高校专区
TacForeSight：面向接触丰富操作的力引导触觉世界模型
机构 * TARS Robotics ； National University of Singapore（新加坡国立大学） ； Shanghai Jiao Tong University（上海交通大学） ； Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所） ； Fudan University（复旦大学）
AI总结 提出TacForeSight框架，通过力条件触觉世界模型预测触觉潜动态，结合预测性触觉条件策略实现高频操作下的主动接触推理，在动态接触干扰下优于现有方法。
EEVEE：面向真实世界自改进智能体的测试时提示学习
机构 * Shanghai Jiao Tong University（上海交通大学） ； Princeton University（普林斯顿大学）
AI总结 提出首个多数据集测试时提示学习框架EEVEE，通过路由器与提示协同进化策略解决跨数据集干扰，在异构数据流下提升鲁棒性。
Comments 19 pages, 6 figures
Infini Memory：用于长期LLM智能体记忆的可维护主题文档
机构 * Infinigence AI（InfiniGen AI） ； Tsinghua University（清华大学） ； Shanghai Jiaotong University（上海交通大学）
AI总结 提出Infini Memory架构，将智能体记忆组织为主题文档，通过缓冲合并和迭代检索实现可维护的长期记忆，在MemoryAgentBench上达到64.7%的总体得分。
推理流如何流动？追踪注意力诱导的信息流以实现LLM中的目标RL
机构 * Shanghai Jiao Tong University（上海交通大学） ； Alibaba Group（阿里巴巴集团） ； Shanghai Artificial Intelligence Laboratory（上海人工智能实验室）
AI总结 提出FlowTracer框架，通过注意力诱导的有向无环图追踪答案导向的推理流，基于全局信息流结构分配token级信用，从而提升LLM在推理任务中的强化学习效果。
Comments 25 pages, 7 figures, 11 tables. Accepted at ICML 2026
Segment and Select: 3D场景中的视觉-语言分割
机构 * Shanghai AI 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） ； Shanghai Jiaotong University（上海交通大学）
AI总结 提出SEGA3D范式，通过掩码候选生成器、大语言模型和语义空间选择器实现3D场景中基于语言指令的细粒度分割，在ScanNet和Matterport3D上分别提升8.3和5.3 mIoU。
Comments The core idea is to reformulate 3D vision-language segmentation as the segment-and-select paradigm (free from the superpoint dependency)
ComBench: 奥林匹克级组合数学中严格证明推理与构造实现的基准测试
机构 * Shanghai AI Laboratory（上海人工智能实验室） ； Peking University（北京大学） ； Shanghai Jiao Tong University（上海交通大学） ； Tsinghua University（清华大学） ； The Chinese University of Hong Kong（香港中文大学）
AI总结 提出ComBench基准，包含100道奥林匹克级组合问题，分分析和构造两类，通过评分与验证评估大模型推理能力，发现最强模型准确率仅65.4%，且证明推理与构造实现能力存在差异。
Comments 39 pages, 6 figures, 26 tables. Project page: https://simplified-reasoning.github.io/ComBench/docs/
3D-CoS：基于VLM代码合成的新型3D重建范式
机构 * Shanghai Jiao Tong University（上海交通大学） ； The Chinese University of Hong Kong（香港中文大学） ； Microsoft（微软） ； University of Oxford（牛津大学）
AI总结 提出3D代码合成（3D-CoS）范式，将3D资产表示为可执行的Blender代码，利用VLM进行程序化重建，实现高可控性和局部编辑能力。
Comments Preprint. 24 pages, 11 figures
语音遇见ELF：用于语音识别和翻译的音频条件连续目标扩散
机构 * Tianjin University（天津大学） ； Shanghai Jiao Tong University（上海交通大学） ； Nankai University（南开大学）
AI总结 提出ELF-S2T，一种基于预训练ELF骨干的音频条件连续目标生成模型，通过音频强制训练和分类器自由引导，在LibriSpeech和CoVoST2上实现竞争性ASR和S2TT性能，并揭示识别与翻译错误均源于连续潜空间中的近距离混淆。
SARM2: 多任务阶段感知奖励建模用于自我改进的机器人操作
机构 * Stanford University（斯坦福大学） ； UC Berkeley（加州大学伯克利分校） ； Shanghai Jiao Tong University（上海交通大学）
AI总结 提出多任务阶段感知奖励模型RM，结合动作基元阶段估计器和多门控专家混合值头，为机器人操作任务提供密集逐步奖励，并基于RM构建SPIRAL框架，通过廉价自主轨迹改进VLA策略，在10任务基准上显著提升成功率。
IntentKV: 面向Agent推理的跨轮次意图感知KV缓存剪枝
机构 * Shanghai Jiao Tong University（上海交通大学）
AI总结 针对多轮LLM Agent中KV缓存成为服务瓶颈的问题，提出IntentKV方法，通过会话级QueryMemory和残差注意力头实现跨轮次意图感知的KV剪枝，在保持精度的同时大幅降低峰值请求token和KV读取量。
