Shanghai Jiao Tong University（上海交通大学）

A cross-process welding penetration status prediction algorithm based on unsupervised domain adaptation in laser and TIG welding

基于无监督域适应的激光与TIG焊接跨工艺熔透状态预测算法

Sen Li, Haichao Cui, Chendong Shao, Yaqi Wang, Xinhua Tang

机构 * Shanghai Key Laboratory of Materials Laser Processing and Modification（上海材料激光加工与改性重点实验室） ； School of Materials Science and Engineering（材料科学与工程学院） ； Shanghai Jiao Tong University（上海交通大学） 纠错

AI总结 提出无监督域适应框架结合渐进源域扩展策略，解决激光与TIG焊接间域偏移问题，在跨工艺任务中准确率提升超43%。

A welding penetration prediction model for laser welding process based on self-supervised learning using physics-informed neural networks

基于物理信息神经网络的自监督学习激光焊接过程熔透预测模型

Sen Li, Xiaoying Liu, Xiaojian Xu, Chendong Shao, Yaqi Wang, Ling Lan, Xinhua Tang, Haichao Cui

机构 * Shanghai Key Laboratory of Materials Laser Processing and Modification, School of Materials Science and Engineering, Shanghai Jiao Tong University（上海材料激光加工与改性重点实验室，上海交通大学材料科学与工程学院） ； Shanghai Shipbuilding Technology Research Institute（上海船舶工艺研究所） 纠错

AI总结 提出SimPhysNet模型，利用自监督学习嵌入物理先验，仅需少量标注图像即可高精度预测激光焊接熔透状态，准确率达96.06%。

In-context Region-based Drag: Drag Any Region to Any Shape

基于上下文区域的拖拽：将任意区域拖拽至任意形状

Jiacheng Sui, Tianyu Hao, Bingjie Gao, Li Niu, Guangtao Zhai

机构 * Shanghai Jiao Tong University（上海交通大学） 纠错

AI总结 提出ICRDrag方法，通过上下文学习框架和两种注意力正则化，实现区域级拖拽编辑，在精度和视觉保真度上显著优于现有方法。

Comments Accepted by ECCV 2026. Dataset, code, and model are available at https://github.com/bcmi/ICRDrag-Region-Drag-Editing

Beyond Function Calling: Benchmarking Tool-Using Agents under Tool-Environment Unreliability

超越函数调用：工具环境不可靠性下的工具使用智能体基准测试

Yang Tian, Zhengpeng Shi, Yu Zhou, Bo Zhao

机构 * School of AI, Shanghai Jiao Tong University（上海交通大学人工智能学院） 纠错

AI总结 提出ToolBench-X基准，在工具环境中注入五种可恢复可靠性风险，评估智能体任务完成能力，发现可靠工具下表现良好的智能体在可恢复风险下失败，失败主因是诊断和恢复能力不足。

Disease-Centric Vision-Language Pretraining with Hybrid Visual Encoding for 3D Computed Tomography

面向3D计算机断层扫描的疾病中心视觉语言预训练与混合视觉编码

Bowen Shi, Weiwei Cao, Ruifeng Yuan, Wanxing Chang, Wenrui Dai, Hongkai Xiong, Ling Zhang, Jianpeng Zhang

机构 * DAMO Academy, Alibaba Group（达摩院，阿里巴巴集团） ； Hupan Lab, 310023, Hangzhou, China（虎扑实验室，杭州，中国） ； Shanghai Jiao Tong University, China（上海交通大学，中国） ； Zhejiang University, China（浙江大学，中国） ； Fudan University, China（复旦大学，中国） 纠错

AI总结 提出一种结合CNN-ViT混合编码器、疾病级对比学习和诊断感知提示的视觉语言预训练框架，在CT-RATE和Rad-ChestCT上取得最优性能，并提升零样本诊断可靠性。

Comments ICML 2026

EnerInfer: Energy-Aware On-Device LLM Inference

EnerInfer: 能量感知的设备端大语言模型推理

Bohua Zou, Nian Liu, Binqi Sun, Matteo Mascherin, Debayan Roy, Yutao Liu, Yu Peng, Ning Jia, Haibo Chen

机构 * Technical University of Munich（慕尼黑技术大学） ； Huawei Hilbert Research Center (Dresden)（华为希利伯特研究中心（德累斯顿）） ； Huawei Central Software Institute（华为中央软件研究所） ； Shanghai Jiao Tong University（上海交通大学） 纠错

