高校专区
EasyLens: 一种无需训练的即插即用型微病变表示放大器，用于医学视觉语言模型
机构 * Jilin University（吉林大学） ； School of Computer Science, The University of Sydney（悉尼大学计算机科学学院） ； ByteDance（字节跳动） ； Institute of Translational Medicine, Shanghai Jiao Tong University（上海交通大学转化医学研究院）
AI总结 提出EasyLens，一种无需训练的即插即用模块，通过构建病理-解剖原型空间、反事实推理选择病变相关补丁以及形态引导残差增强，放大医学视觉语言模型对微病变的表示能力。
Graph-Loc：在低可观测性和遮挡情况下基于紧凑结构地图先验的稳健基于图的激光雷达位姿跟踪
机构 * School of Automation and Intelligent Sensing, Institute of Medical Robotics, Shanghai Jiao Tong University（自动化与智能感知学院，医学机器人研究所，上海交通大学） ； School of Mathematical Sciences Shanghai Jiao Tong University（数学科学学院，上海交通大学） ； Shenzhen Qingmang Robotics Technology Co., Ltd.（深圳清芒机器人科技有限公司）
AI总结 研究在低可观测性和遮挡下基于地图的激光雷达位姿跟踪问题，提出Graph-Loc框架，利用紧凑结构地图先验，通过提取基元、模拟射线、不平衡最优传输等方法，实现准确稳定跟踪，适用于异构地图源。
StreamVLN：通过快慢上下文建模实现流式视觉与语言导航
机构 * Shanghai AI Lab（上海人工智能实验室） ； The University of Hong Kong（香港大学） ； Zhejiang University（浙江大学） ； Shanghai Jiao Tong University（上海交通大学）
AI总结 研究现实世界中视觉与语言导航问题，提出StreamVLN框架，采用混合快慢上下文建模策略，通过快速流式对话上下文与缓慢更新内存上下文配合，实现实时对话，在VLN-CE基准实验中展现低延迟最优性能。
Comments Accepted to ICRA 2026
通过深度原生结构推理实现准确、跨学科和透明的结构-属性理解
机构 * Shanghai Artificial Intelligence Laboratory（上海人工智能实验室） ； The Chinese University of Hong Kong（香港中文大学） ； Shanghai Jiao Tong University（上海交通大学） ； Fudan University（复旦大学） ； University of Sydney（悉尼大学） ； Nanjing University（南京大学） ； University of Oxford（牛津大学） ； The University of Science and Technology of China（中国科学技术大学） ； Drug Discovery and Design Center, State Key Laboratory of Drug Research, Shanghai Institute of Materia Medica, Chinese Academy of Sciences（药物发现与设计中心、国家药物研究重点实验室、上海中医药材料医学研究所、中国科学院） ； University of Chinese Academy of Sciences（中国科学院大学） ； Stanford University（斯坦福大学）
AI总结 研究聚焦利用人工智能解释结构-属性关系的挑战，提出多模态科学基础模型SciReasoner，通过离散化结构信息为可寻址单元进行推理，在多领域基准测试中表现出色，实现准确预测与可解释科学推理的结合。
SoccerNet 2026挑战结果
机构 * University of Liège（列日大学） ； King Abdullah University of Science and Technology（阿卜杜拉国王科技大学） ； Spiideo（斯皮迪奥公司） ； Aalborg University（奥尔堡大学） ； SpAItial（斯帕蒂亚尔公司） ； Center for Robotics, Mines Paris, PSL（巴黎矿业学院机器人中心（巴黎文理研究大学）） ； Footovision（Footovision公司） ； Shanghai Jiao Tong University（上海交通大学） ； Universitat de Barcelona（巴塞罗那大学） ； Computer Vision Center（计算机视觉中心） ； EVS Broadcast Equipment（EVS广播设备公司） ； Pioneer Center for Artificial Intelligence（先锋人工智能中心） ； Lund University（隆德大学） ； TAHAKOM（TAHAKOM公司） ； Mohamed Bin Zayed University for Artificial Intelligence (MBZUAI)（穆罕默德·本·扎耶德人工智能大学） ； Sber