高校专区
ROVE: 通过强化学习解锁人类干预用于人形机器人操作
机构 * XPENG Robotics（小鹏机器人） ； Fudan University（复旦大学） ； The Chinese University of Hong Kong（香港中文大学） ； Shanghai Jiao Tong University（上海交通大学）
AI总结 提出ROVE框架，利用强化学习和乐观价值估计，从次优人类干预轨迹中学习高价值行为，提升人形机器人操作性能。
SurroundNEXO：面向自动驾驶空间一致几何的自车中心度量桥接
机构 * School of Artificial Intelligence, Shanghai Jiao Tong University（上海交通大学人工智能学院） ； Hello Inc.
AI总结 提出SurroundNEXO框架，通过自车中心几何（Ego-Ray位置编码）和稀疏LiDAR度量锚点，解决多相机低重叠下的度量深度预测与空间一致性问题，在多个基准上显著提升性能。
针对多种防御策略的自动化越狱攻击
机构 * East China Normal University（东华大学） ； Shanghai Innovation Institute（上海创新研究院） ； University of Southampton（南安普顿大学） ； Shanghai Jiao Tong University（上海交通大学） ； Software Engineering Institute, East China Normal University（东华大学软件工程研究院）
AI总结 提出UNIATTACK框架，从防御视角提取攻击特征并优化，实现跨模型和类别的单次黑盒攻击，显著提升成功率并降低开销。
LLM策略优化的第一性原理推导：从期望奖励到GRPO及其结构扩展
机构 * Nanjing University（南京大学） ； Shanghai Artificial Intelligence Laboratory（上海人工智能实验室） ； Shanghai Jiao Tong University（上海交通大学） ； Peking University（北京大学） ； Fudan University（复旦大学） ； Nanjing University of Aeronautics and Astronautics（南京航空航天大学） ； Shanghai Innovation Institute（上海创新研究院）
AI总结 本文从第一性原理出发，基于轨迹概率和奖励两个轴，统一分析了从REINFORCE、PPO到GRPO及其变体的LLM策略优化方法，揭示了设计选择背后的原理和复合失败模式。
V2P-Manip：从单目人类视频学习灵巧操作
机构 * Zhejiang University（浙江大学） ； Shanghai Jiao Tong University（上海交通大学） ； Shanghai AI Laboratory（上海人工智能实验室）
AI总结 提出V2P-Manip框架，从单目人类演示视频中提取具有视觉保真度和物理合理性的轨迹，通过两阶段精炼实现空间对齐与物理一致性，在TACO和OakInk基准上显著优于先前方法。
SMEPilot: 利用可扩展矩阵扩展表征和优化LLM推理
机构 * IPADS, Shanghai Jiao Tong University（上海交通大学IPADS）
AI总结 针对CPU矩阵扩展单元与核心在LLM推理中的不匹配，提出SMEPilot引擎，通过基于屋顶线的表征指导算子执行选择，实现SME与CPU协同工作，端到端性能提升达3.94倍。
从令牌到区域：面向GPU内核生成的CUDA敏感指令微调
机构 * Shanghai Jiao Tong University（上海交通大学） ； Biren Technology（壁仞科技）
AI总结 提出CuSeT方法，通过自适应令牌级掩码和区域感知样本重加权，在简单SFT框架内提升LLM生成CUDA内核的功能正确性。
ATHENA: 加速的多任务异构影响函数用于机器人数据筛选
机构 * Tongji University（同济大学） ； Shanghai Innovation Institute（上海创新研究院） ； Xi'an Jiaotong University（西安交通大学） ； Shanghai Jiao Tong University（上海交通大学）
AI总结 提出ATHENA框架，利用Kronecker梯度结构和秩r随机截断近似加速影响函数计算，实现多任务VLA模型数据筛选，在模拟和真实机器人任务中以更少数据达到或超越全数据微调性能。
GRACE: 基于接地动作中心证据增强视频多模态大语言模型用于观众情感预测
机构 * Shanghai Jiao Tong University（上海交通大学） ； Hangzhou Dianzi University（杭州电子科技大学） ； The 52nd Research Institute of China Electronics Technology Group Corporation（中国电子科技集团公司第五十二研究所） ； Hangzhou Bywin Technology Co., Ltd.（杭州百威科技有限公司） ； Zhejiang Dahua Technology Co., Ltd.（浙江大华技术股份有限公司） ； School of Information Science and Engineering, Shandong University（山东大学信息科学与工程学院） ； Haihe Laboratory of Information Technology Application Innovation（海河信息技术应用创新实验室）
