高校专区
从被动观察者到主动批评者：强化学习激发机器人操作的过程推理
机构 * Shanghai Jiao Tong University（上海交通大学） ； Northeastern University（东北大学） ； Xiamen University Malaysia（厦门大学马来西亚分校） ； The University of Hong Kong（香港大学） ； The Chinese University of Hong Kong（香港中文大学） ； Xspark AI
AI总结 本文提出PRIMO R1框架，通过强化学习使视频MLLMs成为主动批评者，提升机器人操作中长期任务的监督准确性，实验表明其在过程推理和零样本泛化方面表现优异。
Comments Accepted to ECCV 2026. 32 pages
Freqformer：通过有效频率分解实现图像去网纹的Transformer
机构 * Shanghai Jiao Tong University（上海交通大学）
AI总结 研究针对图像去网纹难题，提出Freqformer框架，通过有效频率分解，将莫尔条纹分离为高频纹理和低频颜色失真，用双分支架构及不对称训练处理，还引入FCT和SA-CA模块，实现高保真重建，以紧凑模型达最优性能。
Comments Accepted to ECCV 2026. Code is available at https://github.com/xyLiu339/Freqformer
CompressedVQA-AEV：面向非对称编码视频的全参考与无参考质量评估模型
机构 * East China Normal University（华东师范大学） ； Shanghai Jiao Tong University（上海交通大学） ； Shanghai Artificial Intelligence Laboratory（上海人工智能实验室）
AI总结 针对非对称编码视频质量评估任务，分别基于Swin-B、SigLIP2构建FR和NR评估模型，在QoMEX 2026竞赛FR赛道获第一、NR赛道获第四，性能优异。
Comments CompressedVQA-AEV-FR achieves first place in the FR track of QoMEX 2026 Grand Challenge
用于可靠选择条件平均处理效应预测的去噪保形对齐方法
机构 * Shanghai Jiao Tong University（上海交通大学） ； Shanghai University of Finance and Economics（上海财经大学） ； National University of Defense Technology（国防科学技术大学） ； School of Statistics and Data Science（统计与数据科学学院） ； Institute of Big Data Research（大数据研究院）
AI总结 针对选择性部署下边际保形保证无法控制选中子集可靠性的问题，提出去噪保形对齐方法，通过伪结果构建代理误差、减除条件方差分量，在控制FDR的同时大幅提升统计功效。
Comments 53 pages, 29 figures
跨未知环境、伙伴和规模的多机器人开放式自适应协作
机构 * Shanghai Jiao Tong University（上海交通大学） ； Sun Yat-sen University（中山大学） ； National University of Singapore（新加坡国立大学） ； Genisom AI ； University of Bristol（布里斯托大学） ； Purdue University（普渡大学） ； Newcastle University（新castle大学）
AI总结 研究多机器人在未知环境、伙伴及规模下的协作，提出超图形式博弈公式，开发HOLA算法，能在训练中扩展多样性，在多平台实验中性能优于基线，策略可直接部署到硬件。
SparseOcc++：用于语义占用预测的几何感知稀疏潜在表示
机构 * MoE Key Lab of Artificial Intelligence, AI Institute, Shanghai Jiao Tong University（教育部人工智能重点实验室，上海交通大学人工智能研究院） ； Huawei Noah’s Ark Lab（华为诺亚方舟实验室）
AI总结 研究针对基于视觉的3D语义占用预测，提出SparseOcc++框架，通过场景完成场将场景完成与语义分割解耦，用新方法建模复杂户外几何，实验表明其提升了IoU且速度更快。
从开环到闭环：用于参考一致图像生成的测试时迭代优化框架
机构 * Shanghai Jiao Tong University（上海交通大学） ； Shanghai Innovation Institute（上海创新研究院） ； University of Electronic Science and Technology of China（电子科技大学）
AI总结 提出测试时迭代优化框架，将参考一致图像生成转为闭环动态跟踪问题，用改进PID算法驱动传感器-控制器架构，迭代优化潜在控制信号，该方法无训练、模型无关且与现有扩散管道无缝集成。
Comments 24 pages, 15 figures. Accepted at ECCV 2026
2026年IEEE多媒体与博览会关于高精度制造跨场景缺陷检测和细粒度严重程度分级的重大挑战
机构 * East China Normal University（华东师范大学） ； Shanghai Jiao Tong University（上海交通大学） ； Tsinghua Shenzhen International Graduate School（清华大学深圳国际研究生院） ； Université de Nantes（南特大学）
AI总结 针对现有工业缺陷检测系统局限，设计跨场景缺陷检测和细粒度严重程度分级两条赛道，构建大规模工业数据集，吸引众多参与者，为工业缺陷分析研究设新标准。
自动驾驶中稀疏视图3D重建的目标结构完成
