高校专区
DexJoCo：用于MuJoCo上的任务导向灵巧操作的基准和工具包
机构 * NLPR & MAIS, CASIA（中国科学院南京自动化研究所与模式识别与人工智能实验室） ； SJTU（上海交通大学） ； MBZUAI（马克斯·普朗克研究所） ； Beijing Institute of Basic Medical Sciences（北京基础医学研究所） ； PKU & Galbot（北京大学与Galbot） ； CUHK（香港大学）
AI总结 本文提出DexJoCo基准和工具包，包含11个功能任务评估灵巧手的工具使用、双臂协调、长周期执行和推理能力，通过低成本数据收集系统和领域随机化评估鲁棒性，揭示当前策略的局限性。
Comments 8 pages, 6 figures, project page is available at: https://dexjoco.github.io
WorldAct：将单体3D世界激活为可交互的以对象为中心的场景
机构 * Shanghai Jiao Tong University（上海交通大学） ； Huawei Inc（华为公司）
AI总结 WorldAct通过多模态代理将静态生成的3D世界分解为可编辑的交互场景，支持对象级编辑和任务执行，保留全局一致性。
Comments Project page: https://sjtu-deepvisionlab.github.io/WorldAct
G$^2$TR: 基于生成的视觉标记减少方法用于分离编码统一多模态模型
机构 * Shanghai Jiao Tong University（上海交通大学） ； Huawei Technologies Ltd（华为技术有限公司）
AI总结 本文提出G$^2$TR方法，通过生成分支信号减少多模态模型的视觉标记，提升效率并保持性能，实验显示在图像理解和编辑任务中表现优异。
可扩展的多语言模型协作系统：基于检索的选择与探索-利用驱动增强
机构 * Shanghai Artificial Intelligence Laboratory（上海人工智能实验室） ； The Chinese University of Hong Kong（香港中文大学） ； Fudan University（复旦大学） ； Shanghai Jiao Tong University（上海交通大学）
AI总结 本文提出SMCS系统，通过检索优先选择模块和探索-利用驱动后验增强模块，有效协调多个开源语言模型，实验显示其在多个任务中优于闭源模型，且在不同数据集上超越开源模型的平均最佳结果。
COCO-Inpaint：用于检测和定位基于修补的图像篡改的基准
机构 * Shanghai Jiao Tong University（上海交通大学） ； Ant Group（蚂蚁集团）
AI总结 本文提出COCO-Inpaint基准，用于检测和定位基于修补的图像篡改，通过高质样本、多样场景和大规模覆盖，揭示修补与真实区域的内在不一致。
Comments 6 pages, 8 figures
SMMBench：一种用于源分布多模态智能体记忆的基准测试
机构 * Shanghai Jiao Tong University, China（上海交通大学，中国） ； OPPO, China（OPPO，中国）
AI总结 SMMBench旨在评估智能体在多源分布证据下进行多模态推理、冲突解决和行动预测的能力，揭示当前系统在处理碎片化异构数据时的不足。
几块GPU，大量规模：PrismLLM实现忠实的LLM训练仿真
机构 * Alibaba Group（阿里巴巴集团） ； Harvard University（哈佛大学） ； Shanghai Jiao Tong University（上海交通大学） ； Zhejiang University（浙江大学）
AI总结 PrismLLM通过切片方法构建高保真执行图，使工程师能用少量GPU模拟大规模训练行为，准确复现性能和内存表现，节省集群访问成本。
Comments 13 pages body, 21 pages total
从输入输出到代码：发现代理
机构 * School of Computer Science, Peking University（北京大学计算机科学系） ； Tongyi Lab, Alibaba Group（阿里集团通义实验室） ； Wuhan University（武汉大学） ； Renmin University of China（中国人民大学） ； National University of Singapore（新加坡国立大学） ； Shanghai Jiaotong University（上海交通大学）
AI总结 本文提出DIO-Agent，通过将IO2Code视为离散程序空间的进化搜索，利用LLM作为突变算子，结合执行误差信号指导突变，解决从输入输出行为合成代码的难题。
超越二元：将GUI批评重新框架化为连续语义对齐
机构 * Xiaomi Inc.（小米公司） ； Shanghai Jiao Tong University（上海交通大学）
AI总结 本文提出BBCritic和BBBench，通过两阶段对比学习在共享语义空间中对齐指令与动作，解决GUI批评中二元分类的局限性，实验证明其在跨平台任务中的优越性。
Comments 28 pages including appendix. Code and BBBench benchmark to be released
基于视觉的具有不确定性保证的人机协作
机构 * Department of Aeronautics and Astronautics, Stanford University（斯坦福大学航空航天系） ； Chair of Imaging and Computer Vision, RWTH Aachen University（亚琛工业大学影像与计算机视觉教授职位） ； School of Artificial Intelligence, Shanghai Jiao Tong University（上海交通大学人工智能学院） ； Department of Computer Engineering, Technical University of Munich（慕尼黑技术大学计算机工程系）
AI总结 本文提出一种基于视觉的人体姿态估计与运动预测框架，通过置信度保证实现安全的人机协作。结合aleatoric不确定性估计与OOD检测，提供高概率置信度的置信区间。
不可避免的遭遇：涉及损失压缩的后门攻击
机构 * Shanghai Jiao Tong University（上海交通大学） ； Eastern Institute of Technology（技术东院）
AI总结 本文研究了在大数据时代，损失压缩对隐形后门攻击的影响，提出两种针对损失压缩的攻击策略，以确保恶意触发信息在压缩后仍能被恢复。
SPDEBench：学习随机偏微分方程的广泛基准
机构 * Shanghai Jiao Tong University（上海交通大学） ； University of Pennsylvania（宾夕法尼亚大学） ； University of Cambridge（剑桥大学） ； University of Sydney（悉尼大学） ； Imperial College London（伦敦帝国理工学院） ； University College London（伦敦大学学院） ； Fujian Normal University（福建师范大学） ； Beijing Institute of Technology（北京理工大学） ； Chinese Academy of Sciences（中国科学院）
AI总结 本文提出SPDEBench，首个统一的ML学习随机偏微分方程基准，提供物理和数学重要的1-3维领域数据集，涵盖正则和奇异SPDE，并包含7种评估指标，验证模型精度、鲁棒性和分布外泛化能力。
RAR：用于视觉识别的检索与排序增强多模态大语言模型
机构 * Shanghai Jiao Tong University（上海交通大学） ； Shanghai AI Laboratory（上海人工智能实验室） ； The Chinese University of Hong Kong（香港中文大学） ； MThreads, Inc.（MThreads公司） ； Nanyang Technological University（南洋理工大学）
AI总结 RAR结合CLIP的检索与MLLM的排序，提升细粒度识别精度，增强少样本和零样本任务表现。
Comments Project: https://github.com/Liuziyu77/RAR
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