高校专区
WavTTS：通过直接原始波形建模实现高质量零样本TTS
机构 * Shanghai Jiao Tong University（上海交通大学） ； Shanghai Innovation Institute（上海创新研究院） ； ByteDance Seed（字节跳动种子）
AI总结 提出WavTTS，首个基于流匹配与扩散Transformer的原始波形生成TTS模型，通过简单分块策略直接建模波形并集成多尺度梅尔频谱监督，在零样本TTS中接近潜在空间生成模型性能。
AnyAudio-Judge：基于动态评分标准的音频指令跟随基准与评估器
机构 * Zhejiang University（浙江大学） ； Shanghai Innovation Institute（上海创新研究院） ； Shanghai Jiao Tong University（上海交通大学） ； Tencent Hunyuan（腾讯文脉）
AI总结 针对指令引导音频生成中复杂指令解耦困难、评估缺乏可解释性和细粒度属性匹配的问题，提出基于动态评分标准的评估范式，通过自适应分解音频描述为可验证的二元评分项，并构建包含7920个样本的双语基准和105K训练语料，结合SFT与GRPO训练专用评估器，在零样本对齐检测和下游强化学习指令对齐中取得显著提升。
Humanoid-GPT：扩展数据与结构以实现零样本运动跟踪
机构 * Tsinghua University（清华大学） ； Galbot Inc.（Galbot公司） ； Shanghai Jiao Tong University（上海交通大学） ； Peking University（北京大学） ； Shanghai Qi Zhi Institute（上海启智研究院）
AI总结 提出Humanoid-GPT，一种基于GPT风格的因果Transformer，在十亿级运动语料上预训练，实现全身控制，通过扩展数据和模型容量达到对未见运动和任务的零样本泛化。
Comments Accepted at CVPR 2026
scTranslation：单细胞多组学模态翻译的综合基准
机构 * Westlake University（西湖大学） ； Shanghai Jiao Tong University（上海交通大学） ； Zhejiang University（浙江大学） ； The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）） ； Xidian University（西安电子科技大学） ； Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所）
AI总结 针对单细胞多组学模态翻译任务，提出了包含多样化数据集、先进模型和全面评估指标的综合基准scTranslation，并系统研究了特征选择、特征质量和少样本设置等影响因素。
先压缩后合并：从多个LoRA到一个低秩适配器
机构 * Institute of Image Processing and Pattern Recognition, School of Automation and Intelligent Sensing, Shanghai Jiao Tong University, Shanghai, China（图像处理与模式识别研究所，自动化与智能感知学院，上海交通大学，上海，中国） ； Shanghai Key Laboratory of Flexible Medical Robotics, Tongren Hospital, Institute of Medical Robotics, Shanghai Jiao Tong University, Shanghai, China（柔性医疗机器人上海市重点实验室，同仁医院，医疗机器人研究所，上海交通大学，上海，中国）
AI总结 针对多LoRA合并时全参数合并破坏低秩结构的问题，提出先压缩后合并（CtM）方法，通过共享子空间投影保证输出严格秩r，性能优于现有单LoRA基线。
Comments Accepted to ICML 2026. Code: https://github.com/ZhengbaoHe/compress-then-merge
GN0：迈向视觉语言导航中生成、评估与策略学习的统一范式
机构 * Institute of Artificial Intelligence, China Telecom（人工智能研究院，中国电信） ； Shanghai Jiao Tong University（上海交通大学） ； Zhejiang University（浙江大学） ； Tongji University（同济大学） ； Fudan University（复旦大学） ； Jiangsu University（江苏大学）
AI总结 提出GN0统一框架，通过自动生成大规模导航数据集GN-Matrix、基于3DGS的高保真仿真平台和BEV基准GN-Bench，结合RL驱动的导航基础模型BAE，在VLN任务上超越现有方法。
Foley-Omni：从任务级音频合成到完整视频配乐生成的统一多模态生成模型
