Shanghai Jiao Tong University（上海交通大学）

Mask Proposal Voting Based on Geodesic Framework for Robust Image Segmentation

基于测地线框架的掩膜提议投票用于鲁棒图像分割

Li Liu, Mingzhu Wang, Zhenjiang Li, Da Chen, Laurent D. Cohen

机构 * Yuanshen Rehabilitation Institute, Shanghai Jiao Tong University School of Medicine（上海交通大学医学院附属瑞金康复医院） ； Yueyang Hospital of Integrated Traditional Chinese and Western Medicine, Shanghai University of Traditional Chinese Medicine（上海中医药大学附属岳阳中西医结合医院） ； Department of Radiation Oncology, Shandong Cancer Hospital and Institute, Shandong First Medical University, Shandong Academy of Medical Sciences（山东第一医科大学附属山东省肿瘤医院放疗科） ； University Paris Dauphine, PSL Research University, CNRS, UMR 7534, CEREMADE（巴黎多芬纳大学，PSL研究大学，法国国家科学研究中心，UMR 7534，CEREMADE） 纠错

AI总结 提出一种掩膜提议投票框架，通过自适应域构造和加权投票机制克服经典最小路径法对初始化的依赖，在复杂场景下实现鲁棒分割。

From Physics to Representation: Audio Learning with Synthetic Pre-training via Procedural Generation

从物理到表示：通过程序化生成进行合成预训练的音频学习

Fengrui Liu, Ruiyang Huang, Qijian Zheng, Yuanfang Wang, Feng Liu

机构 * East China Normal University（华东师范大学） ； Southeast University（东南大学） ； Fudan University（复旦大学） ； Shanghai Jiao Tong University（上海交通大学） 纠错

AI总结 提出AudioPG框架，利用程序化合成生成波形进行掩码自编码器预训练，无需真实音频数据，在多个基准上取得高精度，且单GPU训练不到20分钟。

Comments Accepted to ACM ICMR 2026

XFlow: An Executable Protocol Programming System for Reliable Multi-Agent Workflows

XFlow: 一个用于可靠多智能体工作流的可执行协议编程系统

Hanqi Li, Jing Peng, Zijian Wang, Lu Chen, Kai Yu

机构 * X-LANCE Lab, School of Computer Science, Shanghai Jiao Tong University, Shanghai, China（X-LANCE实验室，计算机科学学院，上海交通大学，上海，中国） ； Jiangsu Key Lab of Language Computing, Suzhou, China（江苏省语言计算重点实验室，苏州，中国） ； Suzhou Laboratory, Suzhou, China（苏州实验室，苏州，中国） 纠错

AI总结 提出XFlow可执行协议编程系统及其领域特定语言XPF，通过将工作流承诺从提示移至可检查、可执行的协议结构，并利用生命周期管理的符号中介智能体输出，提升多智能体工作流的可靠性。

AdaSR: Adaptive Streaming Reasoning with Hierarchical Relative Policy Optimization

AdaSR: 自适应流式推理与分层相对策略优化

Junlong Tong, Wenqi Xu, Yingqi Fan, Anhao Zhao, Xuan Lu, Yang Tan, Xiaoyu Shen

机构 * Eastern Institute of Technology, Ningbo（宁波东方理工大学） ； Shanghai Jiao Tong University（上海交通大学） ； The Hong Kong Polytechnic University（香港理工大学） ； Southeast University（东南大学） ； Xi’an Jiaotong-Liverpool University（西交利物浦大学） 纠错

AI总结 提出AdaSR框架，通过分层相对策略优化（HRPO）实现流式输入下的自适应推理，在推理准确率、计算效率和流式延迟间取得更好平衡。

AetheRock: An Arm-Worn Robot Teaching System for Force-Guided Vision-Tactile Learning

AetheRock: 一种用于力引导视觉触觉学习的臂戴式机器人教学系统

Hong Li, Yue Xu, Yihan Tang, Yankang Dong, Chenyuan Liu, Chenyang Yu, Xuyang Li, Siyuan Huang, Yujun Shen, Nan Xue, Yong-Lu Li