AI总结 提出GRACE框架，通过提取时间有序的主谓宾三元组和视觉实体裁剪，增强视频MLLM对细粒度情感线索的提取与推理，在Pitts数据集上提升Qwen2.5-VL和Qwen3-VL性能。
Comments 13 pages, 5 figures
SciOrch: 学习编排专家大语言模型以解决前沿多模态科学推理任务
机构 * Imperial College London（伦敦帝国学院） ； The Chinese University of Hong Kong（香港中文大学） ； University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； Shanghai Jiao Tong University（上海交通大学） ； Shanghai Artificial Intelligence Laboratory（上海人工智能实验室） ； University of Oxford（牛津大学） ； Shenzhen Loop Area Institute（深圳河套学院）
AI总结 提出SciOrch框架，训练轻量级8B模型编排多个前沿大语言模型，通过MCTS和GRPO优化，在科学推理任务上超越最强单模型和多智能体基线。
FlashNav：20秒内实现超快速机器人导航策略训练
机构 * Eastern Institute of Technology, Ningbo（宁波东方理工大学） ； The Hong Kong Polytechnic University（香港理工大学） ； National University of Singapore（新加坡国立大学） ； University of Science and Technology of China（中国科学技术大学） ； Shanghai Jiao Tong University（上海交通大学）
AI总结 提出FlashNav框架，通过GPU加速和MDP对齐实现20秒内训练可部署的导航策略，在TurtleBot2和Unitree Go2上验证成功。
Comments 15 pages, 4 figures
基于速度场分解的去中心化扩散模型中ODE采样器的Wasserstein收敛性
机构 * Peking University（北京大学） ； Shanghai Jiao Tong University（上海交通大学） ； MBZUAI（穆罕默德·本·扎耶德人工智能大学） ； Zhejiang University（浙江大学） ； Tencent（腾讯）
AI总结 针对去中心化扩散模型中随机专家切换的ODE采样，通过速度场分解建立Wasserstein-2距离下的收敛保证，证明N步离散化以O(N^{-1/2}+ε)速率收敛。
Comments 50 pages, 9 figures. Preprint under review
PO-PDDL: 从视觉演示中学习符号化POMDP以实现不确定性下的机器人规划
机构 * Shanghai Jiao Tong University（上海交通大学） ； Shanghai Innovation Institute（上海创新研究院）
AI总结 提出PO-PDDL符号化POMDP框架，通过从机器人执行视频中重建潜在状态轨迹、识别部分可观测性并学习随机转移与观测模型，实现不确定性下的鲁棒任务规划。
CoAgent: 多智能体系统的并发控制
机构 * Shanghai Jiao Tong University（上海交通大学）
AI总结 针对多智能体LLM系统并发访问共享状态时的冲突问题，提出MTPO协议，通过智能体自身判断冲突并修复计划，实现可串行化执行，在保持近串行正确率的同时提升速度。
Comments 14 pages, 7 figures. Submitted to ATC 2026
SimWeaver：面向可变形操作的零样本RGB仿真到现实
机构 * Shanghai Jiao Tong University（上海交通大学） ； Horizon Robotics（地平线机器人） ； Style3D Research（Style3D研究院）
AI总结 提出SimWeaver框架，通过200条仿真演示训练零样本RGB VLA策略，在5种可变形任务中达到91%平均真实成功率，无需遥操作或任务校准。
基于解耦表示的分布式智能体协作隐私保护文本净化
机构 * 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 提出DiSan框架，通过解耦文本为任务语义和风格子空间，结合联邦原型对齐与对抗正则化，在分布式多智能体协作中实现隐私保护，显著降低风格归因和PII泄露。
G2IA: 几何引导的实例感知跨模态地点识别检索与精炼
机构 * Shanghai Jiao Tong University（上海交通大学） ； National University of Defense Technology（国防科技大学）
AI总结 提出G2IA框架，通过几何引导的实例感知检索和跨模态局部形状与空间布局验证，解决图像到点云地点识别中的模态差异和感知混淆问题。
基于测地线框架的掩膜提议投票用于鲁棒图像分割
