高校专区
CausalCine：多镜头视频叙事的实时自回归生成
机构 * HKUST（香港科技大学） ； Ant Group（蚂蚁集团） ； SJTU（上海交通大学）
AI总结 CausalCine通过自回归框架实现多镜头视频生成，通过动态提示和记忆路由保持跨镜头连贯性，优于现有自回归模型，实现实时交互生成。
Comments Project page: https://yihao-meng.github.io/CausalCine/
$δ$-mem: 高效的大型语言模型在线内存
机构 * Nanyang Technological University（南洋理工大学） ； Fudan University（复旦大学） ； Mind Lab ； Shanghai Jiao Tong University（上海交通大学） ； The Chinese University of Hong Kong（香港中文大学） ； The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州））
AI总结 本文提出$δ$-mem机制，通过紧凑的在线状态与注意力计算直接耦合，提升模型在长文本任务中的表现，无需全微调或替换backbone。
SOAR：在NVFP4量化中的尺度优化以实现准确重建
机构 * Shanghai Jiao Tong University（上海交通大学） ； Tencent Hunyuan（腾讯文心）
AI总结 本文提出SOAR框架，通过闭式联合尺度优化和解耦尺度搜索提升NVFP4量化精度，实验证明其在相同内存占用下优于现有方法。
没有NOD就没有行动：一种异质多智能体架构用于可靠的服务代理
机构 * X-LANCE Lab, School of Computer Science, Shanghai Jiao Tong University, Shanghai, China（X-LANCE实验室，计算机科学学院，上海交通大学，上海，中国） ； Shanghai Innovation Institution, Shanghai, China（上海创新机构，上海，中国） ； Jiangsu Key Lab of Language Computing, Suzhou, China（江苏省语言计算重点实验室，苏州，中国）
AI总结 本文提出NOD架构，通过外部化全局状态和选择性外部监督，提升服务代理在长周期任务中的可靠性，实验表明其在任务成功率和关键动作精度上优于基线方法。
通过可控生成增强在3D人体姿态估计中的领域泛化
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 本文提出可控人体姿态生成框架，通过系统变化姿态、背景和摄像机视角合成多样化视频数据，增强训练集多样性，提升模型泛化能力，验证了在处理领域差异方面的有效性。
X-Imitator：通过双向动作-姿态交互实现空间感知的模仿学习
机构 * Shanghai Jiao Tong University（上海交通大学）
AI总结 本文提出X-Imitator框架，通过双向动作-姿态交互解决机器人操作中空间感知与动作生成的耦合问题，实验表明其在24个模拟和3个现实任务中表现优于现有方法。
CR²：面向无线设备-边缘LLM推断的成本感知风险控制路由
机构 * Cooperative Medianet Innovation Center, Shanghai Jiao Tong University（合作中位网创新中心，上海交通大学） ； Department of Broadband Communication, Pengcheng Laboratory（宽带通信部，鹏城实验室） ； Future Network of Intelligent Institute (FNii), the Chinese University of Hong Kong (Shenzhen)（智能网络研究所（FNii），香港中文大学（深圳）） ； Meta
AI总结 本文提出CR²框架，通过分离轻量级设备模型与边缘模型的决策机制，优化无线边缘环境下的推断效率与成本，提升部署准确性与能耗平衡。
Comments submitted to IEEE Journal
UnfoldLDM: 基于迭代潜在扩散先验的退化感知展开网络用于盲图像恢复
机构 * Duke University（杜克大学） ； Shanghai Jiao Tong University（上海交通大学） ； Peking University（北京大学） ； Tsinghua University（清华大学） ； Xiamen University（厦门大学）
AI总结 本文提出UnfoldLDM，结合深度展开网络与潜在扩散模型，解决盲图像恢复中的退化依赖和过平滑偏差问题，通过多粒度退化感知模块和退化抗性LDM提取先验，提升恢复质量与视觉效果。
Comments 6 figures, 11 tables
可聚焦的单目深度估计
机构 * School of Artificial Intelligence, Shanghai Jiao Tong University（上海交通大学人工智能学院） ； The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）） ； King Abdullah University of Science and Technology（国王 Abdullah 科学与技术大学）
