高校专区
MVPruner: 用于加速自动驾驶中多视图视觉语言模型的动态令牌剪枝
机构 * School of Information Engineering, Chang’an University, China（长安大学信息工程学院） ； School of Artificial Intelligence, Shanghai Jiaotong University, China（上海交通大学人工智能学院）
AI总结 提出MVPruner，一种两阶段自适应令牌剪枝方法，通过动态分配剪枝预算和基于指令的令牌选择，在保持精度的同时大幅降低计算量，实现多视图视觉语言模型的高效推理。
Comments accepted by ECCV26
文本到图像模型是归纳主义的火鸡吗？一个用于因果推理的反事实基准
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 Chinese University of Hong Kong（香港中文大学）
AI总结 提出反事实基准CF-World，通过三个递进层级测试T2I模型在违反现实先验规则下的图像生成能力，发现所有模型在反事实设置下性能急剧下降，原因是模型将世界知识与视觉外观编码为紧密耦合的模式。
Comments 10 pages, 7 figures. Project page: https://github.com/jylei16/CF-World.github.io
EvoMaster：一种用于大规模代理科学的基础进化代理框架
机构 * School of Artificial Intelligence, Shanghai Jiao Tong University（上海交通大学人工智能学院） ； SciLand ； DP Technology（DP技术）
AI总结 EvoMaster通过持续自我进化机制，使代理能迭代优化假设并积累知识，实现跨学科的高效科学发现，其易用性与性能在多个基准测试中均表现优异。
Comments 44 pages, 3 figures
EgoSim：用于具身交互生成的视角世界模拟器
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）
AI总结 EgoSim通过建模可更新的世界状态，解决现有视角模拟器在3D grounding和动态更新上的不足，生成空间一致的交互视频并支持跨具身迁移。
Comments Project Page: egosimulator.github.io
FUMO：先验调制扩散模型用于单图像反射去除
机构 * Shanghai Jiao Tong University（上海交通大学） ； Shanghai Innovation Institute（上海创新研究院） ； Xi’an Jiaotong University（西安交通大学）
AI总结 提出FUMO扩散模型，通过从混合图像提取强度和高频先验，结合粗到细训练范式，实现空间自适应和结构保真的单图像反射去除。
Comments Accepted by ECCV 2026
利用视频扩散先验的超低比特率图像压缩的下一帧解码
机构 * Shanghai Jiao Tong University（上海交通大学） ； Beijing University of Posts and Telecommunications（北京邮电大学）
AI总结 提出一种超低比特率图像压缩新范式，通过定义紧凑锚帧作为中间状态，利用预训练视频扩散模型将解码转化为下一帧预测，在保持语义的同时丢弃高频细节，相比DiffC在CLIC2020上节省超50%比特率并实现5倍解码加速。
Comments Accepted by ECCV 2026
SlowBA：针对基于VLM的GUI代理的高效后门攻击
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）
AI总结 提出SlowBA后门攻击，通过强化学习注入触发模式，诱导VLM-based GUI代理产生冗长推理链，显著增加响应延迟，同时保持任务准确性。
Comments Accepted by ECCV 2026. Codes and supplementary materials are in https://github.com/tu-tuing/SlowBA
扩散变换器超分辨率的频谱与轨迹正则化
机构 * Shanghai Jiao Tong University（上海交通大学） ； Shenzhen Transsion Holdings Co., Ltd.（深圳传音控股股份有限公司）
AI总结 提出StrSR框架，通过非对称判别蒸馏和频率分布匹配策略，解决扩散变换器在真实图像超分辨率中的轨迹失配和周期性伪影问题，实现最先进性能。
Comments 15 pages, appears at ECCV 2026
KungfuBot: 基于物理的人形全身控制用于学习高动态技能
机构 * Institute of Artificial Intelligence (TeleAI), China Telecom（中国电信人工智能研究院（TeleAI）） ； Shanghai Jiao Tong University（上海交通大学） ； East China University of Science and Technology（华东理工大学） ； Harbin Institute of Technology（哈尔滨工业大学） ； ShanghaiTech University（上海科技大学）
