高校专区
世界杯竞技场：语言模型和深度研究代理在足球预测上的细粒度评估
机构 * Shanghai Jiao Tong University（上海交通大学） ； McGill University（麦吉尔大学） ； University College London（伦敦大学学院）
AI总结 介绍世界杯竞技场这一语言模型和深度研究代理的动态基准，用于足球预测。模型赛前接收证据或自行搜索信息进行多项预测，赛后与实际结果对比。通过多指标评估104场比赛和13个系统，展示不同模型表现及与基线对比情况，且新赛程可添加用于评估未来模型。
鲁棒视觉惯性里程计需要更多学习吗？分布偏移下的几何验证视觉测量
机构 * Tongji University（同济大学） ； Nanjing University of Information Science and Technology（南京信息工程大学） ； Shanghai Jiao Tong University（上海交通大学） ； Sun Yat-sen University（中山大学） ； Nanyang Technological University（南洋理工大学）
AI总结 研究分布偏移下鲁棒视觉惯性里程计是否需更多学习，提出最小学习立体VIO框架，将学习限于视觉测量生成，结合几何验证等，实验表明该方法在多种场景下准确稳定，精心集成学习视觉测量更有效。
CaT-GS：通过帧间缓存和瓦片调度实现大规模场景的高效3DGS渲染
机构 * Shanghai Jiao Tong University（上海交通大学） ； University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）
AI总结 针对3DGS在大规模场景中性能下降问题，CaT-GS提出通过推测性多帧预处理、帧间缓存机制及重构光栅化任务来消除冗余与减轻负载不平衡，实验证明其显著提升渲染速度，为大规模场景高保真实时渲染建立新基准。
Comments CVPR 2026
VLN-AVP：用于自动代客泊车的基于混合长短时记忆的零样本视觉语言导航
机构 * Shanghai Jiao Tong University（上海交通大学） ； Yinwang Intelligent Technology Co., Ltd.（银望智能科技有限公司）
AI总结 研究针对自主代客泊车依赖预建地图限制可扩展性问题，提出VLN-AVP零样本导航框架，结合BEV模型与VLM，引入混合记忆系统，构建数据集和基准，实验证明该方法在模拟和实际车辆实验中均有良好效果，提升了成功率。
TimeLens2：使用多模态大语言模型进行通用视频时间定位
机构 * Nanjing University（南京大学） ； Shanghai AI Laboratory（上海人工智能实验室） ； Shanghai Jiao Tong University（上海交通大学） ； Zhejiang University（浙江大学） ； University of Science and Technology of China（中国科学技术大学） ； Fudan University（复旦大学）
AI总结 研究通用视频时间定位问题，TimeLens2将时间证据视为区间集，通过多种策略构建多跨度监督，其时间瓦瑟斯坦奖励等方法提供反馈，在多个基准测试中表现出色，不同变体均有性能提升。
Comments Technical Report
CORAL：通过协同结合奖励学习淀粉样纤维配体对接
机构 * Center of Excellence for Generative AI, KAUST（沙特阿卜杜拉国王科技大学生成式人工智能卓越中心） ； MoE Key Lab of Artificial Intelligence, Shanghai Jiao Tong University（上海交通大学人工智能教育部重点实验室） ； Stern Laboratory, Brigham and Women’s Hospital, Harvard University（哈佛大学布莱根妇女医院斯特恩实验室）
AI总结 研究针对淀粉样纤维配体对接面临的挑战，提出CORAL强化学习框架，通过纳入协同配体 - 配体堆叠能量及蛋白质 - 配体对接亲和力训练模型，引入评估集，实验证明其在姿态质量和结合亲和力相关性上优于现有基线。
Comments 25 pages
通过延迟感知引导融合实现异步多模态扩散策略组合
机构 * Shanghai Jiao Tong University（上海交通大学） ； Noematrix（无矩阵） ； Shanghai Innovation Institute（上海创新研究院）
AI总结 研究针对多模态扩散策略在模态差异下的融合问题，提出LAG - Fusion框架，通过延迟感知引导融合实现异步策略组合，推导参考帧重定位规则，在接触丰富操纵实验中提升了策略响应性和任务性能。
人工智能生成的以人为中心的视频的多维质量评估：数据集与模型
