高校专区
TRACE-Bench：多参考图像生成的分解与诊断
机构 * Shanghai Jiao Tong University（上海交通大学）
AI总结 研究针对多参考图像生成基准的缺陷，构建TRACE-Bench基准，采用算子分解方法评估9个主流模型，发现解耦与属性绑定是核心瓶颈，最优模型属性保真度仅0.74
Comments Accepted to ACM Multimedia 2026 (ACM MM 2026)
二值化高效RAW视频恢复及拓展
机构 * School of Computer Science and Technology, Beijing Institute of Technology（北京理工大学计算机科学与技术学院） ； Chinese Aeronautical Establishment（中国航空研究院） ； Westlake University（西湖大学） ； Shanghai Jiao Tong University（上海交通大学）
AI总结 本文提出二值化RAW视频恢复框架BinRVR，通过BIIM和DAB-Conv实现96%计算量与参数缩减，仅4%性能下降，在多项RAW视频恢复任务上表现具竞争力，还可拓展至下游视频应用。
Comments Accepted by TPAMI2026
VicEdit：从视觉上下文示例学习编辑视频
机构 * Shanghai Jiao Tong University（上海交通大学） ； Tencent Youtu Lab（腾讯优图实验室） ； Zhejiang University（浙江大学）
AI总结 针对文本指令视频编辑难以传达细粒度视觉信息的问题，提出视觉上下文编辑新范式，构建VicEdit-400K数据集，开发VicEdit框架，在VicEditBench上实现SOTA性能。
PersonaShot：多镜头视频生成中以人为中心的叙事连续性基准
机构 * Shanghai Jiao Tong University（上海交通大学） ； Tencent Youtu Lab（腾讯优图实验室） ； Zhejiang University（浙江大学）
AI总结 该研究针对多镜头视频生成中角色叙事连续性评估的不足，推出PersonaShot基准，设计三类特定评估器，发现先进模型感知质量与跨镜头连续性存在差距，评估器与人类专家判断一致性强。
JailbreakSkill：通过可复用且不断演进的技能扩展自动化红队测试
机构 * Shanghai AI Laboratory（上海人工智能实验室） ； Northwestern Polytechnical University（西北工业大学） ； 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 本研究提出以技能为核心的JailbreakSkill框架，将攻击策略打包为可复用技能，通过攻击与学习的闭环演进技能，大幅提升攻击成功率，且技能可泛化至未见过的提示词与目标模型。
Defake-o3：从推测性理由到可验证证据的可解释AIGI检测
机构 * Shanghai Jiao Tong University（上海交通大学） ； Ant Group（蚂蚁集团）
AI总结 Defake-o3是结合交互式视觉搜索与证据验证器的可解释AIGI检测器，构建了GroundFake数据集和FakeFrontier基准，在多基准上同时提升了AIGI检测准确率与解释质量。
Comments Accepted by ACMMM 2026
GaussianDWM++：用于统一场景理解、编辑与多模态生成的语言接地3D高斯驾驶世界模型
机构 * School of Automation and Intelligent Sensing, Shanghai Jiao Tong University（上海交通大学自动化与智能感知学院） ； Tsinghua University（清华大学） ； Chongqing Afari Intelligent Drive Co., Ltd.（重庆阿法瑞智能驾驶有限公司） ； Nanyang Technological University（南洋理工大学）
AI总结 该研究提出GaussianDWM++，通过基础特征高斯分词器等模块构建统一框架，在多类驾驶任务中实现场景理解、编辑与多模态生成，性能达当前最优。
RoboStriker：用于自主人形机器人拳击的隐空间策略博弈
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） ； Huazhong University of Science and Technology（华中科技大学） ； University of Science and Technology of China（中国科学技术大学）
AI总结 本研究提出RoboStriker框架，将人形拳击任务形式化为隐空间零和马尔可夫博弈，通过分层结构解耦推理与执行，实现了优于原始动作空间方法的战术性能并成功部署到现实人形机器人。
非结构化地形四足机器人运动的轨迹级自动课程学习
机构 * National Key Laboratory of General Artificial Intelligence, BIGAI（通用人工智能国家重点实验室（BIGAI）） ； Beijing Normal University（北京师范大学） ； Communication University of China（中国传媒大学） ； Shanghai Jiao Tong University（上海交通大学）
AI总结 该研究针对非结构化地形四足机器人运动，提出轨迹级自动课程学习框架，通过生成地形轨迹任务形成闭环课程，显著提升了运动策略的轨迹成功率。
Skill2Query：利用技能结构生成智能体技能检索的伪查询
机构 * Fudan University（复旦大学） ； Sun Yat-sen University（中山大学） ； Shanghai Innovation Institute（上海创新研究院） ； Shanghai Jiao Tong University（上海交通大学）
AI总结 Skill2Query是利用技能知识图谱生成伪查询的框架，可提升多类检索性能，生成的训练数据表现最优，还能提高智能体任务成功率。