机构 * School of Intelligence Science and Technology, Nanjing University（南京大学智能科学与技术学院） ； Video Rebirth ； Shanghai Jiao Tong University（上海交通大学） ； Beijing Jiaotong University（北京交通大学） ； Shanghai AI Laboratory（上海人工智能实验室）
AI总结 提出Foley-Omni统一多模态音频生成模型，通过共享潜变量生成过程联合建模语音、音效和音乐，实现从孤立任务级合成到完整视频配乐生成，并构建V2ST-Bench基准进行综合评估。
CauTion：知道何时信任LLM进行集成因果发现
机构 * Shanghai AI Laboratory（上海人工智能实验室） ； Shanghai Innovation Institute（上海创新研究院） ； Shanghai Jiao Tong University（上海交通大学） ； Nanjing University（南京大学） ； Tongji University（同济大学）
AI总结 提出CauTion框架，通过共识过滤和LLM可靠性估计，将LLM领域知识可靠地集成到多个统计因果发现算法中，解决纯统计方法的局限和LLM错误问题。
面向科学图像效用与可升级性的表征
机构 * TongJi University（同济大学） ； Shanghai Artificial Intelligence Laboratory（上海人工智能实验室） ； Shanghai Jiao Tong University（上海交通大学）
AI总结 针对AI生成内容对科学图像完整性的威胁，提出SIU²A框架，通过效用（错误检测与修正可行性）和可升级性（修正质量）两个维度评估科学图像，并构建基准数据集揭示当前多模态系统在科学错误评估与忠实修正方面的显著局限。
选择性令牌级密码学编辑用于大型语言模型的隐私保护临床部署
机构 * MedVisAI Lab, Singapore（新加坡MedVisAI实验室） ； Ruijin Hospital, Shanghai Jiao Tong University School of Medicine, China（中国上海交通大学医学院瑞金医院） ； Lee Kong Chian School of Medicine, Nanyang Technological University, Singapore（新加坡南洋理工大学Lee Kong Chian医学院）
AI总结 提出HERALD框架，通过令牌级密码学编辑仅加密敏感令牌，在保护隐私的同时保持下游模型效用，在分类和医疗问答任务上接近明文性能。
Comments 33 pages, 8 figures, 26 tables
OpenEAI-Platform: 一个开源具身人工智能硬件-软件统一平台
机构 * Shanghai Innovation Institute（上海创新研究院） ； Huazhong University of Science and Technology（华中科技大学） ； Shanghai Jiao Tong University（上海交通大学）
AI总结 提出OpenEAI-Platform，集成低成本6+1自由度机械臂和可复现VLA模型，通过开源设计和两阶段训练在真实操作任务中超越商业臂，性能媲美大规模预训练基线。
GeoAlign: VLA模型中的状态引导空间对齐超越语义
机构 * Tongji University（同济大学） ； Shanghai Innovation Institute（上海创新研究院） ； Shanghai Jiao Tong University（上海交通大学） ； Zhejiang University（浙江大学） ； Jingdezhen Ceramic University（景德镇陶瓷大学） ； Tsinghua University（清华大学） ； HONOR（HONOR公司） ； University of Science and Technology of China（中国科学技术大学）
AI总结 提出GeoAlign架构，通过RGB几何分支的后训练和机器人本体状态引导的几何特征查询，实现几何感知的空间对齐和动态可供性选择，在多个基准上取得高性能。
Comments 20 pages, 9 figures, 8 tables, including appendix
PhotoCraft: 具有层次自进化记忆的深度图像搜索代理推理
机构 * Pattern Recognition Center, WeChat AI, Tencent Inc.（微信AI模式识别中心，腾讯公司） ； Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所） ； Zhongguancun Academy（中关村学院） ； Nanyang Technological University（南洋理工大学） ； Shanghai Jiao Tong University（上海交通大学）
AI总结 提出PhotoCraft，一种无需训练的分层记忆系统，通过工作、情景和语义记忆增强多模态大语言模型，实现深度图像搜索中的多步推理和知识迁移，在DISBench上提升检索性能达18.5%。
MetaWorld: 从单视角视频数据扩展多智能体视频世界模型