机构 * Yuanshen Rehabilitation Institute, Shanghai Jiao Tong University School of Medicine（上海交通大学医学院附属瑞金康复医院） ； Yueyang Hospital of Integrated Traditional Chinese and Western Medicine, Shanghai University of Traditional Chinese Medicine（上海中医药大学附属岳阳中西医结合医院） ； Department of Radiation Oncology, Shandong Cancer Hospital and Institute, Shandong First Medical University, Shandong Academy of Medical Sciences（山东第一医科大学附属山东省肿瘤医院放疗科） ； University Paris Dauphine, PSL Research University, CNRS, UMR 7534, CEREMADE（巴黎多芬纳大学，PSL研究大学，法国国家科学研究中心，UMR 7534，CEREMADE）
AI总结 提出一种掩膜提议投票框架，通过自适应域构造和加权投票机制克服经典最小路径法对初始化的依赖，在复杂场景下实现鲁棒分割。
从物理到表示：通过程序化生成进行合成预训练的音频学习
机构 * East China Normal University（华东师范大学） ； Southeast University（东南大学） ； Fudan University（复旦大学） ； Shanghai Jiao Tong University（上海交通大学）
AI总结 提出AudioPG框架，利用程序化合成生成波形进行掩码自编码器预训练，无需真实音频数据，在多个基准上取得高精度，且单GPU训练不到20分钟。
Comments Accepted to ACM ICMR 2026
XFlow: 一个用于可靠多智能体工作流的可执行协议编程系统
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） ； Jiangsu Key Lab of Language Computing, Suzhou, China（江苏省语言计算重点实验室，苏州，中国） ； Suzhou Laboratory, Suzhou, China（苏州实验室，苏州，中国）
AI总结 提出XFlow可执行协议编程系统及其领域特定语言XPF，通过将工作流承诺从提示移至可检查、可执行的协议结构，并利用生命周期管理的符号中介智能体输出，提升多智能体工作流的可靠性。
AdaSR: 自适应流式推理与分层相对策略优化
机构 * Eastern Institute of Technology, Ningbo（宁波东方理工大学） ； Shanghai Jiao Tong University（上海交通大学） ； The Hong Kong Polytechnic University（香港理工大学） ； Southeast University（东南大学） ； Xi’an Jiaotong-Liverpool University（西交利物浦大学）
AI总结 提出AdaSR框架，通过分层相对策略优化（HRPO）实现流式输入下的自适应推理，在推理准确率、计算效率和流式延迟间取得更好平衡。
AetheRock: 一种用于力引导视觉触觉学习的臂戴式机器人教学系统
机构 * Shanghai Jiao Tong University（上海交通大学） ； Ant Group（蚂蚁集团） ； Shanghai Innovation Institute（上海创新研究院） ； Beijing Institute for General Artificial Intelligence (BIGAI)（北京通用人工智能研究院）
AI总结 提出臂戴式设备AetheRock采集夹爪力、视觉和触觉数据，并设计ForceVT框架利用力和视觉引导触觉学习，解决力感知机器人学习中传感器装配不兼容问题。
SpatialWorld: 在多模态智能体真实世界任务中基准测试交互式空间推理
机构 * Tsinghua University（清华大学） ； Chongqing University（重庆大学） ； Peking University（北京大学） ； ZenoMind AI ； Xi’an Jiaotong University（西安交通大学） ； Beijing Institute of Technology（北京理工大学） ； Southeast University（东南大学） ； Shanghai Jiao Tong University（上海交通大学） ； Joy Future Academy（京东探索研究院） ； The University of Hong Kong（香港大学）
AI总结 提出SpatialWorld基准，集成8种异构模拟后端，通过760个人工标注任务评估多模态智能体在视觉部分可观测环境中的交互式空间理解，发现最强模型GPT-5任务成功率仅17.4%。
面向统一歌曲生成与带伴奏共生成的歌声转换
机构 * Northwestern Polytechnical University（西北工业大学） ； Kuaishou Technology（快手科技） ； Beijing Institute of Technology（北京理工大学） ； Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所） ； University of Science and Technology of China（中国科学技术大学） ； Shanghai Jiao Tong University（上海交通大学）
AI总结 提出UniSinger框架，基于多模态扩散Transformer统一零样本歌曲生成与伴奏共生成歌声转换，通过共享说话人嵌入和课程学习策略实现跨任务音色控制与多任务优化。
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