RagGAD：用于无监督图异常检测的依据感知条件高斯混合归一化流
机构 * School of Computer Science and Technology, East China Normal University（华东师范大学计算机科学与技术学院） ； State Key Laboratory of Submarine Geoscience, School of Automation and Intelligent Sensing, Shanghai Jiao Tong University（上海交通大学海洋地质国家重点实验室、自动化与智能传感学院）
AI总结 针对现有图异常检测方法依赖同质性假设、鲁棒性不足的问题，提出RagGAD框架，通过依据解缠与混合建模提升性能，在多基准数据集上优于现有方法。
时空协同：文本驱动的三维人体动作编辑中变化与不变性的平衡
机构 * East China Normal University（华东师范大学） ； School of Computer Science and Technology, East China Normal University（华东师范大学计算机科学与技术学院） ； School of Computer Science and Engineering, Shanghai Jiao Tong University（上海交通大学计算机科学与工程学院） ； Shanghai Institute of Artificial Intelligence for Education, East China Normal University（华东师范大学上海教育人工智能研究院） ； School of Statistics, East China Normal University（华东师范大学统计学院） ； School of Artificial Intelligence, Beihang University（北京航空航天大学人工智能学院）
AI总结 针对文本驱动3D人体动作编辑中变化与不变性难以平衡的问题，提出CIME框架，通过空间姿态和时间节奏维度的解耦实现最优性能，相关成果已开源。
结合推测推理与验证的高效VLA推理的算法-架构协同设计
机构 * School of Computer Science, Shanghai Jiao Tong University（上海交通大学计算机科学学院） ； Computer Science, King Abdullah University of Science and Technology（阿卜杜拉国王科技大学计算机科学学院）
AI总结 针对VLA模型推理延迟高、动作长度有限的问题，提出SpecVLA算法-架构协同框架，通过状态感知推理、sVLA验证模型与异构架构，在保持任务成功率的同时降低延迟，实现高效可靠的实时机器人操控。
基于同步感知跨模态稀疏注意力的高效视听生成
机构 * Alibaba Group（阿里巴巴集团） ； Alibaba Cloud Computing（阿里巴巴云计算） ； Shanghai Jiao Tong University（上海交通大学）
AI总结 本文提出同步感知加速框架，通过受保护的稀疏注意力策略在保留视听生成质量与同步性的同时提升推理效率。
FMReward：基于人类偏好的音频驱动三维面部动画对齐与评估框架
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 USC-文化创意产业学院） ； Institut Universitaire de France (IUF)（法国大学研究院） ； University of Nantes（南特大学）
AI总结 本文构建首个音频驱动三维面部动画人类偏好数据集FMPair，提出FMReward奖励模型与FMFL微调算法，可更好对齐人类偏好，提升该类动画的感知质量。
Comments Accepted for publication in IEEE TVCG, 2026
EgoTac：从第一视角视觉实现野外环境下的触觉预测
机构 * Shanghai Qi Zhi Institute（上海期智研究院） ； Shanghai Jiao Tong University（上海交通大学） ； Tsinghua University（清华大学） ； Fudan University（复旦大学）
AI总结 本文提出EgoTac模型，利用超570万组图像-触觉对训练，可从第一视角视觉预测触觉，在域内及域外测试中性能优于现有方法，能为机器人学习提供触觉先验。
MegaParts：通过令牌高效自回归建模将部件感知三维物体生成扩展至300个部件
机构 * The University of Hong Kong（香港大学） ； Shanghai Artificial Intelligence Laboratory（上海人工智能实验室） ； Fudan University（复旦大学） ； Tongji University（同济大学） ； 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 MegaParts提出结合结构化序列建模与令牌高效矢量量化形状令牌化器的自回归框架，将部件感知3D生成扩展至300个部件，性能优于基线模型，为大规模部件感知3D生成提供新方案。
Comments 12 pages, 6 pages appendix, 13 figures, technical report
一个分数，两个决策：针对罕见疾病尾部的选择性预测
机构 * School of Health & Wellbeing, University of Glasgow（格拉斯哥大学健康与福祉学院） ； Shanghai Sixth People’s Hospital, Shanghai Jiao Tong University School of Medicine（上海交通大学医学院附属第六人民医院） ； School of Life Science and Technology, University of Electronic Science and Technology of China（电子科技大学生命科学与技术学院）