AI总结 提出基于物理的人形控制框架，通过多步运动处理和自适应跟踪机制，实现高动态行为（如功夫、舞蹈）的模仿学习，在Unitree G1机器人上成功部署。
Comments NeurIPS 2025. Project Page: https://kungfubot.github.io/
TraceLab: 表征用于LLM服务的编码代理工作负载
机构 * University of Washington（华盛顿大学） ； Wuhan University of Technology（武汉理工大学） ； Shanghai Jiao Tong University（上海交通大学）
AI总结 通过收集4300个编码代理会话（含35万LLM步骤和43万工具调用）的真实轨迹，分析发现长自主循环、长上下文短输出、多样化重尾工具调用及高但不完美前缀缓存命中率等特征，为优化服务提供具体方向。
TF-MoE：用于高效语音分离的时频混合专家
机构 * Auditory Cognition and Computational Acoustics Lab Shanghai Jiao Tong University（上海交通大学听觉认知与计算声学实验室） ； Microsoft Research Asia（微软亚洲研究院）
AI总结 提出TF-MoE框架，通过时频维度的稀疏混合专家动态选择专家，在几乎不增加推理成本下提升模型容量，在低计算量下实现优于BSRNN的语音分离性能。
Comments Accepted to Interspeech 2026
多块扩散语言模型
机构 * Shanghai Jiao Tong University（上海交通大学） ； Xi’an Jiao Tong University（西安交通大学） ； Huawei（华为）
AI总结 提出多块教师强制（MultiTF）训练策略，将单块扩散语言模型扩展为多块扩散（MultiBD），通过块缓冲机制实现并行解码，提升令牌吞吐量和准确率。
MVP-Nav: 多层价值地图规划导航器
机构 * Shanghai Jiao Tong University（上海交通大学）
AI总结 针对零样本目标导航中缺乏深度信息导致的物理不确定性，提出MVP-Nav框架，通过3D基础模型重建物理占用并构建多层价值地图，实现语义与物理约束的统一规划，达到最先进性能。
面向医学图像分割的体素间距一致性
机构 * Institute of Medical Robotics, Shanghai Jiao Tong University（上海交通大学医疗机器人研究院） ； Department of Ultrasound, Shanghai Chest Hospital（上海市胸科医院超声科） ； CAMPAR, Technical University of Munich（慕尼黑工业大学CAMPAR）
AI总结 提出Consispace框架，通过ODE约束和语义特征重加权实现轴向体素间距一致，提升重采样质量与下游分割性能。
Comments 12 pages, 6 figures
UniTacVLA：视觉语言动作模型中的统一触觉理解与预测
机构 * Harbin Institute of Technology（哈尔滨工业大学） ； Great Bay University（大湾区大学） ； Shanghai Jiao Tong University（上海交通大学） ； Fudan University（复旦大学） ； Nanjing University（南京大学） ； Daimon Robotics
AI总结 提出统一触觉学习框架，通过触觉链式推理和由粗到细的未来触觉预测构建状态与动力学感知先验，并设计触觉-动作混合控制器，在接触丰富操作任务中提升成功率、精度和鲁棒性。
PrISM-IQA：面向智能手机摄影的实用图像质量评估
机构 * Department of Computer Science, City University of Hong Kong（香港城市大学计算机科学系） ； School of Computer Science, Institute of AI, Shanghai Jiao Tong University（上海交通大学计算机科学与工程学院人工智能研究院） ； OPPO Research Institute（OPPO研究院） ； School of Vehicle and Mobility, Tsinghua University（清华大学车辆与运载学院）
AI总结 提出PrISM-IQA，将智能手机IQA重构为多问题有序诊断，预测每个ISP相关问题的严重等级，支持可操作的ISP调优。
哪些Token重要？基于相对惊讶指数的自适应Token选择用于RLVR
机构 * ModelScope Team（ModelScope团队） ； Alibaba Group（阿里巴巴集团） ； Shanghai Jiao Tong University（上海交通大学）