机构 * Shanghai Jiao Tong University（上海交通大学） ； Ant Group（蚂蚁集团） ； Shanghai Innovation Institute（上海创新研究院） ； Beijing Institute for General Artificial Intelligence (BIGAI)（北京通用人工智能研究院） 纠错

AI总结 提出臂戴式设备AetheRock采集夹爪力、视觉和触觉数据，并设计ForceVT框架利用力和视觉引导触觉学习，解决力感知机器人学习中传感器装配不兼容问题。

SpatialWorld: Benchmarking Interactive Spatial Reasoning of Multimodal Agents in Real-World Tasks

SpatialWorld: 在多模态智能体真实世界任务中基准测试交互式空间推理

Hongcheng Gao, Hailong Qu, Jingyi Tang, Jiahao Wang, Zihao Huang, Hengkang Qiao, Shihong Huang, Junming Yang, Yi Li, Hongyixuan Yuan, Wenjie Li, Bohan Zeng, Wenbo Li, Bo Wang, Jianhui Liu, Olive Huang, Haoyang Huang, Wentao Zhang, Guoqing Huang, Nan Duan, Yinpeng Dong

机构 * Tsinghua University（清华大学） ； Chongqing University（重庆大学） ； Peking University（北京大学） ； ZenoMind AI ； Xi’an Jiaotong University（西安交通大学） ； Beijing Institute of Technology（北京理工大学） ； Southeast University（东南大学） ； Shanghai Jiao Tong University（上海交通大学） ； Joy Future Academy（京东探索研究院） ； The University of Hong Kong（香港大学） 纠错

AI总结 提出SpatialWorld基准，集成8种异构模拟后端，通过760个人工标注任务评估多模态智能体在视觉部分可观测环境中的交互式空间理解，发现最强模型GPT-5任务成功率仅17.4%。

Towards Unified Song Generation and Singing Voice Conversion with Accompaniment Co-Generation

面向统一歌曲生成与带伴奏共生成的歌声转换

Ziyu Zhang, Chunyu Qiang, Xiaopeng Wang, Yuxin Guo, Kang Yin, Wenjie Tian, Jingbin Hu, Tianlun Zuo, Zhao Guo, Teng Ma, Yuzhe Liang, Chen Zhang, Lei Xie

机构 * Northwestern Polytechnical University（西北工业大学） ； Kuaishou Technology（快手科技） ； Beijing Institute of Technology（北京理工大学） ； Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所） ； 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） 纠错

AI总结 提出UniSinger框架，基于多模态扩散Transformer统一零样本歌曲生成与伴奏共生成歌声转换，通过共享说话人嵌入和课程学习策略实现跨任务音色控制与多任务优化。

LoMC: Localized Multidirectional Correction for Refusal Suppression in Routed Foundation Models

LoMC: 路由基础模型中拒绝抑制的局部多方向校正

Yan Hong, Kedong Xiu, Wei Li, Jun Lan, Huijia Zhu, Shuheng Zhou, Zhongcai Lyu, Weiqiang Wang, Jianfu Zhang

机构 * Ant Group（蚂蚁集团） ； Zhejiang University（浙江大学） ； Shanghai Jiao Tong University（上海交通大学） 纠错

AI总结 提出LoMC方法，通过支持门控干预框架在路由MoE和混合MoE模型中实现紧凑的拒绝抑制，提升非拒绝目标响应行为并保持通用能力。

EgoGuide: Egocentric Guidance for Efficient Robot-Free Demonstration Collection and Learning

EgoGuide: 以自我为中心引导的高效无机器人演示收集与学习

Yue Xu, Mingtao Nie, Tianle Li, Hong Li, Yibo Luo, Siyuan Huang, Yong-Lu Li

机构 * Shanghai Jiao Tong University（上海交通大学） ； Shanghai Innovation Institute（上海创新研究院） ； Beijing Institute for General Artificial Intelligence (BIGAI)（北京通用人工智能研究院） 纠错