机构 * Shanghai Jiao Tong University（上海交通大学） ； Zhejiang University（浙江大学） ； Nanyang Technological University（南洋理工大学）
AI总结 提出MetaWorld框架，通过单目世界状态展开、主体感知世界生成器和世界状态对齐机制，从单视角视频构建多智能体视频世界模型，解决数据稀缺和世界状态对齐问题。
动态环境中的运动规划：从经典到现代方法的综述
机构 * College of Information Science and Technology, Jinan University（济南大学信息科学与技术学院） ； School of Artificial Intelligence, University of Chinese Academy of Sciences（中国科学院大学人工智能学院） ； Department of Electrical and Computer Engineering, University of Connecticut（康奈尔大学电子与计算机工程系） ； Global College, Shanghai Jiao Tong University（上海交通大学全球学院） ； Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所）
AI总结 本文综述了138篇文献，将动态环境中的运动规划方法分为采样、图搜索、模型预测控制、学习及经典局部规划五类，分析了各方法的原理、优缺点及动态环境特有挑战。
经阴道超声图像中的剖宫产瘢痕缺损分割：数据集与基准
机构 * Department of Obstetrics and Gynecology, International Peace Maternity and Child Health Hospital affiliated to Shanghai Jiao Tong University School of Medicine（妇产科部门，上海交通大学医学院国际和平妇产儿童医院） ； School of Computer Science, University of Nottingham Ningbo China（Nottingham Ningbo中国大学计算机学院） ； School of Computer Science, University of Nottingham（Nottingham大学计算机学院） ； Department of Computer Science and Engineering, University of California, San Diego（加州大学圣地亚哥分校计算机科学与工程系） ； Department of Ultrasound, International Peace Maternity and Child Health Hospital affiliated to Shanghai Jiao Tong University School of Medicine（超声科，上海交通大学医学院国际和平妇产儿童医院） ； School of Electronic Information and Electrical Engineering, Shanghai Jiao Tong University（上海交通大学电子信息与电气工程学院） ； Department of Cardiology, Gold Coast University Hospital（心内科，Gold Coast大学医院）
AI总结 针对经阴道超声图像中剖宫产瘢痕缺损（CSD）分割缺乏公开数据集的问题，构建了包含1111张图像和16个视频的CSD数据集，提供像素级标注，并建立了基准以推动医学图像分割算法和临床创新。
UniLab: 超越GPU主导范式的机器人强化学习异构架构
机构 * THU（清华大学） ； SJTU（上海交通大学） ； SII（上海信息所） ； Motphys ； HITSZ（哈尔滨工业大学） ； BIT（北京理工大学） ； NEU（南京大学） ； SUSTech（四川大学） ； TJU（天津大学） ； DISCOVER Robotics ； HKUST(GZ)（香港科技大学（广州）） ； Galbot ； NUS（国立新加坡大学） ； WTU（武汉理工大学） ； HBUT（湖南大学） ； AMD ； NJU（南京大学） ； ZJU（浙江大学） ； Dexmal ； Sharpa ； D-Robotics
AI总结 提出UniLab异构CPU-仿真/GPU-学习架构，通过统一运行时解耦CPU并行仿真与GPU策略更新，在相同硬件配置下将端到端训练效率提升3-10倍，并减少对NVIDIA CUDA的依赖。
测量开放大型语言模型中的最大激活值
机构 * Shanghai Jiao Tong University（上海交通大学） ； Baidu Inc.（百度公司） ； Nankai University（南开大学）
AI总结 本研究通过统一流程测量8个开放LLM家族的27个检查点中的全局和逐层最大激活值，发现其跨家族、架构和训练阶段差异显著，且与低比特量化误差相关，建议在发布开放权重时报告该指标。
EndPrompt: 通过终端锚定实现高效长上下文扩展
