高校专区
基于选择性观察的结构化行动信用学习CLI代理
机构 * Fudan University（复旦大学） ； Shanghai Innovation Institute（上海创新研究院） ； Shanghai Jiao Tong University（上海交通大学）
AI总结 本文研究了CLI代理在选择性观察和行动信用分配中的瓶颈，提出σ-Reveal和A³方法，构建ShellOps数据集以评估CLI任务学习。
潜在扩散 manifold 中什么因素重要？面向潜在扩散的先验对齐自编码器
机构 * Shanghai Jiao Tong University（上海交通大学） ； Alibaba Group（阿里巴巴集团） ； Shenzhen Institutes of Advanced Technology, Chinese Academy of Sciences（深圳先进技术研究院，中国科学院） ； Beihang University（北航） ； Sun Yat-sen University（中山大学） ； Nankai University（南开大学） ； Shanghai AI Laboratory（上海人工智能实验室）
AI总结 本文研究潜在 manifold 组织对扩散模型生成质量的影响，提出 PAE 显式构建潜在 manifold，提升训练效率和生成质量，达到新状态的 gFID 1.03。
PhySPRING: 通过图神经网络实现物理信息双胞胎的结构保持降维
机构 * University of Cambridge（剑桥大学） ； Shanghai Jiao Tong University（上海交通大学）
AI总结 PhySPRING通过图神经网络学习层次化简化图拓扑及其机械参数，实现弹簧-质量双胞胎的结构保持降维，提升重建和预测精度并提高计算效率。
Comments 16 pages and 6 pages, conference paper
明知而不纠正：常规任务请求抑制大语言模型中的事实纠正
机构 * Shanghai Jiao Tong University（上海交通大学） ； The Chinese University of Hong Kong（香港中文大学） ； Ant Group（蚂蚁集团）
AI总结 研究发现常规任务请求会抑制大语言模型的事实纠正能力，通过构建300个虚假前提的基准测试，揭示了模型在任务上下文中对错误信息的处理机制，并提出两种无需训练的干预方法提升事实准确性。
DGPO：基于分布的策略优化用于细粒度信用分配
机构 * Peking University（北京大学） ； SJTU（上海交通大学） ； Tsinghua University（清华大学）
AI总结 DGPO通过引入分布引导的策略优化框架，解决传统方法在细粒度信用分配中的不足，通过Hellinger距离和熵门机制实现安全探索与有效区分真实推理突破，提升大语言模型在复杂推理任务中的性能。
持久视觉记忆：在大型视觉-语言模型中维持感知以实现深度生成
机构 * Shanghai AI Laboratory（上海人工智能实验室） ； Shanghai Jiao Tong University（上海交通大学） ； The Chinese University of Hong Kong（香港中文大学） ； Nanjing University（南京大学） ； Tongji University（同济大学） ； Wuhan University（武汉大学）
AI总结 本文提出PVM模块，通过增强视觉证据的持续访问能力，解决LVLMs中视觉信号稀释问题，提升复杂推理任务的准确率。
MiniAppBench：评估从文本到交互式HTML响应的转变
机构 * Shanghai Jiao Tong University, Shanghai, China（上海交通大学） ； Carnegie Mellon University, Pittsburgh, PA, USA（卡内基梅隆大学）
AI总结 本文提出MiniAppBench，首个评估原理驱动交互应用生成能力的基准，通过10M+生成数据提炼500个任务，结合MiniAppEval框架评估意图、静态和动态维度，揭示LLM在生成高质量交互应用上的不足。
ReasonEdit：通过强化学习实现可解释图像编辑评估
机构 * University of Electronic Science and Technology of China（电子科学与技术大学） ； Shanghai Jiao Tong University（上海交通大学）
AI总结 本文提出ReasonEdit，通过引入ReasonEdit-22K数据集和RE-Reward模型，训练出可解释的图像编辑评估模型，提升评估的可解释性和透明度。
EditRefiner：一种对齐人类的代理框架用于图像编辑细化
机构 * Shanghai Jiao Tong University（上海交通大学） ； Vivo Mobile Communication Co., Ltd（Vivo移动通信有限公司） ； University of Electronic Science and Technology of China（电子科学与技术大学）
AI总结 本文提出EditRefiner，一种对齐人类的代理框架，通过人类反馈数据集改进图像编辑的细粒度问题，通过感知-推理-行动-评估循环提升编辑质量。
InsHuman: 向自然且身份保持的人体插入迈进
机构 * South China University of Technology（南方科技大学） ； Chinese University of Hong Kong（香港大学） ； Shanghai Jiao Tong University（上海交通大学） ； Max Planck Institute for Informatics（马克斯·普朗克研究所）
AI总结 本文提出InsHuman，通过HBAF、FFIP和BDP方法实现自然且身份保持的人体插入，提升生成图像的合理性与身份一致性。
TTF: 时空融合用于高效的视频-语言模型
机构 * Shanghai Jiao Tong University（上海交通大学）
AI总结 本文提出TTF方法，通过利用视频中的时间冗余性，减少视频语言模型的推理成本，保留高精度的同时显著降低视觉token数量。
Comments 14 pages; manuscript submitted to NeurIPS 2026