AI总结 提出EgoGuide数据收集接口，通过同步腕部和头部/自我中心观察并在线视觉-几何质量引导，结合门控自我中心残差策略，减少所需数据量并提高数据效率。

Communication Policy Evolution for Proactive LLM Agents

主动式LLM智能体的通信策略演化

Xinbei Ma, Jiyang Qiu, Yao Yao, Zheng Wu, Yijie Lu, Xiangmou Qu, Jiaxin Yin, Xingyu Lou, Jun Wang, Weiwen Liu, Weinan Zhang, Zhuosheng Zhang, Hai Zhao

机构 * Shanghai Jiao Tong University（上海交通大学） ； OPPO Research Institute（OPPO研究院） 纠错

AI总结 针对用户与智能体间信息不对称问题，形式化通信策略，提出基于文本和UI的策略，并引入自演化框架CPE，通过提示优化提升任务成功率。

Retrospective Progress-Aware Self-Refinement for LLM Agent Training

回顾性进度感知的LLM智能体训练自我精炼

Xinbei Ma, Congmin Zheng, Jiyang Qiu, Jiale Hong, Yao Yao, Xiangmou Qu, Jiaxin Yin, Xingyu Lou, Jun Wang, Weiwen Liu, Weinan Zhang, Zhuosheng Zhang, Hai Zhao

机构 * Shanghai Jiao Tong University（上海交通大学） ； OPPO Research Institute（OPPO研究院） 纠错

AI总结 提出RePro框架，通过前向-反思滚动范式训练智能体自我生成进度信号，无需持续外部监督，在WebShop等任务上提升Qwen系列性能高达12%。

ReactVLA: Fast and Lightweight Reactive Robot Manipulation via Improved Mean Flow Action Generation

ReactVLA: 通过改进的平均流动作生成实现快速轻量级反应式机器人操作

Yanzhao Guo, Wenkai Chen, Jianwei Zhang

机构 * Shanghai Jiao Tong University（上海交通大学） ； Technical Aspects of Multimodal Systems (TAMS), Department of Informatics, Universität Hamburg（汉堡大学信息学系多模态系统技术方面（TAMS）） 纠错

AI总结 提出ReactVLA框架，结合改进的平均流动作生成器和注意力残差机制，实现轻量低延迟的实时机器人操作，在模拟和真实任务中性能提升达1.65倍，推理速度提升4倍以上。

MUSE: Agentic 3D Scene Authoring via Memory-Grounded Incremental Requirement Satisfaction

MUSE: 基于记忆的增量需求满足的智能体3D场景创作

Ruijie Xu, Xinnan Zhu, Jiayu Ying, Daoguo Dong, Yuzhou Ji, Xin Tan

机构 * East China Normal University（华东师范大学） ； Fudan University（复旦大学） ； Shanghai Jiao Tong University（上海交通大学） 纠错

AI总结 提出MUSE多智能体框架，通过增量需求满足实现可控3D场景构建与编辑，在AuthorBench上显著提升目标达成率和场景保持率。

Decoupled Latent Optimization of Diffusion Models for Full Waveform Inversion

全波形反演的扩散模型解耦潜变量优化

Chen Min, Zheng Ma

机构 * School of Mathematical Sciences, Shanghai Jiao Tong University（上海交通大学数学科学学院） ； CMA-Shanghai, Shanghai Jiao Tong University（上海交通大学CMA-上海） 纠错

AI总结 提出解耦潜变量优化（DLO），通过二次惩罚目标分离物理变量和潜变量，结合数据保真度梯度和扩散先验，在OpenFWI基准上优于经典正则化和现有扩散方法。

Comments 35 pages, 14 figures

ReactSim-Bench: Benchmarking Reactive Behavior World Model Simulation in Autonomous Driving

ReactSim-Bench：自动驾驶中反应性行为世界模型模拟的基准测试

Zhiyuan Zhang, Yanlun Peng, Jianing Zhang, Xianda Guo, Zehan Huang, Haoran Liu, Qifeng Li, Shaofeng Zhang, Xiaosong Jia, Junchi Yan