AI总结 针对设备端LLM推理中能量与散热瓶颈，提出EnerInfer框架，通过解耦预测与在线反馈动态调整NPU/DDR频率，在保证服务质量前提下提升能效达65%。

Small Initialization Matters for Large Language Models

小初始化对大语言模型至关重要

Liangkai Hang, Junjie Yao, Zhiyu Li, Feiyu Xiong, Hongkang Yang, Zhi-Qin John Xu

机构 * School of Mathematical Sciences, Shanghai Jiao Tong University（上海交通大学数学科学学院） ； Institute of Natural Sciences, Shanghai Jiao Tong University（上海交通大学自然科学研究院） ； MemTensor (Shanghai) Technology Co., Ltd.（上海记忆张量科技有限公司） ； Institute for Advanced Algorithms Research（先进算法研究所） 纠错

AI总结 本文发现减小初始化尺度能持续改善大语言模型预训练，尤其在推理任务上提升显著，并揭示了小初始化驱动参数从低复杂度结构向丰富表示演化的机制。

Comments 26 pages, 8 figures

SymphoMotion: Joint Control of Camera Motion and Object Dynamics for Coherent Video Generation

SymphoMotion：相机运动与物体动态的联合控制以实现一致的视频生成

Guiyu Zhang, Yabo Chen, Xunzhi Xiang, Junchao Huang, Zhongyu Wang, Li Jiang

机构 * The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳）） ； Shanghai Jiaotong University（上海交通大学） ； Nanjing University（南京大学） ； Beihang University（北京航空航天大学） 纠错

AI总结 SymphoMotion通过联合控制相机运动和物体动态，提高视频生成的一致性和表达性，其核心方法结合了相机轨迹控制与物体动态控制机制，并引入了RealCOD-25K数据集进行大规模训练和评估，显著提升了视觉保真度和物体运动准确性。

Comments CVPR 2026

2K Retrofit: Entropy-Guided Efficient Sparse Refinement for High-Resolution 3D Geometry Prediction

2K Retrofit: 熵引导的高效稀疏细化用于高分辨率3D几何预测

Tianbao Zhang, Zhenyu Liang, Zhenbo Song, Nana Wang, Xiaomei Zhang, Xudong Cai, Zheng Zhu, Kejian Wu, Gang Wang, Zhaoxin Fan

机构 * BUAA（北京航空航天大学） ； SJTU（上海交通大学） ； GigaAI ； XREAL ； NUST（南京理工大学） ； RUC（清华大学） ； NUDT（国防科技大学） ； UCAS（中国科学技术大学） ； BIBMS（北京工业大学） 纠错

AI总结 提出2K Retrofit框架，通过快速粗预测和基于熵的稀疏细化，在不修改基础模型的情况下实现高效2K分辨率几何预测，达到SOTA精度和速度。

Comments Accepted by ECCV 2026

ZeroWBC: Learning Natural Whole-Body Humanoid Interaction from Human Egocentric Data

ZeroWBC: 从人类自我中心数据学习自然全身人形交互

Haoran Yang, Jiacheng Bao, Yucheng Xin, Haoming Song, Yuyang Tian, Bin Zhao, Dong Wang, Xuelong Li

机构 * University of Science and Technology of China（中国科学技术大学） ； Shanghai AI Laboratory（上海人工智能实验室） ； Northwestern Polytechnical University（西北工业大学） ； Tsinghua University（清华大学） ； Shanghai Jiao Tong University（上海交通大学） ； TeleAI, China Telecom（TeleAI，中国电信） 纠错

AI总结 提出ZeroWBC框架，利用人类自我中心视频和同步全身运动数据，通过生成-跟踪方法实现无遥操作的人形机器人全身交互控制。

CauScale: Neural Causal Discovery at Scale

CauScale: 大规模神经因果发现

Bo Peng, Sirui Chen, Jiaguo Tian, Yu Qiao, Chaochao Lu

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） ； Shanghai Innovation Institute（上海创新研究院） ； Tongji University（同济大学） 纠错

AI总结 提出CauScale神经架构，通过压缩单元和共享注意力权重实现高效因果发现，可扩展至1000节点图，在分布内外数据上分别达到99.6%和84.4% mAP，推理速度提升4-13000倍。