AI（Sber人工智能公司） ； Salute For Business（Salute For Business公司） ； Intelligent Perception and Image Understanding Lab, Xidian University（西安电子科技大学智能感知与图像理解实验室） ； South China University of Technology（华南理工大学） ； Hefei University of Technology（合肥工业大学） ； Kyungpook National University（庆北国立大学） ； Leipzig University of Applied Sciences（莱比锡应用科学大学） ； Friedrich-Alexander University Erlangen-Nuremberg（埃尔朗根-纽伦堡大学） ； University of Seoul（首尔大学） ； Shenzhen Institute for Advanced Study, University of Electronic Science and Technology of China（电子科技大学深圳高等研究院） ； Nanjing University（南京大学） ； University of Science, Ho Chi Minh City（胡志明市科技大学） ； Nanyang Technological University（南洋理工大学） ； National University of Singapore（新加坡国立大学）
AI总结 SoccerNet 2026挑战涵盖五项体育视频理解视觉任务，为每项任务提供数据、协议和基线。众多团队参与，本文介绍任务、评估协议，展示排行榜并总结领先提交内容，记录各任务当前状态。
Comments 40 pages
InfraQR：对红外视觉语言模型的边缘放置的受QR码启发的结构化补丁攻击
机构 * China University of Petroleum-Beijing at Karamay（中国石油大学（北京）克拉玛依校区） ； Guizhou University（贵州大学） ； Shenzhen Research Institute of Big Data（深圳大数据研究院） ； Shanghai Jiao Tong University（上海交通大学）
AI总结 研究红外视觉语言模型对局部结构化扰动的鲁棒性，提出InfraQR攻击方法，沿图像边界放置结构化补丁并通过替代编码器优化网格单元，实验表明该方法能大幅降低分类器准确率，使对抗图像影响黑盒模型，凸显模型易受此类扰动影响。
一个用于自动驾驶的具有大语言模型注释的高风险驾驶场景知识增强数据集
机构 * Korea Advanced Institute of Science and Technology（韩国科学技术院） ； Fudan University（复旦大学） ； Massachusetts Institute of Technology（麻省理工学院） ； Shanghai Jiao Tong University（上海交通大学） ； Tsinghua University（清华大学）
AI总结 研究自动驾驶中高风险场景数据不足问题，核心方法是构建K-Risk数据集，整合多源轨迹数据并利用大语言模型生成注释，主要贡献是为自动驾驶开发和评估提供标准化基础。
Comments 22 pages, 9 figures
RoboSnap：用于可泛化机器人学习与评估的一次性真实到模拟场景生成
机构 * 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） ； Tsinghua University（清华大学）
AI总结 针对构建物理稳定且视觉逼真场景缓慢昂贵的问题，提出RoboSnap框架，通过分层设计将单张RGB图像转为模拟场景，实验证明其能实现轨迹重放等，还引入DROID-Sim数据集，凸显真实到模拟方法对机器人学习评估的价值。
Comments 24 pages, 16 figures, Project page: https://robosnap.github.io
通过角色感知联合训练和模态解耦去噪增强视频物理一致性
机构 * University of Science and Technology of China（中国科学技术大学） ； University of Electronic Science and Technology of China（电子科技大学） ； Fudan University（复旦大学） ； Georgia Institute of Technology（佐治亚理工学院） ； Shanghai Jiao Tong University（上海交通大学）
AI总结 研究针对视频扩散模型长程物理一致性挑战，提出VPT微调框架。通过角色感知信号清晰建模不同物理角色，采用模态解耦去噪策略及损失权重衰减，引入跨步自动引导，增强物理动力学，提升物理一致性与视觉质量。
RoboDojo：用于综合评估通用机器人操作策略的统一模拟与现实基准测试
机构 * UC Berkeley（加州大学伯克利分校） ； THU（清华大学） ； PKU（北京大学） ； Stanford（斯坦福大学） ； MIT（麻省理工学院） ； UNC（北卡罗来纳大学） ； Princeton（普林斯顿大学） ； CMU（卡内基梅隆大学） ； NUS（新加坡国立大学） ； NTU（南洋理工大学） ； CUHK（香港中文大学） ； SJTU（上海交通大学） ； HKUST (GZ)（香港科技大学（广州）） ； ZJU（浙江大学） ； Yale（耶鲁大学）
