Shanghai Jiao Tong University（上海交通大学）

Coverage Path Planning: Classical Foundations, Recent Advances, and Future Directions

覆盖路径规划：经典基础、最新进展与未来方向

Zongyuan Shen, Shalabh Gupta, Shancheng Zhao, Dehua Zhou, Gao Wang, Zhongqiang Ren, Yaming Ou, Yikui Zhai, C. L. Philip Chen

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） 纠错

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: Co-evolving Physics-Informed Surrogate and RL-based Pulse Optimizer for Inertial Confinement Fusion

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

Jiatong Zhao, Tengyue Zhang, Yuhan Wang, Fuyuan Wu, Junchi Yan

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

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。

Empowering Long-form Omni-modal Understanding with Robust Audio Perception

通过强大的音频感知增强长格式全模态理解

Kaiying Yan, Luoyi Sun, Xiao Zhou, Weidi Xie

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） 纠错

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: Online Reinforcement Learning for Multi-turn Computer-Use Agents

EvoCUA-1.5：用于多轮计算机使用智能体的在线强化学习

Mianqiu Huang, Taofeng Xue, Chong Peng, Jinrui Ding, Sicheng Fan, Jiale Hong, Yufei Gao, Xiaocheng Zhang, Linsen Guo, Xin Yang, Dengchang Zhao, Yuchen Xie, Peng Pei, Xunliang Xie, Xipeng Qiu

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） 纠错

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: Can Agents Learn Reusable Skills from Their Own Runs?

EvoClawBench：智能体能否从自身运行中学习可复用技能？

Zhiyuan Peng, Xin Yin, Chenhao Ying, Zhe Cui, Zixiang Ding, Zhenhua Liu, Jiang Wu, Yuan Luo

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） 纠错

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。

Knowledge-Constrained Shape Optimization with a Mixture-of-Experts Neural Operator for High-Confidence Design

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

Wenhao Fan, Yuanwei Bin, Jianghan Gu, Wenfa Luo, Jiao Xiang, Yuntian Chen, Shiyi Chen

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） 纠错

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: Next Implicit Token Prediction for LLM Pre-training

NITP：面向LLM预训练的下一隐式令牌预测

Xiangdong Zhang, Debing Zhang, Shaofeng Zhang, Xiaohan Qin, Yu Cheng, Junchi Yan

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） 纠错

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: Noise-Statistics-Driven Vision-Tactile Reflex Control for Force-Sensitive Manipulation

TactileReflex：基于噪声统计的视觉-触觉反射控制用于力敏感操作

Ziyan Feng, Yulong Fu, Zheng Li, Yuxin He, Jieji Ren, Yudong Zhong, Lujia Wang, Jinni Zhou, Qiang Nie

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） 纠错

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: Natural Language as the Action Interface for Multi-Entity Video World Models

Incantation: 自然语言作为多实体视频世界模型的动作接口

Shangwen Zhu, Qianyu Peng, Zhao Pu, Zhilei Shu, Xiangrui Ke, Zhaohu Xing, Zizhao Tong, Zeqing Wang, Xinyu Cui, Zian Zheng, Huangji Wang, Jian Zhao, Yeying Jin, Fan Cheng, Ruili Feng

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） 纠错

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。

Minimizing Worst-Case Weighted Latency for Multi-Robot Persistent Monitoring: Theory and RL-Based Solutions

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

Weizhen Wang, Ziheng Wang, Jianping He, Xinping Guan, Xiaoming Duan

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） 纠错

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。

Enabling Agents to Communicate Entirely in Latent Space

使智能体能够在潜在空间中完全交流

Zhuoyun Du, Runze Wang, Huiyu Bai, Zouying Cao, Xiaoyong Zhu, Yu Cheng, Bo Zheng, Wei Chen, Haochao Ying

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） 纠错

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: Loss-Oriented Ranking for Visual Prompt Retrieval in LVLMs

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

Yuan Zhang, Chun-Kai Fan, Sicheng Yu, Junwen Pan, Tao Huang, Ming Lu, Kuan Cheng, Qi She, Shanghang Zhang

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） 纠错

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

Unveiling the Mechanisms of Multi-Hop Reasoning in Transformers via Identity Bridge

通过身份桥揭示Transformer中多跳推理的机制

Pengxiao Lin, Zheng-An Chen, 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, 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） 纠错

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: Progressive Mixed-precision KV Cache Quantization for Long-CoT LLMs