AI总结 提出相对惊讶指数（RSI）度量，通过自适应Token过滤方法RSI-S解决RLVR中高熵与低概率Token的矛盾，在AIME和AMC基准上提升avg@32准确率2-3个百分点。
Comments 13 pages, 4 figures
ACE: 跨智能体的可插拔自适应上下文弹性化器
机构 * Meituan（美团） ； Shanghai Jiao Tong University（上海交通大学）
AI总结 提出ACE模块，通过无损消息存储和自适应上下文编排，实现历史步骤信息的弹性化处理，在多种智能体框架中优于截断和摘要方法。
UniTac: 一种用于跨传感器触觉理解与生成的统一多模态模型
机构 * Zhejiang University（浙江大学） ； Yale University（耶鲁大学） ； University of Oxford（牛津大学） ； MIT（麻省理工学院） ； Shanghai Jiaotong University（上海交通大学） ； UNIX AI
AI总结 提出UniTac，首个统一多模态模型，通过双级表示编码传感器和物体属性，实现触觉理解与生成，在跨传感器任务上达到最优性能。
Comments This paper has been accepted by ECCV 2026
重新审视视觉-语言-动作模型中的参数冗余：从VLM到VLA适配的见解
机构 * Computer Network Information Center, Chinese Academy of Sciences（中国科学院计算机网络信息中心） ； University of Chinese Academy of Sciences（中国科学院大学） ； School of Computer Science, Shanghai Jiao Tong University（上海交通大学计算机科学与工程学院） ； School of Computer Science, The University of Sydney（悉尼大学计算机科学学院）
AI总结 通过分析VLM到VLA适配中参数差异的空间分布，设计多模块联合剪枝方案，在无需微调恢复的情况下减少12%-30%参数并保持约90%性能。
Comments 22 pages, 3 figures, ECCV 2026 Conference
超越单字符：评估多模态大语言模型在句子级甲骨文理解中的表现
机构 * Shanghai Jiao Tong University（上海交通大学） ； Nanjing University of Science and Technology（南京理工大学） ； Shanghai Artificial Intelligence Laboratory（上海人工智能实验室）
AI总结 提出S-OBI基准，通过字形替换与组合合成清晰标准的句子级甲骨文实例，设计语义匹配、语义槽提取和上下文推理任务，评估多模态大语言模型在句子级甲骨文理解中的表现，发现当前模型仍依赖字符级识别。
Comments 13 pages, 4 figures
CasaMaestro：用于房屋级3D重建的多视角全景图
机构 * AutoLab, School of Artificial Intelligence, Shanghai Jiao Tong University（上海交通大学人工智能学院AutoLab）
AI总结 提出CasaMaestro模型，仅需20-50张稀疏多视角室内全景图，即可直接预测度量深度和相机位姿，实现全屋快速点云重建，是首个支持房屋级重建的多视角全景模型。
Comments Accepted to ECCV2026
DSIP: 基于扩散模型的多智能体运动规划的无信号交叉口动态协调规划器
机构 * Global Institute of Future Technology, Shanghai Jiao Tong University（上海交通大学全球未来技术学院） ； 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 Electrical Engineering, The University of Texas at Arlington（德克萨斯大学阿灵顿分校电气工程系）
AI总结 提出DSIP框架，利用扩散模型生成多车连续轨迹优化，替代传统信号相位控制，在SUMO仿真中显著降低平均延误并提高平均速度。
Reflect-R1：长视频理解中基于证据驱动的自纠正反思
机构 * Tsinghua University（清华大学） ； 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）） ； Nanyang Technological University（南洋理工大学） ； University of Science and Technology of China（中国科学技术大学） ； Shenzhen University（深圳大学） ； University of California（加利福尼亚大学） ； Shanghai Jiao Tong University（上海交通大学）
