理中的有效性。

Comments Title modified for greater clarity and better alignment with the paper's focus

ML-Agent: Reinforcing LLM Agents for Autonomous Machine Learning Engineering

ML-Agent: 通过强化学习增强大语言模型代理以实现自主机器学习工程

Zexi Liu, Jingyi Chai, Xinyu Zhu, Shuo Tang, Rui Ye, Bo Zhang, Lei Bai, Siheng Chen

机构 * Shanghai Jiao Tong University（上海交通大学） ； Shanghai AI Laboratory（上海人工智能实验室） 纠错

AI总结 本文提出基于强化学习的代理机器学习框架，通过探索增强微调、分步强化学习和专用奖励模块，训练出性能媲美大模型但成本更低的ML-Agent，实现跨任务泛化。

DiffMI: Breaking Face Recognition Privacy via Diffusion-Driven Training-Free Model Inversion

DiffMI：通过扩散驱动的无训练模型逆向攻击破解人脸识别隐私

Hanrui Wang, Shuo Wang, Chun-Shien Lu, Isao Echizen

机构 * Echizen Lab, National Institute of Informatics (NII)（筑前实验室，日本国立信息学研究所） ； Shanghai Jiao Tong University（上海交通大学） ； Institute of Information Science, Academia Sinica（学术院信息科学研究所） 纠错

AI总结 本文提出DiffMI，一种基于扩散的无训练模型逆向攻击方法，通过鲁棒潜在码初始化、对抗性细化策略和统计学基础的优化目标，实现对未知目标身份和人脸识别模型的有效攻击，具有更高的适应性和更低的计算开销。

Comments IEEE Transactions on Information Forensics and Security

Journal ref IEEE Transactions on Information Forensics and Security, vol. 21, 2026. 4275-4290