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

Tengxuan Liu, Shiyao Li, Jiayi Yang, Tianchen Zhao, Feng Zhou, Xiaohui Song, Guohao Dai, Shengen Yan, Huazhong Yang, Yu Wang

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） 纠错

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

TCLA: Training-Free Class-wise Logit Adaptation for Medical Vision-Language Models

TCLA：用于医学视觉语言模型的无训练类级对数几率适应

Tianyou Jiang, Ziyu Zhou

机构 * University of Bern（伯尔尼大学） ； Shanghai Jiao Tong University（上海交通大学） 纠错

AI总结 针对医学视觉语言模型在分布外数据上有效性下降问题，提出无训练的少样本适应方法TCLA。该方法基于支持样本校正推理对数几率，提升模型性能，实验表明其能持续提高模型OOD性能且多数情况下优于现有训练方法。

GenVid2Robot: From Video Generation to Robot Manipulation via Rigid-Geometric Consistency

GenVid2Robot：通过刚性几何一致性从视频生成到机器人操作

Haohui Huang, Xi Yuan, Panpan Liao, Tao Teng, Chenguang Yang, Jing Guo, Yi Guo

机构 * School of Automation, Guangdong University of Technology（广东工业大学自动化学院） ； University of Liverpool（利物浦大学） ； Department of Computing, The Hong Kong Polytechnic University（香港理工大学计算学系） ； 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球科学国家重点实验室，自动化与智能感知学院） 纠错

AI总结 研究旨在将生成视频转换为机器人可执行操作轨迹。核心方法是GenVid2Robot框架，通过采样语义锚点、跟踪验证运动等步骤实现。主要贡献是提高了生成视频引导操作的可靠性，通过多种手段建立视觉运动先验。

Comments Preprint

Generative Communications: Overview, Technologies, and Trends

生成式通信：概述、技术与趋势

Wenjun Zhang, Zhiyong Chen, Tong Wu, Guo Lu, Li Song, Feng Yang, Meixia Tao

机构 * Cooperative Medianet Innovation Center and the School of Information Science and Electronic Engineering, Shanghai Jiao Tong University（合作中位网创新中心和上海交通大学信息科学与电子工程学院） 纠错

AI总结 本文介绍用于6G网络的生成式通信范式GenCom，大型人工智能模型驱动语义理解等并嵌入通信，使发送方传最少信息，接收方合成输出，重新定义通信。提出两层架构，经分析其在多场景有优势，还概述了未来研究方向。

Comments accepted by IEEE Wireless Communications Magazine

Smooth Scaling Laws Hide Stepwise Token Learning

平滑缩放定律隐藏了逐步的令牌学习

Pingjie Wang, Zechen Hu, Peiru Yang, Fu Guo, Debing Zhang

机构 * Dots Studio, Xiaohongshu Inc.（dots studio，小红书公司） ； Shanghai Jiao Tong University（上海交通大学） ； Tsinghua university（清华大学） 纠错

AI总结 本文提出令牌级框架，将缩放定律分解为上下文令牌的局部学习事件，通过拟合S形曲线发现令牌学习集中在局部转换中，并利用学习时间谱定量重建验证损失导数，进而通过重塑训练分布实现11%的验证损失加速降低。

Comments 21 pages

Act, Sense, Act: Learning Active Perception from Large-Scale Egocentric Human Data

行动、感知、行动：从大规模自我中心人类数据中学习主动感知

Jialiang Li, Yi Qiao, Yunhan Guo, Changwen Chen, Wenzhao Lian

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

AI总结 研究如何让机器人在无约束环境中实现可泛化操作，提出CoMe - VLA框架，利用大规模人类自我中心数据学习主动感知，集成认知辅助头和双轨记忆系统，经三个阶段训练模型，实验证明该方法在多场景长期任务中有强鲁棒性和适应性。

ProSGNeRF: Progressive Dynamic Neural Scene Graph with Frequency Modulated Foundation Model in Urban Scenes

ProSGNeRF：城市场景中基于频率调制基础模型的渐进式动态神经场景图

Tianchen Deng, Yanbo Wang, Yejia Liu, Chenpeng Su, Jingchuan Wang, Danwei Wang, Shao-Yuan Lo, Weidong Chen

机构 * Shanghai Jiao Tong University（上海交通大学） ； Nanyang Technological University（南洋理工大学） ； National Taiwan University（国立台湾大学） 纠错

