高校专区
评估大型语言模型在标准化病人案例中的动态临床决策能力
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）
AI总结 本文提出MedSP1000基准，通过标准化病人案例模拟动态临床交互，评估LLM在信息收集、治疗计划和长期管理中的表现，发现当前模型在过程级评估中远未达到临床安全标准。
打造你不断演变的梦想：概念增量式多功能定制
机构 * Mohamed bin Zayed University of Artificial Intelligence（Mohamed bin Zayed大学人工智能学院） ； University of Trento（特伦托大学） ； Department of Civil and Environmental Engineering, The Hong Kong Polytechnic University（香港理工大学土木与环境工程系） ； South China University of Technology（华南理工大学） ； College of Computer Science and Technology, Zhejiang University（浙江大学计算机科学与技术学院） ； Institute of Big Data, Fudan University（复旦大学大数据研究院） ； Shanghai Jiao Tong University（上海交通大学）
AI总结 提出持续可定制扩散模型（CCDM），通过属性解耦LoRA模块和相关性引导聚合策略解决灾难性遗忘，并结合可控区域上下文合成策略处理概念忽视，实现概念增量式多功能定制。
Comments Accepted to Transactions on Pattern Analysis and Machine Intelligence (TPAMI)
听你所写：基于声学差异的无参考假设评估
机构 * X-LANCE Lab, School of Computer Science, Shanghai Jiao Tong University, China（X-LANCE实验室、计算机科学学院、上海交通大学、中国） ； MoE Key Lab of Artificial Intelligence, Jiangsu Key Lab of Language Computing, China（人工智能MOE重点实验室、江苏省语言计算重点实验室、中国）
AI总结 提出READ指标，利用预训练自回归TTS模型计算语音与文本假设的声学差异，无需参考转录即可评估ASR假设，并在噪声条件下实现高达20%的相对错误率降低。
Comments Submitted to Interspeech 2026. 6 pages, 4 figures
3DThinkVLA：通过3D思维引导的协同训练赋予视觉-语言-动作模型潜在3D先验
机构 * Shanghai Jiao Tong University（上海交通大学） ； Harbin Institute of Technology（哈尔滨工业大学） ； Nanyang Technological University（南洋理工大学） ； Fudan University（复旦大学） ； Nanjing University（南京大学） ； Daimon Robotics（达梦机器人） ； Great Bay University（大亚大学）
AI总结 提出3D思维引导的协同训练框架，通过解耦3D几何感知与空间推理并在不同特征层次注入，使VLA模型在动作预测中隐式进行3D空间推理，无需3D传感器或外部模型，在多个基准上达到最优性能。
用于三维场景中无人水下航行器噪声频谱预测的神经辐射噪声场
机构 * Key Laboratory of Marine Intelligent Equipment and System, Ministry of Education, Shanghai Jiaotong University, Shanghai（海洋智能装备与系统重点实验室、教育部、上海交通大学、上海）
AI总结 提出神经辐射噪声场（NRNF），将UUV辐射噪声谱表示为三维位置、偏航角和频率的连续函数，实现任意空间位置的查询预测，在湖试数据集上平均预测误差为3.5 dB。
T$^\star$：通过轨迹感知强化学习实现掩码扩散语言模型的渐进块缩放
机构 * Shanghai Academy of AI for Science（上海人工智能科学研究院） ； Shanghai Innovation Institute（上海创新研究院） ； Fudan University（复旦大学） ； School of Mathematical Sciences（数学科学学院） ； Shanghai Jiao Tong University（上海交通大学） ； Carnegie Mellon University（卡内基梅隆大学）
AI总结 提出T$^\star$方法，利用基于TraceRL的训练课程，在掩码扩散语言模型中渐进增大块大小，实现高并行解码且性能损失极小。
ShareVerse：面向共享世界建模的多智能体一致视频生成
机构 * Shanghai Jiao Tong University China（上海交通大学中国） ； Fudan University China（复旦大学中国） ； StepFun China（StepFun中国）
AI总结 提出ShareVerse框架，通过构建多智能体交互数据集、空间拼接策略和跨智能体注意力机制，实现多智能体共享世界的一致视频生成。
即插即用扩散遇见ADMM：双变量耦合用于鲁棒医学图像重建
机构 * ShanghaiTech University（上海科技大学） ； Shanghai Jiao Tong University（上海交通大学）
AI总结 提出双耦合即插即用扩散（DC-PnPDP）框架，通过引入经典对偶变量提供积分反馈并采用频谱均匀化（SH）处理结构伪影，解决了现有PnP求解器的稳态偏差和幻觉问题，在CT和MRI重建中实现了最先进的保真度和加速收敛。
Comments Accepted by ICML 2026
表征、评估与优化复杂推理
机构 * School of Artificial Intelligence, Shanghai Jiao Tong University, Shanghai, China（上海交通大学人工智能学院） ； Shanghai Artificial Intelligence Laboratory, Shanghai, China（上海人工智能实验室） ； University of Science and Technology of China, Hefei, Anhui, China（中国科学技术大学） ； The Chinese University of Hong Kong, Hong Kong, China（香港中文大学） ； Nanjing University, Suzhou, Jiangsu, China（南京大学） ； Peking University, Beijing, China（北京大学）
AI总结 本文提出ME$^2$原则来表征推理质量，基于有向无环图（DAG）的成对评估方法，并构建TRM-Preference数据集训练Thinking Reward Model（TRM），以优化推理过程。
Comments Code and data are available at https://github.com/Simplified-Reasoning/TRM
