高校专区
高级数学基准测试：用于高级数学证明生成与验证的基准测试套件
机构 * Shanghai AI Laboratory（上海人工智能实验室） ； MMLab, The Chinese University of Hong Kong（香港中文大学多媒体实验室） ； Shanghai Jiao Tong University（上海交通大学） ； Great Bay University（大湾区大学）
AI总结 介绍用于评估高级数学推理能力的AdvancedMathBench基准测试套件，含ProverBench证明生成基准及自动验证管道，还有VerifierBench。实验显示前沿模型在证明生成与验证上表现不佳，该套件对模型提升高级数学证明能力有挑战。
循环世界：通过反向预测循环一致性减轻长期视频世界模型中的误差累积
机构 * 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 Cyber-Systems and Control, Zhejiang University, Hangzhou, China（浙江大学控制系统研究所） ； Nanyang Technological University, Singapore（新加坡南洋理工大学）
AI总结 针对自回归扩散模型在长视频生成中误差累积问题，提出循环世界框架，通过训练和推理阶段的时间可逆性及反向预测模型抑制误差，实验证明其在VBench基准测试中显著减轻误差漂移，提升生成质量和时间一致性。
Comments Accepted by ECCV 2026
AutoPath：学习可转移的目标条件随机路径先验以实现无人类示范的安全导航
机构 * Zhejiang University（浙江大学） ； Harbin Institute of Technology（哈尔滨工业大学） ； Ant Group（蚂蚁集团） ； Shanghai Jiao Tong University（上海交通大学） ； Shenzhen University（深圳大学）
AI总结 研究在复杂环境下的安全导航问题，提出学习可转移目标条件随机路径先验的方法，引入规范状态表示和结构化先验学习框架，实验证明该方法成功率高、效率有竞争力且可跨平台转移。
Comments Accepted by IEEE Robotics and Automation Letters (RA-L). 8 pages, 4 figures
穿着外套：基于可微服装模拟的双臂机器人辅助穿衣
机构 * Department of Automation, Shanghai Jiao Tong University（上海交通大学自动化系）
AI总结 研究针对机器人辅助穿衣中衣物与人体四肢复杂接触交互的问题，提出集成实时可微服装模拟的控制算法，经模拟和实验验证，该算法能解决接触约束下服装状态问题，实现多阶段控制策略，证明了其可行性和有效性。
首个中文BabyLM挑战：训练数据高效且认知合理的中文语言模型
机构 * Princeton University（普林斯顿大学） ； Shanghai Jiao Tong University（上海交通大学） ； Chinese Academy of Sciences（中国科学院） ； Columbia University（哥伦比亚大学） ； Beijing Normal University（北京师范大学） ； Tsinghua University（清华大学） ； University of California San Diego（加利福尼亚大学圣地亚哥分校） ； The Hong Kong Polytechnic University（香港理工大学）
AI总结 首个中文BabyLM挑战将在2026年自然语言处理与中文计算会议举办，要求用1亿中文词元从头训练语言模型，在自然语言理解、认知对齐和汉字知识三轨道评估，不限分词器、模型架构和训练轮数。
Comments 8 pages, 4 tables; work in progress
覆盖路径规划：经典基础、最新进展与未来方向
机构 * College of Information Science and Technology, Jinan University（暨南大学信息科学技术学院） ； Department of Electrical and Computer Engineering, University of Connecticut（康涅狄格大学电气与计算机工程系） ； Global College, Shanghai Jiao Tong University（上海交通大学密西根学院） ； School of Artificial Intelligence, University of Chinese Academy of Sciences（中国科学院大学人工智能学院） ； School of Electronics and Information Engineering, Wuyi University（五邑大学电子与信息工程学院） ； School of Computer Science and Engineering, South China University of Technology（华南理工大学计算机科学与工程学院）