AI总结 针对大规模城市场景中快速移动对象建模及相机自我运动处理难题，提出ProSGNeRF，通过渐进式场景图网络架构学习局部场景表示，利用基础模型网络编码潜码并引入频率调制模块，提升视图合成等能力。

Comments Accepted by IJCV 2026

Re$^3$Sim: Generating High-Fidelity Simulation Data via 3D-Photorealistic Real-to-Sim for Robotic Manipulation

Re$^3$Sim：通过用于机器人操作的3D逼真的真实到模拟生成高保真模拟数据

Xiaoshen Han, Junqiu Yu, Minghuan Liu, Yilun Chen, Xiaoyang Lyu, Yang Tian, Bolun Wang, Weinan Zhang, Jiangmiao Pang

机构 * Shanghai Jiao Tong University（上海交通大学） ； Shanghai AI Laboratory（上海人工智能实验室） ； The University of Hong Kong（香港大学） 纠错

AI总结 针对机器人真实数据收集难题，提出RE$^3$Sim系统，运用3D重建和神经渲染技术重现真实场景，利用特权信息收集专家演示并训练策略，验证管道有效性，仅用模拟数据实现零样本转移，还生成大规模数据集。

UltraX: Refining Pre-Training Data at Scale with Adaptive Programmatic Editing

UltraX：通过自适应编程编辑大规模精炼预训练数据

Xinlong Zhao, Dongsheng Liu, Hengyu Zhao, Zixuan Fu, Zheng Wang, Jie Cai, Jie Zhou, Qiang Ma, Xuanhe Zhou, Xu Han, Yudong Wang, Zhiyuan Liu

机构 * Peking University（北京大学） ； ModelBest Inc.（ModelBest公司） ； Tsinghua University（清华大学） ； Shanghai Jiao Tong University（上海交通大学） 纠错

AI总结 研究针对训练数据极限下大语言模型高质量数据利用问题，提出UltraX框架，通过引入插入完善编辑功能空间，构建程序监督生成管道，经实验验证其在各语料库平均性能最高，数据效率和精炼可靠性强。

SMetric: Rethink LLM Scheduling for Serving Agents with Balanced Session-centric Scheduling

SMetric：以平衡的会话中心调度重新思考面向服务代理的大语言模型调度

Jiahao Wang, Kaizhan Lin, Kaixi Zhang, Jinbo Han, Xingda Wei, Sijie Shen, Chenguang Fang, Wenyuan Yu, Rong Chen, Haibo Chen

机构 * Institute of Parallel and Distributed Systems, Shanghai Jiao Tong University（并行与分布式系统研究所，上海交通大学） ； Alibaba Group（阿里巴巴集团） 纠错

AI总结 研究代理服务中LLM调度问题，提出基于全局层KV存储和会话内局部性的见解，设计SMetric平衡会话中心调度，相比先进调度器提升集群TPS及预填充TPS，降低每个令牌延迟。

AnyDexRT: Calibration-Free Dexterous Hand Retargeting with Few-Shot Human Guidance

AnyDexRT：基于少量人类引导的免校准灵巧手重定向

Chenxi Wang, Ying Feng, Hongjie Fang, Shangning Xia, Lixin Yang, Chuan Wen, Cewu Lu

机构 * Shanghai Jiao Tong University（上海交通大学） ； Shanghai Innovation Institute（上海创新研究院） 纠错

AI总结 研究提出免校准的AnyDexRT方法用于灵巧手遥操作重定向，结合自监督指尖对应学习与少量人类引导，在任务相关区域锚定映射并优化捏合姿势，实验表明该方法提升重定向质量、减少手动调整，控制更直观高效。

SkelGen4D: Weakly-Supervised Skeleton-Based 4D Generation for Text-Driven Mesh Animation

SkelGen4D：用于文本驱动网格动画的弱监督基于骨架的4D生成

Hao Feng, Zhi Zuo, Jia-Hui Pan, Ka-Hei Hui, Zhengzhe Liu, Dian Zhang, Haoran Xie, Bin Sheng, Jingyu Hu

机构 * School of Data Science, Lingnan University（岭南大学数据科学学院） ； Department of Computer Science and Engineering, Chinese University of Hong Kong（香港中文大学计算机科学与工程系） ； Autodesk Research（Autodesk研究院） ； Institute of Computer Applications, Shanghai Jiao Tong University（上海交通大学计算机应用研究所） 纠错