机构 * MoE Key Lab of Artificial Intelligence, Institute of AI, Shanghai Jiao Tong University（教育部人工智能重点实验室，上海交通大学人工智能研究院） ； Central Research Institute, Huawei（华为中央研究院）
AI总结 针对自动驾驶稀疏视图3D重建难题，提出FocusGS框架，通过解耦结构完成与确定性区域，集中计算于几何模糊区域，设计模块优化高斯查询，提升效率质量平衡。
Comments Accepted by ECCV2026
FormalRx：纠正和检查自动形式化中的语义错误
机构 * LARK Lab, HKUST(GZ)（香港科技大学（广州）LARK实验室） ； ETH Zurich（苏黎世联邦理工学院） ； UCLA（加州大学洛杉矶分校） ； SJTU（上海交通大学） ； ETH AI Center（苏黎世联邦理工学院人工智能中心） ； HKUST（香港科技大学）
AI总结 研究自动形式化中语义对齐问题，提出FormalRx框架，核心是SCI错误分类法，能实现对齐判定、错误分类、定位及纠正，通过实例验证性能优于基线，助力自动形式化系统诊断与改进。
Comments 44 pages, 5 figures. Accepted at the 43rd International Conference on Machine Learning (ICML 2026)
PixelPilot：用于端到端自动驾驶的可扩展视觉-语言-动作模型
机构 * MoE Key Lab of Artificial Intelligence, Institute of AI, Shanghai Jiao Tong University（教育部人工智能重点实验室，上海交通大学人工智能研究院） ； Central Research Institute, Huawei（华为中央研究院）
AI总结 针对现有视觉-语言-动作模型在自动驾驶场景中数据可扩展性有限等问题，提出PixelPilot，采用解耦规划和提升范式，通过知识灌输策略学习，提升了模型性能。
Comments Accepted by ECCV 2026
不要单独提交：扩散大语言模型中的联合令牌提交
机构 * School of Computer Science, Shanghai Jiao Tong University（上海交通大学计算机科学与工程学院） ； Zhongguancun Academy（中关村科学城）
AI总结 研究扩散大语言模型中多令牌提交问题，提出CoCommit方法，通过标记门控协调步骤延迟提交，重新应用骨干网络最后n层使标记位置协调，近似联合模式解码，提高推理和精确答案任务准确率。
超越随机采样：用于半监督医学图像分割的分布感知对齐
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） ； Department of Ultrasound, Xinhua Hospital Affiliated to Shanghai Jiao Tong University School of Medicine（上海交通大学医学院附属新华医院超声科）
AI总结 研究针对半监督医学图像分割中随机采样策略在低数据量时表征偏差的问题，提出基于分布对齐的高效框架，用分布感知样本选择策略和记忆引导复制粘贴模块，提升分割性能。
Comments 19 pages, 5 figures, accepted by ECCV 2026
基于冲突的懒搜索用于快速多机器人规划
机构 * Shanghai Research Institute for Intelligent Autonomous Systems, Shanghai Institute of Intelligent Science and Technology, the State Key Laboratory of Autonomous Intelligent Unmanned Systems, and Frontiers Science Center for Intelligent Autonomous Systems of Ministry of Education, Tongji University（上海智能无人系统科学中心，上海智能科学与技术研究院，自主智能无人系统国家重点实验室，同济大学智能自主系统前沿科学中心） ； Department of Automation, Shanghai Jiao Tong University（上海交通大学自动化系） ； School of Aerospace Engineering and Institute for Robotics and Intelligent Machines, Georgia Institute of Technology（佐治亚理工学院航空航天工程学院和机器人与智能机器研究所）
AI总结 针对多机器人在杂乱工作空间的实时规划难题，提出基于冲突的懒搜索（CBLS）算法。该算法基于CBS，通过预计算和懒搜索改进，采用懒评估图与LEA*算法，应用于多机器人规划问题，性能优于CBS和RRT-Connect。
Journal ref IEEE/ASME Transactions on Mechatronics(TMECH) 2026
OmniOpt：现代优化器的分类法、几何结构及基准测试
机构 * Shanghai Artificial Intelligence Laboratory（上海人工智能实验室） ； Shanghai University（上海大学） ； Westlake University（西湖大学） ； Shanghai Jiao Tong University（上海交通大学） ； UCAS（中国科学技术大学） ； Zhejiang University（浙江大学） ； Southern University of Science and Technology（南方科技大学）