AI总结 本文全面综述2015至2026年125篇覆盖路径规划（CPP）代表性作品，结合经典方法展示其演变。CPP方法分六类，总结各类规划公式、算法等，分析相关因素对问题的塑造，讨论开放挑战，提供了发展概况与未来研究方向。
Co4ICF：用于惯性约束聚变的协同进化物理信息代理与基于强化学习的脉冲优化器
机构 * Shanghai Jiao Tong University（上海交通大学）
AI总结 研究针对惯性约束聚变中离线训练代理的问题，提出Co4ICF框架，将物理信息代理与基于PPO的脉冲优化器协同进化。在1D MULTI环境有良好表现，优化脉冲在2D-MULTI中也有高归一化产额，还发布数据集，验证协同进化机制起关键作用。
通过强大的音频感知增强长格式全模态理解
机构 * SAI, Shanghai Jiao Tong University（上海交通大学 上海人工智能研究院） ； Zhejiang University（浙江大学） ； Shanghai AI Lab（上海人工智能实验室）
AI总结 为解决全模态理解不足问题，提出AVDC数据集及AVDC-QA-CoT数据集，利用现成模型标注视频，采用两阶段训练范式，在多下游任务实验中取得显著性能提升，推动全模态感知发展。
EvoCUA-1.5：用于多轮计算机使用智能体的在线强化学习
机构 * Meituan（美团） ； Fudan University（复旦大学） ； Shanghai Jiao Tong University（上海交通大学） ； Zhejiang University（浙江大学）
AI总结 研究多轮计算机使用智能体的在线强化学习问题，提出EvoCUA-1.5，通过STEPO、DTAC等方法应对多轮交互挑战，经实验验证其提高了训练稳定性和下游性能，为在线强化学习提供实用框架。
EvoClawBench：智能体能否从自身运行中学习可复用技能？
机构 * Shanghai Jiao Tong University（上海交通大学） ； Zhejiang University（浙江大学） ； Hithink Research（同花顺研究院）
AI总结 研究智能体能否从自身运行学可复用技能，引入EvoClawBench基准测试，涵盖多任务多子问题并支持多运行时。实验对比不同方式，发现直接基线性能依赖运行时，自我创作技能效果各异，表明学习可复用技能有选择性且成本敏感。
基于专家混合神经算子的知识约束形状优化用于高置信度设计
机构 * School of Ocean and Civil Engineering, Shanghai Jiao Tong University（上海交通大学海洋与土木工程学院） ； Eastern Institute of Technology（东方理工学院） ； TenFong Technology Co., Ltd.（十方科技有限公司） ； IM Motors Technology Co., Ltd.（集度汽车科技有限公司）
AI总结 针对工程形状优化中专家依赖和代理模型可靠性问题，提出知识约束形状优化框架，开发专家混合神经算子MoE-NO，通过不确定性估计策略改进阻力预测等，实验表明其在测试集和车辆形状优化上效果良好，降低了阻力系数。
NITP：面向LLM预训练的下一隐式令牌预测
机构 * School of AI, Shanghai Jiao Tong University（上海交通大学人工智能学院） ； Xiaohongshu Inc.（小红书公司） ； The Chinese University of Hong Kong（香港中文大学） ； University of Science and Technology of China（中国科学技术大学）
AI总结 提出NITP方法，通过在表示空间中添加密集连续监督来增强离散令牌预测，以解决标准下一令牌预测中潜在表示空间约束不足的问题，并在0.5B至9B参数模型上取得一致性能提升。
Comments Accepted at ICML 2026
TactileReflex：基于噪声统计的视觉-触觉反射控制用于力敏感操作
机构 * Thrust of Robotics and Autonomous Systems, The Hong Kong University of Science and Technology (Guangzhou)（机器人与自主系统研究所，香港科学与技术大学（广州）） ； School of Mechanical Engineering, Shanghai Jiao Tong University（上海交通大学机械工程学院）