AI总结 研究文本驱动的4D网格动画生成，提出弱监督前馈框架SkelGen4D，先从动画网格恢复伪骨架，再生成文本条件骨架运动序列并优化，在大规模基准测试中表现良好，能匹配或超越全监督基线，支持运动编辑且符合标准动画管道。

Distill Where the Student Goes: Teacher-Regularized RL for English-Evidence Cross-Lingual RAG

提炼学生的走向：用于英语-证据跨语言检索增强生成的教师正则化强化学习

Haotian Zhou, Weiran Huang, Siqi Liu, Xiting Wang, Xin Zhang, Zhihao Wen

机构 * School of Computer Science, Shanghai Jiao Tong University（上海交通大学计算机科学与工程系） ； Ant International, Ant Group（蚂蚁集团蚂蚁国际） ； Shanghai Innovation Institute（上海创新研究院） ； Gaoling School of Artificial Intelligence, Renmin University of China（中国人民大学高瓴人工智能学院） 纠错

AI总结 研究英语证据跨语言检索增强生成中的问题，提出教师正则化强化学习方法TR-RAG，结合奖励优化与策略内蒸馏，引入奖励分解，在多基准测试中提升语言依从性和证据正确性。

Comments 42 pages, 19 figures, 16 tables

The Surprising Effectiveness of Video Diffusion Models for Hand Motion Reconstruction

视频扩散模型在手部运动重建中的惊人有效性

Yuxi Wang, Chengkai Jin, Yufei Liu, Wenqi Ouyang, Tianyi Wei, Zhiwei Zeng, Siyuan Huang, Zhiqi Shen, Xingang Pan

机构 * Nanyang Technological University（南洋理工大学） ； Shanghai Jiao Tong University（上海交通大学） 纠错

AI总结 提出ViDiHand，利用预训练视频扩散模型重建4D双手姿态，无需检测器或优化，在多个基准上显著超越现有方法。

Bricker to BRACE: A Bracket Exposure RAW Dataset and Restoration Model for Flicker-Banding

Bricker到BRACE：用于闪烁条纹的括号曝光RAW数据集和恢复模型

Zihan Zhou, Libo Zhu, Jue Gong, Zhiyi Zhou, Jiezhang Cao, Yong Guo, Yulun Zhang

机构 * Shanghai Jiao Tong University（上海交通大学） ； Huawei Consumer Business Group（华为消费者业务集团） 纠错

AI总结 针对屏幕拍摄图像中的闪烁条纹问题，提出基于多帧括号RAW的恢复模型BRACE，利用频率感知条纹先验和多尺度空间交叉注意力调制器，在合成和真实基准上达到最优性能。

OmniOPSD: Rationale-Privileged On-Policy Self-Distillation for Affective Computing

OmniOPSD：面向情感计算的理性特权在线自蒸馏

Zebang Cheng, Shuimu Chen, Boxue Yang, Yuanshen Guan, Jingyi Chen, Zheng Lian, Xiaojiang Peng, Fei Ma, LaiZhong Cui, Qi Tian

机构 * Shenzhen University（深圳大学） ； Guangdong Laboratory of Artificial Intelligence and Digital Economy (SZ)（广东省人工智能与数字经济实验室（深圳）） ； Tsinghua University（清华大学） ； 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） ； Shenzhen Technology University（深圳技术大学） ； Tongji University（同济大学） ； Huawei（华为） 纠错

AI总结 针对多模态大模型在复杂推理任务中奖励稀疏的问题，提出OmniOPSD框架，利用前沿模型生成的理性作为教师特权证据而非学生模仿目标，通过在线自蒸馏提供密集令牌级监督，在MER-UniBench上取得84.19平均分的最优性能。

Bridging Modal Isolation in Interleaved Thinking: Supervising Modality Transitions via Stepwise Reinforcement

交错思维中的模态隔离桥接：通过逐步强化监督模态转换

Tingyu Li, Le Zhou, Siyuan Li, Yujun Wu, Xinglong Xu, Jingxuan Wei, Conghui He, Cheng Tan

机构 * Shanghai Artificial Intelligence Laboratory（上海人工智能实验室） ； Shanghai Jiaotong University（上海交通大学） ； Zhejiang University（浙江大学） ； University of Chinese Academy of Sciences（中国科学院大学） 纠错

AI总结 提出MoTiF框架，通过反射式SFT和Flow-GRPO优化模态转换保真度，解决交错思维中图像与文本脱节的模态隔离问题，提升跨模态一致性和任务准确性。

Comments 22 pages, 5 figures, 6 tables