机构 * School of Computer Science & School of Artificial Intelligence, Shanghai Jiao Tong University（上海交通大学计算机科学与技术学院、人工智能学院） ； Great Wall Motor（长城汽车） ； Institute of Trustworthy Embodied AI (TEAI), Fudan University（复旦大学可信具身人工智能研究所） ； School of Computer Science, Wuhan University（武汉大学计算机学院） ； University of Science and Technology of China（中国科学技术大学） 纠错

AI总结 提出ReactSim-Bench，通过解耦自车与周围智能体控制，使用偏离日志的自车行为作为输入，评估行为世界模型模拟的反应性能力，并基于碰撞、地图和运动学指标系统评测多种模型。

ViT-Up: Faithful Feature Upsampling for Vision Transformers

ViT-Up：面向视觉Transformer的忠实特征上采样

Krispin Wandel, Jingchuan Wang, Hesheng Wang

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

AI总结 提出ViT-Up，一种隐式特征上采样框架，通过从中间ViT隐藏状态构建逐层查询，在任意连续坐标预测特征，避免图像引导带来的特征泄露和模糊，在密集预测和语义对应任务上超越现有方法。

Comments Code is available at: https://github.com/krispinwandel/vit-up

DLawBench: Evaluating LLMs Through Multi-Turn Legal Consultation

DLawBench: 通过多轮法律咨询评估大语言模型

Li Zhang, Yuzhen Shi, Yiran Hu, Jingwen Zhang, Wenbo Lv, Yubo Ma, Wei Wang, Rongyao Shi, Yuanyang Qiu, Xinran Xu, Yuemeng Qi, Linlin Miao, Jaromir Savelka, Yun Liu, Kevin Ashley, Bing Zhao, Hu Wei, Lin Qu

机构 * University of Pittsburgh（匹兹堡大学） ； Alibaba Group（阿里巴巴集团） ； University of Waterloo（滑铁卢大学） ； Shandong University（山东大学） ； Skylenage ； China University of Political Science and Law（中国政法大学） ； Qwen Team, Alibaba Group（阿里巴巴集团Qwen团队） ； Fordham University（福特汉姆大学） ； Shanghai Jiao Tong University（上海交通大学） ； Carnegie Mellon University（卡内基梅隆大学） ； Tsinghua University（清华大学） 纠错

AI总结 提出DLawBench基准，通过模拟四种客户类型（合作、依赖、退缩、对抗）的多轮对话，评估大语言模型在真实法律咨询中的交互能力。

Comments 37 pages, 8 figures, 26 tables. Code and data: https://github.com/SKYLENAGE-AI/DLawBench

FAWAM: Force-Aware World Action Models for Closed-Loop Contact-Rich Manipulation

FAWAM: 面向闭环密集接触操作的力感知世界动作模型

Haotian He, Zeyu Yan, Qipeng Liu, Ning Guo, Wenzhao Lian

机构 * School of Mathematical Sciences, Peking University（北京大学数学科学学院） ； School of Artificial Intelligence, Shanghai Jiao Tong University（上海交通大学人工智能学院） 纠错

AI总结 提出FAWAM，在感知、预测和闭环执行三个层次融入力信息，通过联合预测动作与末端扳手及残差校正模块，提升密集接触操作的成功率。

HyperTool: Beyond Step-Wise Tool Calls for Tool-Augmented Agents

HyperTool：超越逐步工具调用的工具增强型智能体

Yaxin Du, Yifan Zhou, Yujie Ge, Jiajun Wang, Xianghe Pang, Shuo Tang, Tuney Zheng, Bryan Dai, Jian Yang, Siheng Chen

机构 * Shanghai Jiao Tong University（上海交通大学） ； IQuest Research ； Beijing University of Aeronautics and Astronautics（北京航空航天大学） 纠错

AI总结 针对工具增强型LLM中逐步调用导致执行粒度不匹配的问题，提出HyperTool统一可执行接口，将确定性工具子流程折叠为单次调用，在多步工具任务上显著提升准确率。

Proprioceptive-visual correspondence enables self-other distinction in humanoid robots

本体感觉-视觉对应使能人形机器人的自我-他人区分

Yurun Chen, Tianyuan Gao, Yizhong Ge, Shikun Ban, Yizhou Wang, Hongkai Xiong, Wenjun Zeng, Wentao Zhu