AI总结 针对易变形容器操作中的力控制难题，提出基于噪声统计的标定驱动反射控制范式，利用视觉触觉传感器提取图像级代理并实现约12Hz的优先反射通道，无需外部标定或手动调参。
Comments 8 pages, 4 figures, 6 tables
Incantation: 自然语言作为多实体视频世界模型的动作接口
机构 * SJTU（上海交通大学） ； NVIDIA Research（英伟达研究） ； USTC（中国科学技术大学） ； UCAS（乌兹别克斯坦科学院） ； NUS（新加坡国立大学） ； UWaterloo（滑铁卢大学） ； HKUST（香港理工大学） ； HKU（香港大学） ； ZGCA（浙江大学）
AI总结 本研究提出了一种基于自然语言的动作接口，用于多实体视频世界模型，解决了传统接口在细粒度多实体控制和跨实体、跨世界泛化能力上的不足，通过引入自然语言条件化实现了更强大的表达能力。
最小化多机器人持续监控的最坏情况加权延迟：理论与基于强化学习的解决方案
机构 * School of Automation and Intelligent Sensing, Shanghai Jiao Tong University, Shanghai, China（自动化与智能感知学院，上海交通大学，上海，中国） ； Key Laboratory of System Control and Information Processing, Ministry of Education of China, Shanghai, China（系统控制与信息处理重点实验室，中华人民共和国教育部，上海，中国）
AI总结 本文研究多机器人在加权图上的持续监控问题，提出尾性能目标以改进传统最坏情况延迟评估，并基于强化学习构建TWLO-MDP模型，通过实验验证方法在合成和现实场景中的有效性。
使智能体能够在潜在空间中完全交流
机构 * State Key Lab of CAD&CG（CAD与CG国家重点实验室） ； Future Living Lab of Alibaba（阿里巴巴未来生活实验室） ； Zhejiang Key Laboratory of Medical Imaging Artificial Intelligence（浙江医学影像人工智能重点实验室） ； Shanghai Jiao Tong University（上海交通大学）
AI总结 本文提出Interlat方法，通过利用LLM的连续隐藏状态实现智能体间的潜在空间通信，实验表明其在跨异构模型中表现优异，提升了推理速度并保持性能。
Comments Accepted to ACL 2026
AutoV：面向视觉提示检索的损失导向排名用于大视觉-语言模型
机构 * School of Computer Science, Peking University（北京大学计算机学院） ； ByteDance Inc.（字节跳动公司） ； Shanghai Jiao Tong University（上海交通大学）
AI总结 AutoV通过损失导向的提示检索提升大视觉-语言模型在图像理解等任务中的性能。
Comments Accepted by ECCV 2026
通过身份桥揭示Transformer中多跳推理的机制
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, MOE-LSC, Shanghai Jiao Tong University（上海交通大学自然科学研究院） ； Shanghai Seres Information Technology Co., Ltd, Shanghai 200040, China（上海塞瑞斯信息技术有限公司）
AI总结 研究大型语言模型多跳推理中两跳推理诅咒现象，引入身份桥进行最小监督，使单层Transformer能实现分布外两跳泛化，通过理论和实证分析揭示其机制及效果，并扩展到主流LLMs的实际设置。
Comments Accepted by COLM 2026
PM-KVQ：用于长思维链语言模型的渐进式混合精度键值缓存量化
机构 * Tsinghua University（清华大学） ； Infinigence-AI ； Columbia University（哥伦比亚大学） ； OPPO AI Center（OPPO人工智能中心） ； Shanghai Jiaotong University（上海交通大学）
AI总结 针对长思维链语言模型因键值缓存内存开销大导致性能下降的问题，提出渐进式混合精度KV缓存量化（PM-KVQ），通过渐进量化策略和逐块内存分配减少累积误差，用带位置插值的校准策略增加校准长度，提升了推理性能和吞吐量。
Comments Accepted by ICLR 2026. Code available at https://github.com/thu-nics/PM-KVQ
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