AI总结 现有基准测试在系统评估通用机器人操作策略能力方面有限，本文引入RoboDojo统一基准测试，含模拟与现实任务，支持多维度评估及可扩展评估，还建立了公共排行榜与系统分析。
Comments Website: https://robodojo-benchmark.com/, Code: https://github.com/RoboDojo-Benchmark/RoboDojo, Leaderboard: https://robodojo-benchmark.com/leaderboard
DASH：动态音频驱动的语义分块以实现高效的多模态令牌压缩
机构 * Shanghai Jiao Tong University（上海交通大学） ； Tongji University（同济大学）
AI总结 DASH通过动态音频驱动的语义分块方法，有效压缩多模态令牌，提升推理效率，优于传统固定窗口分块和注意力剪枝方法。
Comments ECCV 2026
非文本目标攻击
机构 * State Key Laboratory of Blockchain and Data Security, Zhejiang University（区块链与数据安全国家重点实验室，浙江大学） ； Hangzhou High-Tech Zone, Binjiang Institute of Blockchain and Data Security, Hangzhou（杭州高新技术区，滨江区块链与数据安全研究院） ； School of Cyberspace Security, Nanjing University of Science and Technology（网络安全学院，南京理工大学） ； School of Computer Science, Shanghai Jiao Tong University（计算机科学学院，上海交通大学） ； College of Computing and Data Science, Nanyang Technological University（计算与数据科学学院，新加坡国立大学） ； King Abdullah University of Science and Technology (KAUST)（卡布斯科学与技术大学）
AI总结 针对现有大语言模型越狱攻击的局限，提出非文本目标攻击NTA，通过非文本约束目标最大化不安全概率，分解目标便于优化，扩展攻击空间，在AdvBench上对安全对齐的大语言模型仅100次迭代，平均成功率达96.8%，性能远超现有攻击。
大语言模型的快速、慢速和工具增强思维：综述
机构 * School of Mechanical Engineering, Shanghai Jiao Tong University, Shanghai 200240, China（上海交通大学机械工程学院） ； School of Computer Science, Shanghai Jiao Tong University, Shanghai 200240, China（上海交通大学计算机科学学院） ； Huawei Technologies Co., Ltd., Beijing 100084, China（华为技术有限公司） ； Department of Systems Engineering and Engineering Management, The Chinese University of Hong Kong, Hong Kong 999077, China（香港中文大学系统工程与工程管理系） ； Department of Computer Science and Engineering, The Chinese University of Hong Kong, Hong Kong 999077, China（香港中文大学计算机科学与工程系） ； Huawei Hong Kong Research Center, Hong Kong 999077, China（华为香港研究中心）
AI总结 综述大语言模型推理进展，基于认知心理学提出LLM推理策略分类法，沿快速/慢速、内部/外部两个知识边界分类，系统调查相关工作并依关键因素归类方法，指出其面临的挑战与未来方向。
Comments The article has been accepted by Frontiers of Computer Science (FCS), with the DOI: {10.1007/s11704-026-51673-0}
视觉作为统一的多模态生成
机构 * SenseTime Research（商汤科技研究院） ； Nanyang Technological University（南洋理工大学） ； The Chinese University of Hong Kong（香港中文大学） ； Peking University（北京大学） ； Shanghai Jiao Tong University（上海交通大学） ； Zhejiang University（浙江大学）
AI总结 该研究将计算机视觉表述为统一多模态生成，SenseNova-Vision用自然语言指令等指定任务并生成多种输出。通过转换注释形成语料库训练模型，其涵盖多种视觉任务，实验显示统一模型能匹配专用系统，为集成视觉能力到通用模型提供可扩展途径。
Comments 48 pages,22 figures