AI总结 针对大规模模型训练的优化器选择受多种因素制约且方法零散，介绍OmniOpt，通过五阶段元管道、规范约束线性最小化预言机等构建统一分类法和跨域基准测试，为优化器选择提供操作坐标系。
Comments Survey & benchmark preprint V1 (91 pages)
TokAN：使用自监督语音令牌进行口音归一化
机构 * School of Data Science (SDS), The Chinese University of Hong Kong, Shenzhen (CUHKSZ)（香港中文大学（深圳）数据科学学院） ； Tencent Ethereal Audio Lab, Tencent（腾讯虚幻音频实验室） ； School of Intelligence Science and Technology, Nanjing University, Suzhou（南京大学苏州校区智能科学与技术学院） ； Shenzhen Loop Area Institute（深圳河套学院） ； X-LANCE Lab, School of Computer Science, Shanghai Jiao Tong University（上海交通大学计算机科学与工程学院X-LANCE实验室） ； School of Artificial Intelligence (SAI), CUHKSZ（香港中文大学（深圳）人工智能学院） ； Shenzhen Research Institute of Big Data（深圳大数据研究院）
AI总结 研究提出TokAN框架，基于自监督离散语音令牌，用自回归编解码器转换口音，引入强化学习后训练，还用流匹配合成器和持续时间预测器，实验表明其在降低字错误率和提升可懂度上优于基线。
Comments Submitted to IEEE Transactions on Audio, Speech, and Language Processing (TASLP)
CineMobile：用于电影级相机运动生成的设备端图像到视频扩散
机构 * Shanghai Jiao Tong University（上海交通大学） ； Nankai University（南开大学） ； Transsion（传音）
AI总结 针对移动设备图像到视频创作需求，提出CineMobile。采用蒸馏引导剪枝、扩散蒸馏与强化学习优化及混合后训练量化策略，在保持视觉质量的同时大幅加速生成，证明其在移动图像到视频创作中的实用性。
G$^2$TAM：几何基础的轨迹任意模型
机构 * HKU（香港大学） ； Shanghai AI Lab（上海人工智能实验室） ； BUAA（北京航空航天大学） ； SJTU（上海交通大学） ； UCLA（加州大学洛杉矶分校） ； ZJU（浙江大学）
AI总结 研究利用现代前馈3D重建模型的空间一致性，提出G$^2$TAM框架，用无序RGB图像或视频进行3D实例跟踪。核心是跨模态空间编码器，还构建数据集，实验表明该模型有多种优势，为交互式空间推理奠定基础。
Comments Accepted by ICML 2026. Project Page:https://zcmax.github.io/projects/G2TAM/
ProxyUp：用于可控动力学的免训练代理条件视频生成
机构 * Shanghai Jiao Tong University（上海交通大学） ； Huawei Inc.（华为公司）
AI总结 现代视频生成模型精确控制复杂动力学具挑战性。提出代理条件视频生成，以代理视频控制前景物体运动。基于预训练模型构建免训练框架ProxyUp，用区域潜在噪声和随机流松弛，实验表明其在动态保真度和文本对齐方面优于基线。
Comments Project Page: $\href{https://zanue.github.io/proxyup}{\text{this https URL}}$
大语言模型智能体的社交网络
机构 * Department of Computer Science（计算机科学系） ； Emory University（埃默里大学） ； School of Computer Science（计算机科学学院） ； Shanghai Jiao Tong University（上海交通大学）
AI总结 研究大语言模型智能体群体中集体信念形成问题，介绍SNLA框架，该框架考虑智能体实际影响力，理论与实证验证窄注意力导致羊群效应，宽注意力在特定条件下恢复群体智慧行为。
基于强化学习的大语言模型证据寻求诊断推理
机构 * Qing Yuan Research Institute, Shanghai Jiao Tong University（上海交通大学清源研究院） ； Shanghai Innovation Institute（上海创新院） ； Shanghai AI Laboratoty（上海人工智能实验室）
AI总结 将医学诊断形式化为迭代证据寻求任务，利用带可验证奖励的强化学习，引入基于检索增强生成的检查模拟器，使大语言模型从被动响应转变为自主助手。
唤醒扩散变换器：通过大规模激活调制激发更强的生成和理解能力
机构 * Shanghai Jiao Tong University（上海交通大学） ； Monash University（莫纳什大学） ； The University of Hong Kong（香港大学） ； Zhongguancun Academy（中关村科学城创新中心） ； Chulalongkorn University（朱拉隆功大学） ； City University of Hong Kong（香港城市大学）
AI总结 研究扩散变换器中大规模激活（MAs）的结构和功能，发现其空间分布及与AdaLN残差缩放因子的关系。基于此提出EMA框架，通过MA驱动的细节引导和MA调制的表征提取，提升生成和理解能力。
SWIFT：用于工作负载跟踪的时空小波集成预测框架
机构 * Shanghai Jiao Tong University, Shanghai, China（上海交通大学，中国上海）
AI总结 针对云工作负载预测难题，提出SWIFT框架。用可学习级联小波路径将固定小波基转为自适应卷积算子，多元交互模块建模变量交互，提升预测精度，复杂度线性，减少误差与延迟。