机构 * Institute of Image Communication and Network Engineering, Shanghai Jiao Tong University（上海交通大学图像通信与网络工程研究所） ； USC-SJTU Institute of Cultural and Creative Industry, Shanghai Jiao Tong University（上海交通大学南加州大学文化创意产业学院） ； Polytech Nantes, Université de Nantes（法国南特大学高等理工学院）
AI总结 研究针对AI生成的以人为中心的视频质量评估问题，提出扩展数据集HVEval+并构建MoE-Rater模型，该模型采用专家混合及三阶段训练策略，能统一多种任务，在相关数据集上性能优越，推动了视频质量评估及T2V模型优化。
Comments Accepted for publication in IEEE TCSVT, 2026
SPARE-GS：用于3D高斯点云的结构简约与资源高效性
机构 * School of Electronics and Information, Northwestern Polytechnical University（西北工业大学电子信息学院） ； Department of Computer Science, City University of Hong Kong（香港城市大学计算机科学系） ； School of Telecommunication Engineering, Xidian University（西安电子科技大学通信工程学院） ； School of Computer Science and Engineering, Central South University（中南大学计算机科学与工程学院） ； Department of Electrical Engineering, Shanghai Jiao Tong University（上海交通大学电气工程系）
AI总结 研究针对3D高斯点云训练效率和表示紧凑性问题，提出SPARE-GS框架，通过将结构演化公式化并动态调整基元分布，实现减少高斯数量、训练时间，提升PSNR及下游处理效率，证明全局结构预算调节的广泛适用性。
PhysAgent：用于物理上合理的视频生成的反射式智能体物理控制
机构 * Shanghai Jiao Tong University（上海交通大学） ； Cardiff University（卡迪夫大学）
AI总结 研究物理上合理的视频生成问题，提出PhysAgent反射式智能体框架，通过闭环设计及物理控制API，改善参数控制，实现复杂轨迹等，实验证明其能生成更合理视频，有更好提示对齐及泛化效果。
Comments For project page, see https://iapple233.github.io/PhysAgent
用于文本引导医学图像分割的定位注入视觉语言语义融合
机构 * Air Force Engineering University（空军工程大学） ； Harbin Institute of Technology（哈尔滨工业大学） ； University of Sydney（悉尼大学） ； Institute of Translational Medicine, Shanghai Jiao Tong University（上海交通大学转化医学研究院） ； Zhongguancun Institute of Artificial Intelligence（中关村人工智能研究院）
AI总结 研究针对文本引导医学图像分割，提出LoG框架，通过联合执行多尺度目标定位任务，实现三级定位注入语义融合，在三个基准数据集实验中表现出色，优于现有医学图像分割方法。
HyperDCM：用于跨场景连续机器人导航的双曲空间动态集群记忆回放
机构 * Software Engineering Institute, East China Normal University（华东师范大学软件工程学院） ； School of Geospatial Information, Information Engineering University（信息工程大学地理空间信息学院） ； University of Shanghai for Science and Technology（上海理工大学） ； Shanghai Jiao Tong University（上海交通大学）
AI总结 针对视觉导航持续学习难题，提出HyperDCM，通过场景图建模和记忆回放增强导航。利用视觉语言模型提取三元组，经R-GCN编码投影到双曲空间，采用动态聚类等策略。实验证明其在保留导航能力和泛化性上优于基线。
用于主动具身安全的自进化即时记忆
机构 * Huazhong University of Science and Technology（华中科技大学） ； Tsinghua University（清华大学） ； Shanghai Jiao Tong University（上海交通大学）
AI总结 研究视觉语言模型在闭环交互中应对动态危险的问题，提出自进化即时记忆框架，含RSG、事实记忆和经验记忆，并通过自动测试-验证-写入循环完善元技能，实验证明该框架大幅提升安全成功率且不阻碍任务进展。
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