MonoIR-RS：基于CLIP和VLM适配的红外遥感视觉语言学习
机构 * China University of Petroleum-Beijing at Karamay（中国石油大学（北京）克拉玛依校区） ； Guizhou University（贵州大学） ； Shenzhen Research Institute of Big Data（深圳大数据研究院） ； Shanghai Jiao Tong University（上海交通大学）
AI总结 研究针对红外视觉语言理解未充分探索的问题，提出MonoIR-RS数据集及基准，结合多种方法构建并微调模型，提升红外遥感视觉语言学习性能，为红外与语言对齐提供可控测试平台。
点作为骨架：累积点云增强自回归生成用于闭环自动驾驶模拟
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） ； Fudan University（复旦大学） ； Shanghai Artificial Intelligence Laboratory（上海人工智能实验室） ； University of Science and Technology of China（中国科学技术大学） ； Georgia Institute of Technology（佐治亚理工学院）
AI总结 针对自动驾驶模拟难题，提出“点作为骨架”框架，通过自回归生成器结合多种条件合成视频，引入Reset-and-Roll支持闭环，用点云骨架稳定误差，实现基于nuPlan的闭环生成接口，实验证明其提升了闭环自回归生成质量。
DynaKRAG：多跳检索增强生成中可学习证据控制的统一框架
机构 * Shanghai Jiao Tong University（上海交通大学） ； Shanghai Aircraft Manufacturing Co., Ltd.（上海飞机制造有限公司） ； Tongji University（同济大学）
AI总结 研究多跳检索增强生成中证据控制问题，提出DynaKRAG框架，将证据获取表述为状态条件控制，通过有效性层和控制器选择操作，实验表明该框架在多个基准测试中表现出色，证明协调检索等操作的益处。
AirflowAttack：针对红外遥感视觉语言模型的热气流对抗扰动
机构 * China University of Petroleum-Beijing at Karamay（中国石油大学（北京）克拉玛依校区） ； Tianjin University（天津大学） ； Shanghai Jiao Tong University（上海交通大学）
AI总结 研究针对红外遥感视觉语言模型的对抗攻击，提出AirflowAttack方法，用热气流湍流作扰动先验，由轻量级生成器合成扰动。该方法在多个CLIP主干上攻击成功率高，能降低模型场景分类准确率，还揭示了红外VLM生态系统的关键漏洞。
基于信息增益的展开策略优化：一种用于多轮语言模型智能体的自适应树结构展开方法
机构 * Shanghai Jiao Tong University（上海交通大学）
AI总结 研究针对LLM智能体长期搜索任务中展开预算分配不合理问题，提出基于信息增益的展开策略优化（IGRPO），通过按节点信息性分配预算进行树结构展开，并利用诱导教师分布指导策略优化，实验验证该方法在相同预算下优于基线。
PVCap：通过伪字幕和体素字幕网络实现精确的3D密集字幕
机构 * SH AI Lab（上海人工智能实验室） ； ZJU（浙江大学） ； HKUST（香港科技大学） ； SJTU（上海交通大学）
AI总结 研究针对3D密集字幕任务，提出PVCap方法，由PseudoCap和VoxelCapNet组成。PseudoCap通过随机混合技术增加训练样本，VoxelCapNet利用体素特征改进网络架构。实验表明该方法在两个基准上超越现有技术，提升了3D密集字幕的准确性。
Comments 13 pages
KOAL：基于序数感知学习的知识驱动前列腺癌分级
机构 * School of Computer Science, Sichuan University（四川大学计算机学院） ； China Mobile (Suzhou) Software Technology Company Limited（中国移动（苏州）软件技术有限公司） ； Shanghai Changhai Hospital, Naval Medical University（上海长海医院，海军医学大学） ； Renji Hospital, Shanghai Jiao Tong University School of Medicine（仁济医院，上海交通大学医学院）
AI总结 研究利用mpMRI无创预测前列腺癌GGG的问题，提出KOAL框架，含临床上下文调制、知识引导原型对齐和分层序数感知约束三个模块，实验证明该框架优于现有方法，提升了前列腺癌GGG预测准确性。
Comments 10 pages, 2 figures, 2 tables. Accepted at MICCAI 2026. This is the submitted version prior to peer review. The final authenticated version will be available on SpringerLink
Akashic：一种基于内存注意力机制的低开销大语言模型推理服务
机构 * Xiaohongshu Inc.（小红书公司） ； ShangHai JiaoTong University（上海交通大学） ； Peking University（北京大学）