量子谱异常检测
机构 * Global College, Shanghai Jiao Tong University（上海交通大学全球学院） ； Shanghai Jiao Tong University（上海交通大学） ； School of Electrical and Computer Engineering, Cornell University（康奈尔大学电气与计算机工程学院） ； Cornell University（康奈尔大学） ； Institute of Natural Sciences, Shanghai Jiao Tong University（上海交通大学自然科学研究院） ； School of Mathematical Sciences, Shanghai Jiao Tong University（上海交通大学数学科学学院）
AI总结 研究量子异常检测中计算异常分数的问题，提出量子谱异常检测（QSPADE）方法，直接从正常数据集平均态谱计算PCA类异常分数，避免高昂计算成本，给出高效检测框架。
神经元的正则量子化
机构 * Department of Physics, Cornell University（康奈尔大学物理系） ； Institute of Natural Sciences, School of Mathematical Sciences, Ministry of Education Key Laboratory in Scientific and Engineering Computing, and Global College, Shanghai Jiao Tong University（上海交通大学自然科学院、数学科学学院、教育部科学与工程计算重点实验室及全球学院） ； School of Electrical and Computer Engineering, Cornell University（康奈尔大学电气与计算机工程学院）
AI总结 将正则量子化原理应用于机器学习基本计算单元神经元，通过量子哈密顿量替换能量函数并经矩阵泛函演算应用激活函数，开发混合量子经典算法，证明其在学习任务中表现力增强。
Comments 6 pages, 3 figures, companion paper available at arXiv:2605.24386
AutoSpeed：面向机器人操作的无标注阶段自适应运动速度学习
机构 * Fudan University（复旦大学） ； Shanghai Jiao Tong University（上海交通大学）
AI总结 提出AutoSpeed框架，通过频域速度调制和复合代价优化，使视觉运动策略能根据任务阶段自适应调整执行速度，减少执行时间并提高成功率。
Comments Accepted by ECCV 2026
PBSD: 特权贝叶斯自蒸馏用于长程信用分配
机构 * School of AI, Shanghai Jiao Tong University（上海交通大学人工智能学院） ； XYZ AI Lab（XYZ AI实验室）
AI总结 提出PBSD方法，通过贝叶斯校准的自蒸馏将稀疏最终奖励转化为细粒度步骤级信用信号，解决长程智能体任务中的信用分配问题，实验表明其提升领域内外性能并促进泛化。
深度神经网络训练作为随机效应：优化-推断对偶性
机构 * Centre for Biomedical Data Science, Duke-NUS Medical School, National University of Singapore（生物医学数据科学中心，国立新加坡大学杜克-新加坡医学学校） ； Department of Biostatistics, Harvard T.H. Chan School of Public Health, Boston, MA, USA（生物统计学系，哈佛T.H. Chan公共卫生学院，马萨诸塞州波士顿，美国） ； Institute of Natural Sciences, MOE-LSC, School of Mathematical Sciences, CMA-Shanghai, SJTU-Yale Joint Center of Biostatistics and Data Science, Shanghai Jiao Tong University（自然科学院，MOE-LSC，数学科学学院，CMA-上海，SJTU-耶鲁联合生物统计学与数据科学中心，上海交通大学） ； Department of Biostatistics, Columbia University, New York, NY, USA（生物统计学系，哥伦比亚大学，纽约州纽约市，美国）
AI总结 本文提出深度神经网络训练与经典随机效应模型等价，揭示了优化-推断对偶性，并利用限制最大似然估计实现基于似然的早停规则。
SutureFormer: 通过像素空间中的目标引导离线强化学习学习手术轨迹
机构 * University of Macau（澳门大学） ； The Chinese PLA General Hospital（中国人民解放军总医院） ； Duke University（杜克大学） ； Shanghai Jiao Tong University（上海交通大学）
AI总结 本文提出SutureFormer，一种基于目标引导的离线强化学习框架，通过稀疏标注到密集奖励信号的插值，有效学习手术针轨迹预测，减少平均位移误差58.6%。
模型可以自我帮助：无需奖励的自我训练用于大语言模型推理
机构 * The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳）） ； Shanghai Jiao Tong University（上海交通大学）
AI总结 本文提出SePT方法，通过自我生成和训练自我生成响应交替进行，无需外部奖励提升大语言模型推理性能，实验表明在多个数学推理基准上有效。
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