GEM: 通过可变形Mamba生成LiDAR世界模型
机构 * NJU（南京大学） ； SJTU（上海交通大学） ； FDU（福建师范大学） ； NTU（南京理工大学）
AI总结 GEM通过可变形Mamba架构提升LiDAR世界模型的逼真度与想象力，解决点云无序和动态静态区分难题，实现空间时间感知与自主探索能力。
AsyncEvGS: 异步事件辅助高斯点云法用于手持运动模糊场景
机构 * Shanghai AI Laboratory（上海人工智能实验室） ； Shanghai Jiao Tong University（上海交通大学） ； CUHK MMLab（香港大学多模态实验室） ； CPII under InnoHK（创新香港下的CPII）
AI总结 本文提出异步事件辅助高斯点云法，通过高分辨率双相机系统和跨域姿态估计模块，解决运动模糊场景下的3D重建问题，提出AsyncEv-Deblur数据集，提升重建鲁棒性。
注意力转移并非对视觉变换器普遍有效
机构 * Institute for Infocomm Research (I 2 R), A*STAR, Singapore（信息与通信研究 institute（I 2 R），A*STAR，新加坡） ； Sichuan University（四川大学） ； Shanghai Jiao Tong University（上海交通大学）
AI总结 研究发现，尽管注意力转移能恢复预训练权重的全部效果，但并非所有视觉变换器家族都能成功，部分家族在不同训练条件下均表现不佳，问题源于学生架构与教师架构不匹配。
从早期经验学习代理路由
机构 * AI Lab, Princeton University（普林斯顿大学人工智能实验室） ； University of Michigan（密歇根大学） ； Institute for Interdisciplinary Information Sciences (IIIS), Tsinghua University（清华大学交叉信息学院） ； Shanghai Jiao Tong University（上海交通大学） ； University of Edinburgh（爱丁堡大学） ； King’s College London（伦敦国王学院）
AI总结 本文研究在冷启动条件下如何在轻量级LLM推理与完整代理执行间进行路由，提出无需训练的BoundaryRouter框架，通过早期行为经验和指导性推理决定是否直接使用LLM还是升级至代理，实验显示其在降低推理时间与提升性能方面优于其他方法。
Comments 17 pages
ASPECT：节点级自适应频谱融合用于图对比学习
机构 * School of Computer Science, Shanghai Jiao Tong University（上海交通大学计算机科学学院）
AI总结 ASPECT通过节点级自适应融合低频和高频视图，提升图对比学习的表示质量，在混合图中减少悔恨，同时通过ASPECT-S增强稳定性。
Comments 28 pages, 3 figures. Revised version with updated method framing, improved exposition, and additional experiments
基于内在反思的生成式空间推理器：RL-RIG
机构 * Zhiyuan College, Shanghai Jiao Tong University（上海交通大学紫元学院） ； Huazhong University of Science and Technology（华中科技大学） ； National University of Singapore（新加坡国立大学） ； Shanghai Jiao Tong University（上海交通大学） ； Tsinghua University（清华大学） ； Shanghai AI Laboratory（上海人工智能实验室）
AI总结 RL-RIG通过生成-反思-编辑范式，提升图像生成的精细空间关系捕捉能力，采用Scene Graph IoU和VLM评估策略，在空间一致性上优于现有模型。
Miner:挖掘内在掌握以实现大推理模型的数据高效强化学习
机构 * Fudan University（复旦大学） ； Shanghai Jiao Tong University（上海交通大学） ； Shanghai Artificial Intelligence Laboratory（上海人工智能实验室）
AI总结 本文提出Miner方法，通过利用策略内在不确定性作为自监督奖励信号，提升大推理模型的数据高效强化学习性能，实现状态-of-the-art结果。
Comments 24 pages
视觉语言动作模型中的持续演进技能知识
机构 * Shanghai Jiao Tong University（上海交通大学） ； Shanghai Innovation Institute（上海创新研究院） ； University of Cambridge（剑桥大学） ； Beihang University（北京航空航天大学） ； Nanyang Technological University（南洋理工大学） ； MIT SMART（麻省理工学院SMART实验室） ； AgiBot
AI总结 本文提出Stellar VLA框架，通过无需增加参数的持续模仿学习方法，实现视觉语言动作模型的持续知识积累，实验表明其在任务专精和知识转移方面表现优异。
共识熵：利用多视觉语言模型一致性的自验证和自改进OCR
机构 * Fudan University（复旦大学） ； Shanghai Innovation Institute（上海创新研究院） ； Shanghai Jiao Tong University（上海交通大学） ； East China Normal University（华东师范大学） ； Sun Yat-sen University（中山大学）
AI总结 本文提出共识熵，一种无需训练的指标，通过测量多模型一致性熵来估计输出可靠性，开发了CE-OCR框架，通过多模型共识验证输出、选择最佳输出并提升效率，实验表明CE在质量验证中鲁棒，提升F1分数42.1%，优于自一致性及单模型基线。
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