AI总结 针对大语言模型推理中重放完整历史记录不切实际的问题，提出基于内存注意力机制的低开销内存系统Akashic，通过组织上下文成有界块、建模块间语义关系及应用软硬件协同设计内存放置，提升了任务准确率、吞吐量和可持续请求率。
GEM-Occ：从视觉几何证据到具身语义占用记忆
机构 * The Hong Kong Polytechnic University（香港理工大学） ； Eastern Institute of Technology（东部理工学院） ； Shanghai Jiao Tong University（上海交通大学） ； Wuhan University（武汉大学） ； The University of Hong Kong（香港大学） ； Georgia Institute of Technology（佐治亚理工学院）
AI总结 研究针对现有室内占用基准和方法对长距离语义映射探索不足的问题，提出GEM-Occ框架，将局部视觉几何预测转化为语义高斯占用证据等并融合到持久分层记忆中，实验证明该框架在多方面优于现有基线。
Comments 19 pages, 6 figures. Project page: https://zhuhu00.top/GEM-Occ/
GraphBU：使用图原生块单元生成混合整数线性规划实例
机构 * Shanghai Jiao Tong University（上海交通大学）
AI总结 研究在模型来自特定管道时MILP实例难获取的问题，提出图原生生成器GraphBU，其基本单元是局部子问题及其接口，通过促进节点耦合等操作生成实例，能保持图统计、可行性并提升下游训练效果。
样条网络：一种用于复杂壳体的等几何深度学习方法
机构 * Global College, Shanghai Jiao Tong University（上海交通大学全球学院）
AI总结 本文提出样条网络这一等几何深度学习方法，用于复杂壳体结构设计分析。基于封闭样条表示构建，能无数据或数据驱动应用。无数据时可结合CAE需求，数据驱动时可作主干网提供可解释性，经数值示例验证了该方法的有效性。
OmniLayout：用于印刷电路板布局中约束感知几何推理的原理图耦合多模态基准测试
机构 * Pennsylvania State University（宾夕法尼亚州立大学） ； Shanghai Jiao Tong University（上海交通大学） ； Microsoft Research（微软研究院） ； Binghamton University（宾汉姆顿大学）
AI总结 介绍OmniLayout基准测试，用于评估大语言模型在印刷电路板布局放置推理。含1681个工业级原理图耦合PCB布局及四项任务，揭示当前大语言模型在PCB布局放置上有诸多局限。
从开阔水域到封闭舱室：ProteusVPR用于海洋感知与舱室检查中的跨场景视觉位置识别
机构 * Shanghai Jiaotong University（上海交通大学） ； COSCO SHIPPING Advanced Technology Institute（中远海运先进技术研究院） ； Shanghai Ship and Shipping Research Institute Co.LTD（上海船舶运输科学研究所） ； Tongji University（同济大学） ； Dalian Maritime University（大连海事大学）
AI总结 提出ProteusVPR两阶段检索-细化框架，通过几何-视觉估计网络融合时序帧与几何描述符，在跨场景海洋环境下将平均定位误差降低60%以上。
$\pi_0$-EqM：闭环视觉-语言-动作控制的均衡匹配
机构 * 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 提出$\pi_0$-EqM，用均衡匹配解码器替换$\pi_0$中的流匹配专家，在固定预算下提升机器人操作成功率，并发现残差与成功率之间的非单调关系。
Comments Preprint. 5 pages, 3 figures
Pistachio: 向合成、平衡和长形式视频异常基准迈进
机构 * Universiti Malaya（马来亚大学） ； Monash University（莫纳什大学） ； SenseTime Research（商汤科技研究院） ； Shanghai Jiao Tong University（上海交通大学）
AI总结 本文提出Pistachio基准，通过生成式流程构建，提供可控场景、异常类型和时间叙事，减少人工标注依赖，验证了现有方法的挑战并推动动态多事件异常理解研究。
Comments Accepted by ECCV 2026
UniICL：通过能力导向的分类系统化统一多模态上下文学习
机构 * Zhejiang University（浙江大学） ； Shanghai Jiaotong University（上海交通大学） ； National University of Singapore（新加坡国立大学） ； Nanyang Technological University（南洋理工大学）
AI总结 本文提出能力导向的分类系统，通过构建UniICL-760K语料库和UniICL-Bench评估体系，提出Context-Adaptive Prototype Modulator模块，提升多模态少样本学习效果。
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