时间序列作为语言：通用时间序列基础模型的通用分词器
机构 * Shanghai Jiao Tong University（上海交通大学） ； Huawei Noah’s Ark Lab（华为诺亚方舟实验室）
AI总结 提出UniTok通用分词器将时间序列转化为离散令牌，并基于NTP预训练UniTok-FM基础模型，支持零样本预测、提示增强预测以及少样本生成和分类，无需任务特定修改。
AHA-WAM：异步自适应时域世界-动作建模与观测引导的上下文路由
机构 * Shanghai Jiao Tong University（上海交通大学） ； Shanghai AI Laboratory（上海人工智能实验室） ； Baidu AI Cloud（百度智能云） ； The University of Hong Kong（香港大学）
AI总结 提出AHA-WAM，一种基于双扩散Transformer的异步时域自适应世界-动作模型，通过低频世界规划器和高频动作执行器解耦时序，实现高效闭环控制，在RoboTwin和真实任务上达到SOTA性能。
Comments Project page: https://serene-sivy.github.io/aha-wam/
SynManDex: 从合成人类预抓取中合成类人灵巧抓取
机构 * Shanghai AI Lab（上海人工智能实验室） ； Shanghai Jiaotong University（上海交通大学） ； Shenzhen University（深圳大学） ； Fudan University（复旦大学） ； University of Hong Kong（香港大学） ； ZTE Corporation（中兴通讯股份有限公司）
AI总结 提出SynManDex流水线，利用生成的人类预抓取作为启发，通过机器人原生优化实现力闭合接触，生成类人灵巧抓取，在仿真和真实机器人上取得高成功率和类人性。
跨物理系统的控制微分方程数据驱动发现
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） ； Ningbo Key Laboratory of Advanced Manufacturing Simulation, Eastern Institute of Technology（东部理工学院宁波先进制造仿真重点实验室） ； The State Key Lab of Brain-Machine Intelligence, Zhejiang University（浙江大学脑机智能全国重点实验室） ； Department of Statistics and Data Science, Yale University（耶鲁大学统计与数据科学系） ； Department of Chemical and Environmental Engineering, Yale University（耶鲁大学化学与环境工程系） ； Gaoling School of Artificial Intelligence, Renmin University of China（中国人民大学高瓴人工智能学院） ； School of Engineering Sciences, University of Chinese Academy of Sciences（中国科学院大学工程科学学院） ； DP Technology
AI总结 本文提出问题导向视角，通过二维相图组织方程可发现性，并引入表示-评估-优化（REO）框架抽象发现过程，旨在从数据中推断物理定律，推动理论修正与新概念形成。
代码不仅仅是文本：代码生成的不确定性估计
机构 * Shanghai Jiao Tong University（上海交通大学） ； University of Cambridge（剑桥大学）
AI总结 针对代码生成中错误程序的可靠性问题，提出基于词法、算法和功能三个正交轴的不确定性估计方法，在五个代码LLM上将AUROC提升8.1个百分点。
H2HMem: 面向人际交互中智能体的多模态记忆基准
机构 * Jilin University（吉林大学） ； Shanghai Jiao Tong University（上海交通大学） ； University of California at Merced（加州大学默塞德分校）
AI总结 提出H2HMem基准，通过双人和多人多模态对话评估智能体在记忆召回、推理和应用方面的能力，揭示现有模型在多模态、多参与者场景下的显著局限。
Comments 22 pages, 6 figures
SG-OPD: 通过符号一致性门控和分阶段教师采样的符号门控在线蒸馏
机构 * Zhejiang University（浙江大学） ； Hunan University（湖南大学） ； Tianjin University（天津大学） ； Shanghai Jiao Tong University（上海交通大学） ； Jilin University（吉林大学）
AI总结 针对在线蒸馏中轨迹级对齐和教师偏好均匀可靠性假设的失效问题，提出SG-OPD方法，通过符号一致性门控和分阶段教师采样改进蒸馏效果，在竞赛级数学推理任务上平均提升1.98和7.50。
NüshuVoice：利用音高感知文本到语音技术复兴濒危女书的声音
机构 * Ocean University of China（中国海洋大学） ； The Hong Kong Polytechnic University（香港理工大学） ； Cornell University（康奈尔大学） ； Nanyang Technological University（南洋理工大学） ； Shanghai Jiao Tong University（上海交通大学） ； University of Michigan–Ann Arbor（密歇根大学安娜堡分校） ； University of Science and Technology of China（中国科学技术大学） ； Harbin Institute of Technology（哈尔滨工业大学）
AI总结 针对女书语音数据稀缺问题，提出NüshuVoice基准和F0条件VITS框架Nüshu-PitchVITS，利用五级音高标注作为韵律先验，在频谱保真度、音高重建和可懂度上优于强基线。
Comments 12 pages, 3 figures
Visual Para-Thinker++：用于视觉推理的单策略多智能体框架
