高校专区
SetCon: 通过集级概念预测实现开放式的指称分割
机构 * Shanghai Jiao Tong University（上海交通大学） ； Shanghai Innovation Institute（上海创新研究院） ； The Chinese University of Hong Kong（香港中文大学） ； Shanghai Artificial Intelligence Laboratory（上海人工智能实验室） ； Fudan University（复旦大学） ； University of Science and Technology of China（中国科学技术大学）
AI总结 本文提出SetCon，通过集级概念预测实现开放式的指称分割，利用LVLM生成的自然语言概念作为语义条件进行联合掩码-集解码，提高了分割的完整性和互斥性。
FlexDraft: 通过注意力调节和奖励引导校准实现灵活的推测解码
机构 * EPIC Lab, SJTU（上海交通大学EPIC实验室） ； UESTC ； School of Software Engineering, HUST（华中科技大学软件工程学院） ； Tsinghua University（清华大学） ； HKUST(GZ)（香港科技大学（广州）） ； Shanghai AI Laboratory（上海人工智能实验室）
AI总结 本文提出FlexDraft框架，通过注意力调节和奖励引导校准，灵活适应不同批处理大小，解决传统并行推测解码在大批次时的吞吐量下降问题。
为代理调优辩护：从文档到PostgreSQL中的行动
机构 * Institute of Software, Chinese Academy of Sciences（中国科学院软件研究所） ； University of Chinese Academy of Sciences（中国科学院大学） ； Key Laboratory of System Software (Chinese Academy of Sciences)（中国科学院系统软件重点实验室） ； Beihang University（北航） ； Peking University（北京大学） ； Shanghai Jiao Tong University（上海交通大学）
AI总结 本文提出通过动态行动替代静态文档进行系统调优，引入PerfEvolve工具，利用LLM代理实现版本一致性验证、工作负载特定分析和多参数联合优化，实验表明其在PostgreSQL上比现有文档驱动调优方法提升35.2%。
TravExplorer: 通过可 traversability-aware 3-D 规划实现跨楼层的 embodied 探索
机构 * Shanghai Jiao Tong University（上海交通大学）
AI总结 本文提出TravExplorer框架，结合零样本语义引导与可 traversability-aware 3-D 规划，实现跨楼层的 embodied 探索，通过统一的体积地图区分占用结构与机器人可达支撑面，并提取可 traversable 前沿区域，同时采用FOV-aware的主动感知策略解决跨楼层遍历中的不完整观测问题，最终在HM3D和MP3D上进行了4195次模拟实验，并在真实世界中验证了无需先验地图或人工干预的开放词汇目标搜索能力。
重新思考如何记忆：超越原子事实的终身LLM代理记忆
机构 * TMLR Group, Hong Kong Baptist University（香港 Baptist 大学 TMLR 实验组） ； The University of Texas at Austin（德克萨斯大学奥斯汀分校） ； Shanghai Jiao Tong University（上海交通大学） ； Sydney AI Center, The University of Sydney（悉尼大学悉尼人工智能中心）
AI总结 本文提出TriMem，一种能够维护三种共存表示粒度的内存系统，通过保留原始对话片段、提取原子事实以及合成轮廓来实现对积累对话历史的忠实存储、高效检索和深度推理，从而克服现有方法在细节丢失和推理能力不足的问题。
超越动作残差：通过瓶颈潜在强化学习实现现实世界机器人策略引导
机构 * School of Computing and Data Science, The University of Hong Kong（香港大学计算与数据科学学院） ； Shanghai Qizhi Institute（上海启智研究院） ； Shanghai Jiao Tong University（上海交通大学） ； Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所） ； Institute for Interdisciplinary Information Sciences, Tsinghua University（清华大学交叉信息研究院）
AI总结 本文提出了一种名为Z-Perturbation Reinforcement Learning（ZPRL）的方法，通过紧凑的瓶颈潜在空间来引导预训练策略，从而提高样本效率和最终性能，同时在现实世界任务中显著提升了成功率。
Dywave: 为异构物联网传感信号设计的事件对齐动态分词方法
机构 * University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； Hong Kong University of Science（香港科学大学） ； Shanghai Jiao Tong University（上海交通大学）
AI总结 本文提出Dywave，一种用于异构物联网传感信号的动态分词框架，通过小波基层次分解构建紧凑的输入表示，以适应内在时间结构和底层物理事件，从而在活动识别、压力评估和附近物体检测等任务中提升准确率并提高计算效率。
固定价格双边交易的紧懊悔界
机构 * Shanghai Jiao Tong University（上海交通大学） ； Huawei’s Taylor Lab（华为泰勒实验室） ； Shanghai University of Finance and Economics, Laboratory of Interdisciplinary Research of Computation and Economics (SUFE)（上海金融学院，计算与经济学交叉研究实验室（SUFE））
AI总结 本文研究了固定价格机制在双边交易中的懊悔最小化问题，针对独立值和相关/对抗值分别给出了紧致的懊悔界，并改进了现有结果。
SceneCode: 可执行的世界程序用于可编辑的室内场景及具有关节物体
机构 * The Chinese University of Hong Kong（香港中文大学） ； Shanghai Jiao Tong University（上海交通大学） ； Shanghai AI Laboratory（上海人工智能实验室） ； Microsoft（微软） ； University of Oxford（牛津大学）
AI总结 本文提出SceneCode，一种通过可执行程序生成可编辑的室内场景，解决了现有方法中物体结构控制不足的问题，提升了场景生成的精确性和可交互性。
m3BERT: 一种现代的、多语言的、俄罗斯套娃双向编码器
机构 * Xiamen University（厦门大学） ； Microsoft（微软公司） ； Shanghai Jiao Tong University（上海交通大学）