AI总结 提出Reflect-R1框架，通过直觉、验证、仲裁三阶段管道动态检索客观视觉证据，并设计阶段解耦强化学习算法SD-GRPO解决策略耦合，在长视频理解基准上达到最优性能。
Comments 2026 ECCV
RPG: 为人类oid战斗中平滑多技能过渡的鲁棒策略门控
机构 * Center for Artificial Intelligence and Robotics, Shenzhen International Graduate School, Tsinghua University（人工智能与机器人中心，深圳国际研究生院，清华大学） ； Shanghai AI Laboratory（上海人工智能实验室） ； Northwestern Polytechnical University（西北工业大学） ； Shanghai Jiao Tong University（上海交通大学）
AI总结 本文提出RPG框架，通过动作过渡随机化和时间随机化训练统一策略，实现人类oid多技能平滑稳定过渡，并设计控制管道整合步行/跑步与战斗技能，实验证明其有效性与鲁棒性。
GUIDE：通过实时网络视频检索和即插即用标注解决GUI代理的领域偏见
机构 * Shanghai Jiao Tong University（上海交通大学） ； State Key Laboratory for General Artificial Intelligence, BIGAI（通用人工智能国家重点实验室，北京通用人工智能研究院） ； Beijing Institute of Technology（北京理工大学）
AI总结 GUIDE通过实时网络视频检索和即插即用标注框架，解决GUI代理的领域偏见问题，通过视频语义分析和自动化标注流程提升代理对特定应用的操作流程和UI布局的理解，实验表明其在多代理系统和单模型代理中均能提升性能。
Comments Accepted to ECCV 2026. 30 pages: 15-page main paper followed by supplementary material as an appendix (Sections A-F). Project page: https://sharryXR.github.io/GUIDE/
LaMP: 以3D场景流作为潜在运动先验的视觉-语言-动作策略学习
机构 * Southeast University（东南大学） ； School of Artificial Intelligence, Shanghai Jiao Tong University（上海交通大学人工智能学院） ； Zhejiang University（浙江大学） ； Beihang University（北京航空航天大学） ； Shanghai Innovation Institute（上海创新研究院）
AI总结 提出LaMP框架，通过门控融合将3D场景流作为潜在运动先验，对齐运动专家与动作专家，提升VLA策略在复杂空间交互中的鲁棒性，在LIBERO等基准上取得最高平均成功率。
Comments Accepted to ECCV2026
用于分区端口-哈密顿系统并行仿真的早期可终止节能迭代耦合
机构 * School of Mechanical Engineering, Shanghai Jiao Tong University（上海交通大学机械与动力工程学院）
AI总结 针对并行仿真中分区耦合可能注入虚假能量的问题，提出基于Douglas-Rachford分裂的早期可终止节能耦合接口，利用Fejér单调性提供算法耗散，保证离散无源性并收敛到整体离散化。
Proxy-GS：结构化3D高斯泼溅中训练与推理的统一遮挡先验
机构 * Shanghai Artificial Intelligence Laboratory（上海人工智能实验室） ； Northwestern Polytechnical University（西北工业大学） ； Sichuan University（四川大学） ； Hong Kong University of Science and Technology（香港科技大学） ； Shanghai Jiao Tong University（上海交通大学）
AI总结 提出Proxy-GS，利用快速代理系统生成精确遮挡深度图，在训练中引导表面致密化、在推理中剔除冗余高斯体，实现2.5倍以上加速并提升渲染质量。
Comments Project page: https://visionary-laboratory.github.io/Proxy-GS
Paper2Rebuttal: 一种透明的作者回复辅助多智能体框架
机构 * AutoLab, School of Artificial Intelligence, Shanghai Jiao Tong University（上海交通大学人工智能学院AutoLab）
AI总结 提出多智能体框架RebuttalAgent，将回复生成重构为以证据为中心的规划任务，通过分解反馈、构建混合上下文和外部搜索模块，提升覆盖度、忠实性和策略连贯性。
Comments Accepted by ACL2026 main conference
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