机构 * Eastern Institute of Technology, Ningbo（宁波东方理工大学） ； Shanghai Jiao Tong University（上海交通大学） ； Peking University（北京大学） ； Carnegie Mellon University（卡内基梅隆大学） ； East China Normal University（华东师范大学） ； Ningbo Institute of Digital Twin（宁波数字孪生研究院） 纠错

AI总结 提出通过本体感觉与视觉的对应学习自我-他人区分，无需身份标签或运动学模型，并建立预测性自我模型，支持目标到达、碰撞感知运动规划和运动重定向。

Comments 23 pages, 9 figures, 1 supplementary table

TimeROME-DLM: Temporal Causal Tracing and Low-Rank Inference-Time Knowledge Editing for Masked Diffusion Language Models

TimeROME-DLM：掩码扩散语言模型的时间因果追踪与低秩推理时知识编辑

Zhengtao Yao, Liuyang Song, Hongbo Zhang, Chenhao Wei, Haoyan Xu, Guang Yang, Siheng Wang

机构 * Shanghai Jiao Tong University（上海交通大学） ； Nanyang Technological University（南洋理工大学） ； National University of Singapore（新加坡国立大学） ； University of Science and Technology of China（中国科学技术大学） 纠错

AI总结 提出TimeROME-DLM，首个无需训练和梯度的推理时知识编辑框架，通过时间因果追踪定位关键坐标并应用低秩残差编辑，在保持模型性能的同时高效删除事实。

JSCGC: Joint Source-Channel-Generation Coding for Wireless Generative Communications

JSCGC：面向无线生成式通信的联合源信道生成编码

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

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

AI总结 提出联合源信道生成编码（JSCGC），用生成模型替换传统解码器，将通信重构问题转化为受感知约束下的受控生成问题，通过联合训练和随机采样框架最大化互信息，在潜空间图像传输中提升特征、语义和分布质量。

Comments submitted to IEEE Journal

CineDance: Towards Next-Generation Multi-Shot Long-Form Cinematic Audio-Video Generation

CineDance: 迈向下一代多镜头长片电影级音视频生成

Yuheng Chen, Teng Hu, Yuji Wang, Qingdong He, Zhucun Xue, Qianyu Zhou, Jason Li, Lizhuang Ma, Jiangning Zhang, Dacheng Tao

机构 * Shanghai Jiao Tong University（上海交通大学） ； University of Electronic Science and Technology of China（电子科技大学） ； Zhejiang University（浙江大学） ； The University of Tokyo（东京大学） ； Nanyang Technological University（南洋理工大学） 纠错

AI总结 提出CineDance-1M大规模多镜头长片音视频数据集，通过三阶段筛选流程和CineBench评估体系，实现高质量联合生成。

Benchmarking Neural Speech Compression from a Rate-Distortion Perspective

从率失真角度基准测试神经语音压缩

Jun Xu, Zhengxue Cheng, Fengxi Zhang, Yuhan Liu, Li Song, Wenjun Zhang

机构 * School of Information Science and Electronic Engineering, Shanghai Jiao Tong University（信息科学与电子工程学院，上海交通大学） 纠错

AI总结 提出熵约束编解码器ECC，通过标量量化与学习熵模型结合，在低比特率下实现优于传统和神经编解码器的率失真性能。

Context-Driven Incremental Compression for Multi-Turn Dialogue Generation

上下文驱动的增量压缩用于多轮对话生成

Yeongseo Jung, Jaehyeok Kim, Eunseo Jung, Jiachuan Wang, Yongqi Zhang, Ka Chun Cheung, Simon See, Lei Chen

机构 * The Hong Kong University of Science and Technology（香港科技大学） ； NVIDIA AI Technology Center（NVIDIA AI技术中心） ； Shanghai Jiao Tong University（上海交通大学） ； The Chinese University of Hong Kong（香港中文大学） 纠错

AI总结 提出上下文驱动的增量压缩（C-DIC），通过可修订的线程压缩状态和轻量级检索-修订-写回循环，实现跨轮信息共享，稳定长对话性能。

Comments Accepted at ICML 2026

Claw-SWE-Bench: A Benchmark for Evaluating OpenClaw-style Agent Harnesses on Coding Tasks