机构 * Nankai University（南开大学） ； Baidu Inc.（百度公司） ； Shanghai Jiao Tong University（上海交通大学） ； Independent Researcher（独立研究者）
AI总结 提出EndPrompt方法，仅使用短训练序列通过终端锚定实现长上下文扩展，在LLaMA模型上从8K扩展到64K，性能超越全长度微调等方法。
辩论未尽之言：基于角色锚定的多智能体推理用于半真半假检测
机构 * National University of Singapore（国立新加坡大学） ； Shanghai Jiao Tong University（上海交通大学）
AI总结 提出RADAR框架，通过角色锚定的多智能体辩论（政治家与科学家对抗推理，法官中立裁决）和双阈值早停控制，在噪声检索下有效检测因省略上下文而误导的半真半假陈述。
Comments Accepted to ACL 2026
MAVEN-T：用于实时多智能体轨迹预测的强化异构蒸馏
机构 * School of Mathematical Sciences, Shanghai Jiao Tong University（上海交通大学数学科学学院） ； Bio-X Institutes, Key Laboratory for the Genetics of Developmental and Neuropsychiatric Disorders, Shanghai Jiao Tong University（上海交通大学Bio-X研究院、发育与神经精神疾病遗传学重点实验室） ； Shanghai Key Laboratory of Psychotic Disorders, Brain Science and Technology Research Center, Shanghai Jiao Tong University（上海精神疾病重点实验室、脑科学与技术研究中心，上海交通大学）
AI总结 提出MAVEN-T框架，通过高容量教师模型和紧凑学生模型的异构蒸馏，结合强化学习优化，实现实时多智能体轨迹预测，在多个数据集上达到高精度与低延迟。
OMP: 一步均值流策略与方向对齐
机构 * School of Mechanical Engineering, Shanghai Jiao Tong University, Shanghai, China（上海交通大学机械工程学院） ； Global College, Shanghai Jiao Tong University, Shanghai, China（上海交通大学全球学院） ； Duke Kunshan University, Jiangsu, China（杜克昆山大学）
AI总结 提出一步均值流策略（OMP），通过方向对齐机制和微分推导方程解决均值流在机器人操作中的谱偏差和梯度饥饿问题，实现高保真实时操控。
Comments Accepted as poster of ICML-2026
Agent 的第一天：在工作场景中基准测试学习、探索和调度
机构 * Fudan University（复旦大学） ； Shanghai AI Laboratory（上海人工智能实验室） ； Zhejiang University（浙江大学） ； Shanghai Innovation Institute（上海创新研究院） ； Shanghai Jiao Tong University（上海交通大学）
AI总结 针对多模态大语言模型在动态工作场景中面临的任务调度、主动探索和持续学习三大挑战，提出动态评估环境 EvoEnv，实验表明现有 agent 在这些方面存在显著不足。
通过深度强化学习发现自主量子纠错
机构 * Zhiyuan College, Shanghai Jiao Tong University, Shanghai 200240, P.R. China（上海交通大学玉泉学院） ； State Key Laboratory of Photonics and Communications, Institute for Quantum Sensing and Information Processing, Shanghai Jiao Tong University, Shanghai 200240, P.R. China（上海交通大学光子通信国家重点实验室） ； Hefei National Laboratory, Hefei, 230088, P.R. China（合肥国家实验室） ； Shanghai Research Center for Quantum Sciences, Shanghai, 201315, P.R. China（上海量子科学研究中心） ； AI Lab, Lenovo Research, Beijing 100094, P.R. China（联想AI实验室）
AI总结 本文利用课程学习启发的深度强化学习，在近似自主量子纠错框架下发现抵抗单光子和双光子损失的玻色子码，并实现超越盈亏平衡点的最优码字。
Journal ref Phys. Rev. A 112, 062618 (2025)
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