AI总结 本文提出FDE，一种区域感知的单目深度估计方法，通过FocusDepth框架和MSSA模块，提升目标区域的深度精度和全局几何一致性，基于FDE-Bench验证了方法的有效性。
SafeSteer: 多模态大语言模型中的解码级防御机制
机构 * Tsinghua University（清华大学） ； Shanghai Jiao Tong University（上海交通大学） ； Kuaishou Technology（快手科技） ； School of Computer Science and Technology, Beihang University（北航计算机科学与技术学院） ； Nanjing University of Aeronautics and Astronautics（南京航空航天大学） ； Chongqing University（重庆大学） ； Wuhan University（武汉大学）
AI总结 本文提出SafeSteer，通过解码阶段的轻量探针和模态语义对齐向量，提升多模态大语言模型的安全性，实验表明其能提升33.40%的安全性而不需微调。
Logit-Attention Divergence：通过注意力引导的校准缓解多图像检索中的位置偏差
机构 * Zhiyuan College, Shanghai Jiao Tong University, Shanghai, China（上海交通大学紫阳学院） ； Shanghai Jiao Tong University, Shanghai, China（上海交通大学） ； Shanghai Artificial Intelligence Laboratory, Shanghai, China（上海人工智能实验室） ； Shanghai Innovation Institute, Shanghai, China（上海创新研究院）
AI总结 本文提出一种无需训练的注意力引导去偏框架，通过利用内在注意力信号在推理时进行实例级校正，显著提升排列不变性并取得最佳性能。
BitLM：通过位连续扩散解锁多令牌语言生成
机构 * Shanghai Jiao Tong University（上海交通大学） ； MMLab, The Chinese University of Hong Kong（中大香港机器学习实验室） ； Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所） ； SIAT, Chinese Academy of Sciences（中国科学院软件研究所）
AI总结 BitLM通过位连续扩散模型实现多令牌并行生成，结合因果注意力与联合词决策，提升预训练效率和推理速度，证明单令牌生成并非必要。
Comments 12 pages, 4figures, 1 table
世界-动作交互模型的黎明
机构 * COWARobot Co. Ltd（COWARobot有限公司） ； Shanghai Jiao Tong University（上海交通大学） ； Hohai University（河海大学）
AI总结 本文提出WAIMs，通过DAWN模型在语义潜在空间中实现世界预测与动作生成的交互，提升自动驾驶中的规划性能与安全性。
GeoR-Bench：评估地质学视觉推理
机构 * Shanghai Jiao Tong University（上海交通大学） ； Beijing University of Technology（北京理工大学）
AI总结 GeoR-Bench通过推理引导的视觉编辑任务评估地质学视觉推理，包含440个样本涵盖6类地质学领域和24种任务类型，揭示地质学推理仍是关键瓶颈。
理解与防止RLVR中的熵崩溃：基于策略熵流的在线优化
机构 * Nanyang Technological University（南洋理工大学） ； Shanghai Jiao Tong University（上海交通大学） ； VinUniversity（文大学）
AI总结 本文提出OPEFO方法，通过平衡熵动态缓解RLVR中的熵崩溃问题，提升训练稳定性与性能。
LEAP: 通过前瞻性早期收敛令牌检测解锁dLLM并行性
机构 * Shanghai Jiao Tong University（上海交通大学）
AI总结 LEAP通过前瞻性早期收敛令牌检测方法，有效降低dLLM解码延迟和步骤，减少约30%的去噪步骤，提升并行解码效率。
FlashClear: 通过高效的步骤蒸馏和特征缓存实现超快图像内容移除
机构 * Shanghai Jiao Tong University（上海交通大学） ； Nanyang Technological University（南洋理工大学） ； Honor Device Co., Ltd（荣耀设备有限公司）
AI总结 本文提出FlashClear，通过区域感知对抗蒸馏和前景优先的注意力与缓存策略，实现高效内容移除，实验表明其在保持性能的同时显著提升速度，达到8.26倍和122倍的加速。
Comments Code: https://github.com/GuoCalix/FlashClear
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