Claw-SWE-Bench：评估OpenClaw风格代理框架在编码任务上的基准

Mengyu Zheng, Kai Han, Boxun Li, Haiyang Xu, Yuchuan Tian, Wei He, Hang Zhou, Jianyuan Guo, Hailin Hu, Lin Ma, Chao Xu, Guohao Dai, Lixue Xia, Yunchao Wei, Yunhe Wang, Yu Wang

机构 * TokenRhythm Technologies（TokenRhythm 技术公司） ； Infinigence AI ； Peking University（北京大学） ； City University of Hong Kong（香港城市大学） ； SEE Fund（SEE 基金） ； Shanghai Jiaotong University（上海交通大学） ； Beijing Jiaotong University（北京交通大学） ； Tsinghua University（清华大学） 纠错

AI总结 提出Claw-SWE-Bench基准，通过适配器协议统一评估异构代理框架，发现适配器设计对编码性能至关重要，且模型和框架选择显著影响通过率与成本。

DiffCold: A Diffusion-based Generative Model for Cold-Start Item Recommendation

DiffCold: 基于扩散的生成模型用于冷启动物品推荐

Kangning Zhang, Yingjie Qin, Weinan Zhang, Yong Yu, Jianghao Lin

机构 * Shanghai Jiao Tong University（上海交通大学） ； Xiaohongshu Inc.（小红书公司） 纠错

AI总结 针对冷启动物品推荐中的跷跷板困境，提出基于条件扩散的生成模型DiffCold，通过从内容重建温物品嵌入并保持流形结构，结合检索增强聚合器和模拟表示对齐模块，统一冷热物品表示。

Comments Accepted by ECML-PKDD 2026

FORT-Searcher: Synthesizing Shortcut-Resistant Search Tasks for Training Deep Search Agents

FORT-Searcher：合成抗捷径搜索任务以训练深度搜索智能体

Jia Deng, Yimeng Chen, Xiaoqing Xiang, Ziyang Zeng, Shuo Tang, Wayne Xin Zhao, Feng Chang, Chuan Hao, Yuan Wei, Ran Tao, Bryan Dai, Ji-Rong Wen

机构 * Gaoling School of Artificial Intelligence Renmin University of China（中国人民大学高瓴人工智能学院） ； KAUST（阿卜杜拉国王科技大学） ； IQuest Research（IQuest研究院） ； Shanghai Jiao Tong University（上海交通大学） 纠错

AI总结 提出FORT框架，通过控制四种捷径风险合成抗捷径训练数据，使搜索智能体进行更长的预答案搜索，减少捷径模式，仅用SFT训练即达到最优性能。

Comments 30 pages

Tac-DINO: Learning Vision-Tactile Features with Patch Alignment

Tac-DINO：基于补丁对齐的视觉-触觉特征学习

Hong Li, Yankang Dong, Yue Xu, Yihan Tang, Mingzhu Li, Jiamin Qiu, Qihang Yao, Xing Zhu, Yujun Shen, Nan Xue, Yong-Lu Li

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

AI总结 提出Tac-DINO方法，通过构建大规模触觉数据集和视觉-触觉全息匹配基准，利用补丁对齐学习局部到全局的视觉-触觉表征，性能优于无对齐方法。

SkillJuror: Measuring How Agent Skill Organization Changes Runtime Behavior

SkillJuror：衡量智能体技能组织如何改变运行时行为

Zhiyu Chen, Zihan Guo, Bo Huang, Bingwei Lu, Jianghao Lin, Yuanjian Zhou, Weinan Zhang

机构 * Tongji University（同济大学） ； Shanghai Innovation Institute（上海创新研究院） ； Sun Yat-sen University（中山大学） ； Shanghai Jiao Tong University（上海交通大学） 纠错

AI总结 提出SkillJuror框架，通过渐进式披露与扁平基线对比，发现技能组织方式改变智能体搜索和应用程序知识的行为，并在82个任务中提升4.1%的验证通过率。