Breaking Bad Molecules: MLLMs 是否准备好进行结构级分子解毒？
机构 * Department of Engineering Science, Macau University of Science and Technology, Macau, China（澳门科学技术大学工程科学系） ； School of Computer Science, Shanghai Jiao Tong University, Shanghai, China（上海交通大学计算机科学学院） ； Institute of Automation, Chinese Academy of Sciences, Beijing, China（中国科学院自动化研究所） ； School of Pharmacy, Macau University of Science and Technology, Macau, China（澳门科学技术大学药学院） ； Faculty of Electrical Engineering and Computer Science, Ningbo University, Ningbo, China（宁波大学电气与计算机科学学院） ； State Key Laboratory of Biopharmaceutical Preparation and Delivery, Institute of Process Engineering, Chinese Academy of Sciences, Beijing, China（中国科学院生物制药制备与递送国家重点实验室） ； School of Automation and Intelligent Sensing, Shanghai Jiao Tong University, Shanghai, China（上海交通大学自动化与智能感知学院） ； Shanghai Artificial Intelligence Laboratory, Shanghai, China（上海人工智能实验室）
AI总结 本文提出 ToxiMol 基准任务，利用多模态大语言模型进行分子毒性修复，并构建数据集、提示流程和自动评估框架 ToxiEval，实验表明当前模型虽面临挑战但展现出毒性理解与结构编辑的潜力。
推理边界：通过测试时深思增强规范对齐
机构 * School of Artificial Intelligence, Shanghai Jiao Tong University, Shanghai, China（上海交通大学人工智能学院） ； Shanghai Artificial Intelligence Laboratory, Shanghai, China（上海人工智能实验室） ； University of Science and Technology of China, Hefei, Anhui, China（中国科学技术大学） ； The Chinese University of Hong Kong, Hong Kong, China（香港中文大学） ； University of Illinois Urbana-Champaign, Urbana, IL, USA（伊利诺伊大学厄巴纳-香槟分校）
AI总结 提出Align3方法，利用测试时深思（TTD）和分层反思修正来推理规范边界，并构建SpecBench基准，实验表明TTD能有效增强规范对齐。
Comments 10 pages main text, 52 pages total (including appendix). Code and resources are available at https://github.com/zzzhr97/SpecBench
从运动信号到洞察：体育课堂学生行为分析与反馈的统一框架
机构 * Shanghai Jiao Tong University（上海交通大学）
AI总结 提出一个基于运动信号和大型语言模型的端到端统一框架，用于体育课堂学生行为分析，自动生成教学洞察和改进建议。
Comments Work in progress
RodFIter：通过函数迭代从惯性测量中重建姿态
机构 * Shanghai Jiao Tong University（上海交通大学）
AI总结 本文提出了一种基于罗德里格斯向量的函数迭代方法（RodFIter），用于从陀螺仪测量中精确重建姿态，该方法在理论上能够准确重构增量姿态，并在姿态摆动运动中表现出优于主流姿态算法的精度。
Comments IEEE TAES, 2018
并行坐标下降牛顿法用于高效ℓ1正则化最小化
机构 * ETH Zurich（苏黎世联邦理工学院） ； CNCERT（国家计算机网络应急中心） ； Shanghai Jiao Tong University（上海交通大学） ； University of California, Merced（加州大学默塞德分校）
AI总结 本文提出并行坐标下降牛顿算法（PCDN），通过将Hessian矩阵的非对角线元素设为零以实现并行化，有效解决大规模优化问题中的并行性与收敛性问题。
基于边缘驱动的小波框架模型图像修复
机构 * Institute of Natural Sciences, Shanghai Jiao Tong University, 200240 Shanghai China（上海交通大学自然科学研究院） ； Beijing International Center for Mathematical Research, Peking University, 100871 Beijing China（北京大学北京国际数学研究中心） ； School of Mathematical Sciences（数学科学学院） ； MOE-LSC, Shanghai Jiao Tong University, 200240 Shanghai China（上海交通大学教育部重点实验室）
AI总结 本文提出一种边缘驱动的小波框架模型，通过将图像近似为分段光滑函数，对光滑和奇异区域施加不同强度的正则化，实现鲁棒的图像修复。
非holonomic多机器人系统的分布式采样数据控制与临近网络
机构 * Key Laboratory of Systems and Control, Academy of Mathematics and Systems Science, CAS（系统与控制重点实验室，数学与系统科学研究院） ； Department of Automation, Shanghai Jiaotong University（自动化系，上海交通大学） ； School of Sciences, Hebei University of Technology（理学院，河北工业大学） ； School of Engineering and Information Technology, University of New South Wales（工程与信息技术学院，新南威尔士大学） ； Systems Theory, KTH Royal Institute of Technology（系统理论，皇家理工学院）
AI总结 本文研究了通过距离诱导临近网络连接的多机器人系统的分布式采样数据控制问题，设计了基于最近邻规则的分布式采样数据控制器，通过混合闭环系统实现同步，并定量确定领导者数量以跟踪常量或时变信号。
Comments 15 pages, 3 figures
Journal ref Automatica 77 (2017) 170-179
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