AI总结 本文提出m3BERT，一种现代多语言俄罗斯套娃双向编码器，通过联合优化Transformer层和多维嵌入表示，解决现有预训练模型在不同部署场景中适应性差的问题，展示了其在工业检索中的高效性和实用性。
Comments KDD 2026
PRISM：一个程序化空间-时间推理的基准测试
机构 * School of Artificial Intelligence, Shanghai Jiao Tong University（上海交通大学人工智能学院）
AI总结 本文提出PRISM基准测试，通过大规模人类校准的指令-代码对（共10,372个，比之前基准大20倍），评估语言模型生成空间正确动画输出的能力，并揭示执行成功率与空间正确率之间的显著差距。
领域自适应的通信速率优化用于仿真到现实的人形机器人无线XR远程操作
机构 * Cooperative Medianet Innovation Center（协作中位网创新中心） ； School of Information Science and Electronic Engineering（信息科学与电子工程学院） ； Shanghai Jiao Tong University（上海交通大学）
AI总结 本文提出了一种领域自适应的通信速率优化方法，通过在仿真到现实的分布偏移中平衡重建误差和通信能耗，利用PAC-Bayes泛化特性分析和密度比加权的PPO方法，结合离线真实域数据校正，以提高人形机器人无线XR远程操作的通信效率和重建精度。
Comments submitted to IEEE journal
$π$-Bench：评估长周期工作流中主动型个人助理代理
机构 * Shanghai Jiao Tong University（上海交通大学） ； Shanghai AI Laboratory（上海人工智能实验室） ； Fudan University（复旦大学） ； University of Science and Technology of China（中国科学技术大学） ； Peking University（北京大学） ； Nanjing University（南京大学） ； Zhejiang University（浙江大学） ； Tongji University（同济大学） ； Soochow University（苏州大学） ； The Chinese University of Hong Kong（香港中文大学）
AI总结 本文提出$π$-Bench基准，用于评估个人助理代理在长周期工作流中的主动协助能力，通过100个多轮任务和5种特定领域用户角色，验证代理在未明确表达意图前识别和执行隐藏意图的能力，揭示主动协助的挑战及前期交互对后续任务的重要性。
Comments 44 pages
CoLD: 用于数学推理过程中奖励模型的反事实引导长度偏差消除
机构 * Shanghai Jiao Tong University（上海交通大学） ； Huawei Noah’s Ark Lab（华为诺亚实验室） ； Peking University（北京大学） ； University of Bristol（布里斯托大学）
AI总结 本文提出CoLD，一种通过反事实引导消除过程奖励模型中长度偏差的统一框架，旨在提高多步骤推理的准确性和简洁性，同时提升下游强化学习性能和跨领域泛化能力。
OEP: 通过局部正确但不可转移的经验污染自演化LLM代理
机构 * Shanghai Jiao Tong University（上海交通大学）
AI总结 研究探讨了通过局部正确但不可转移的经验污染自演化LLM代理的安全风险，提出OEP攻击方法，利用低权限黑盒攻击在无需直接控制系统提示或记忆数据库的情况下诱导有害泛化。
叫还是不叫：诊断LLM代理中的内在过度调用偏差
机构 * Shanghai Jiao Tong University（上海交通大学） ； Shanghai Artificial Intelligence Laboratory（上海人工智能实验室） ； Renmin University of China（中国人民大学） ； The Chinese University of Hong Kong Shenzhen（香港中文大学（深圳）） ； University of Science and Technology of China（中国科学技术大学）
AI总结 本文研究了LLM代理中过度调用现象，提出内在偏差假说，通过稀疏自编码器恢复行为对齐的特征基，减少到带符号激活边距，并估计偏移量，从而修正过度调用问题。
气味导航中通过记忆增强强化学习的流辅助铸造策略的出现
机构 * State Key Laboratory of Ocean Engineering, School of Ocean and Civil Engineering, Shanghai Jiao Tong University, Shanghai 200240, People’s Republic of China（海洋工程国家重点实验室，海洋与土木工程学院，上海交通大学，上海200240，中华人民共和国） ； State Key Laboratory of Fluid Power and Mechatronic Systems, Department of Engineering Mechanics, Zhejiang University, Hangzhou 310027, People’s Republic of China（流体动力与机械系统国家重点实验室，工程力学系，浙江大学，杭州310027，中华人民共和国）
AI总结 研究通过记忆增强强化学习探讨了在动态流场中动物如何利用记忆长度和流条件优化气味搜索效率，发现智能体通过自适应调整搜索轨迹几何形状和启动铸造的浓度阈值来最大化成功概率。
DynaTrain: 快速在线并行切换用于弹性大语言模型训练
机构 * Institute of Computing Technology, CAS（中国科学院计算技术研究所） ； Peking University（北京大学） ； Infinigence AI ； Shanghai Jiao Tong University（上海交通大学） ； Tsinghua University（清华大学）
AI总结 本文提出DynaTrain，一种能够快速在线重新配置任意多维并行性的分布式训练系统，通过虚拟参数空间抽象统一所有分布式训练状态，实现并行配置的确定性映射，并在密集和MoE模型上展示了显著的性能提升。
Comments GitHub Repo: https://github.com/infinigence/ElasticMegatron
ReCrit: 基于过渡意识的强化学习用于科学批评推理
机构 * Shanghai Jiao Tong University（上海交通大学） ； Shanghai Artificial Intelligence Laboratory（上海人工智能实验室） ； National University of Singapore（新加坡国立大学） ； Chinese University of Hong Kong（香港中文大学） ； University of Oxford（牛津大学） ； Tsinghua University（清华大学）
AI总结 该研究提出ReCrit框架，通过强化学习解决科学批评推理中的过渡意识问题，改进了批评准确性。
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