AI总结 针对罕见疾病尾部的选择性预测，研究发现现有小型开放权重LLM在超罕见疾病上表现受限，前两位边际可提升部分病例选择性准确率，且仅未标记分数无法确定边际切换是否有益。
支持种群规模扩展的多智能体世界建模
机构 * Shanghai Jiao Tong University（上海交通大学）
AI总结 针对多智能体世界模型的种群可扩展性问题，提出无需重训练即可扩展至任意智能体数量的Khora模型，通过解耦世界状态演化与渲染实现跨视图一致性，验证了泛化性并构建了实时交互系统。
Comments Technical report. Project page: this https URL (https://rhos.ai/research/khora). Online demo: this https URL (https://ophilus.ai/khora)
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 13 pages
LatentSkill: 从上下文文本技能到LLM智能体的权重内隐技能
机构 * Shanghai Jiao Tong University（上海交通大学） ； Sun Yat-Sen University（中山大学） ； Shanghai Innovation Institute（上海创新研究院） ； OPPO Research Institute（OPPO研究院）
AI总结 提出LatentSkill框架，通过预训练超网络将文本技能转换为即插即用的LoRA适配器，将技能知识存储在权重空间而非上下文空间，从而减少预填充令牌并提升性能。
Comments 10 pages, 4 figures
GeoRect4D：几何兼容的生成性矩形化用于动态稀疏视角3D重建
机构 * Shanghai Jiao Tong University（上海交通大学）
AI总结 本文提出GeoRect4D框架，通过闭环优化结合显式3D一致性与生成性细化，解决动态稀疏视角3D重建中的几何崩溃和漂移问题，提升重建精度与时间一致性。
HiProto：面向低质量条件下可解释目标检测的层次原型学习
机构 * Institute of Intelligent Information Processing, Shenzhen University（深圳大学智能信息处理研究院） ； Guangdong Provincial Key Laboratory of Intelligent Information Processing, Shenzhen University（广东省智能信息处理重点实验室） ； Shenzhen Key Laboratory of Modern Communications and Information Processing, Shenzhen University（深圳现代通信与信息处理重点实验室） ； Shanghai Jiao Tong University（上海交通大学）
AI总结 HiProto通过层次原型学习提升低质量图像下的目标检测可解释性，提出RPC-Loss、PR-Loss和SPLGS提升语义聚焦与原型区分度，无需图像增强或复杂架构即可实现稳定可解释性。
Comments 14 pages, 6 figures
重新思考推理SFT中的泛化：对优化、数据和模型能力的条件分析
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） ； University of Science and Technology of China（中国科学技术大学）
AI总结 本文研究推理SFT的泛化问题，发现泛化受优化动态、训练数据和模型能力共同影响，指出短训练检查点可能低估泛化能力，数据质量和结构及模型能力均影响泛化效果，且推理提升与安全下降存在不对称性。
Comments Accepted by COLM 2026
MedMCP-Calc：通过MCP整合建立LLMs在真实医疗计算场景中的基准测试
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 MedMCP-Calc通过MCP整合建立首个LLMs在真实医疗计算场景的基准测试，揭示模型在多步骤计算和外部工具利用上的不足，并开发CalcMate实现开源模型的最佳性能。
Comments Accepted to the ACL 2026 Main Conference as an Oral Presentation
重新思考逐令牌特征缓存：通过双特征缓存加速扩散Transformer
机构 * Shanghai Jiao Tong University（上海交通大学） ； South China University of Technology（南方科技大学） ； Beihang University（北航） ； Huawei Technologies Ltd（华为技术有限公司） ； Shanghai AI Lab（上海人工智能实验室） ； Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州））
AI总结 本文针对逐令牌特征缓存的核心问题提出质疑，提出双特征缓存方法DuCa，在DiT等生成模型上实现了优于现有逐令牌特征缓存的性能。
DiagnosisArena：面向大型语言模型的诊断推理基准测试
机构 * Shanghai Jiao Tong University（上海交通大学） ； SII ； SPIRAL Lab（SPIRAL实验室） ； Generative AI Research Lab (GAIR)（生成式AI研究实验室） ； Shanghai Chest Hospital（上海胸科医院） ； Beijing Anzhen Hospital, Capital Medical University（北京安贞医院，首都医科大学）
AI总结 该研究提出DiagnosisArena基准，评估大型语言模型的临床诊断推理能力，发现顶尖模型准确率仅最高51.12%，凸显其泛化瓶颈，旨在推动AI诊断推理进步。
Comments Accepted to ACL 2026 Findings
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