机构 * Zhejiang University（浙江大学） ； Hunan University（湖南大学） ； Tianjin University（天津大学） ； University of Chinese Academy of Sciences（中国科学院大学） ； Shanghai Jiao Tong University（上海交通大学） ； Jilin University（吉林大学）
AI总结 提出Visual Para-Thinker++框架，通过共享MLLM策略实例化为多个角色智能体并行推理，结合多智能体能力注入和角色解耦优化，有效缓解视觉推理中的早期感知承诺和幻觉问题。
DiffSight-Former：建模结构差异和时间动态用于青光眼进展预测
机构 * The University of Sydney（悉尼大学） ； Shanghai Jiao Tong University（上海交通大学）
AI总结 提出DiffSight-Former框架，通过时间变异特征提取、多结构差异建模和时间感知Transformer，从序列眼底图像中预测青光眼进展，在SIGF和GRAPE数据集上取得高AUC和灵敏度。
Comments 12 pages, 6 figures
基于平移光流与不确定性掩膜的自主FPV飞行
机构 * Shanghai Jiao Tong University（上海交通大学）
AI总结 提出利用平移光流和不确定性掩膜增强FPV四旋翼自主飞行，在仿真和真实森林环境中实现高达13.91 m/s和11.79 m/s的飞行速度，成功率93.3%。
SpaceVLN：具有在线空间认知记忆与推理的零样本视觉与语言导航智能体
机构 * Shanghai Jiao Tong University（上海交通大学） ； China Telecom（中国电信） ； Central South University（中南大学） ； Jiangsu University（江苏大学）
AI总结 提出SpaceVLN，通过空间认知记忆和任务引导的空间推理，在零样本设置下实现连续环境中的视觉与语言导航，在多个基准上达到最优性能。
Comments 23 pages, 9 figures, 7 tables
OASIS：从仿真数据收集到真实世界人形机器人移动操作
机构 * Institute of Artificial Intelligence (TeleAI), China Telecom（中国电信人工智能研究院（TeleAI）） ； Fudan University（复旦大学） ； East China University of Science and Technology（华东理工大学） ； Shanghai Jiao Tong University（上海交通大学）
AI总结 提出OASIS框架，利用3D生成模型从真实图像重建物体资产，在仿真中收集并增强轨迹数据，训练层次化视觉运动策略，实现零样本部署下人形机器人移动操作，成功率优于真实遥操作数据。
Comments Project Page: https://oasis-humanoid.github.io/
SAEExplainer: 基于激活引导偏好优化的SAE特征解释
机构 * Shanghai Jiao Tong University（上海交通大学） ； NJIT（新泽西理工学院） ； Jilin University（吉林大学） ； Institute of Computing Technology, CAS（中国科学院计算技术研究所） ； The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳））
AI总结 提出SAEExplainer框架，利用激活分数作为奖励信号，通过两轮优化迭代自纠正基础解释，减少解释幻觉并增强因果触发模式。
HACK++：面向高效视觉自回归建模的更有效的头部感知键值压缩
机构 * Shanghai Jiao Tong University（上海交通大学） ； Rakuten（乐天） ； Tsinghua University（清华大学）
AI总结 针对VAR模型跨尺度KV缓存导致的高计算和内存开销，提出无训练头部感知压缩框架HACK++，通过离线分类头部类型和自适应预算分配，在极低缓存预算下保持近无损生成。
SSR: 模拟患者能否学会自我污名化？通过内心独白建模自我污名
机构 * Shanghai Jiao Tong University（上海交通大学） ； X-LANCE Lab, Dept. of Computer Science and Engineering（X-LANCE实验室，计算机科学与工程系） ； MoE Key Lab of Artificial Intelligence, AI Institute（教育部人工智能重点实验室，人工智能研究院）
AI总结 提出基于心理3A1H模型的SSR框架，通过内心独白数据集和链式思维微调LLM，使模拟患者根据对话触发动态调整污名表达，生成更真实的情境适应性反应。
推理中的跨LLM一致性：来自共享交互的证据
机构 * School of Computer Science Shanghai Jiao Tong University（上海交通大学计算机科学学院） ； Ningbo Key Laboratory of Advanced Manufacturing Simulation Eastern Institute of Technology, Ningbo（宁波市先进制造仿真重点实验室，宁波东方理工大学） ； College of Computer and Information Science Chongqing Normal University（重庆师范大学计算机与信息科学学院） ； SymtrustAI.com ； Eastern Institute of Technology, Ningbo（宁波东方理工大学）
AI总结 研究发现，不同大型语言模型在相同提示下预测相同目标词时，常共享交互模式，且高级模型一致性更强，共享交互通常阶数更低、正负抵消更弱。
Comments 20 pages, 8 figures
三思而后行：基于意图引导推理的LLM位置预测
机构 * The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）） ； Shanghai Jiao Tong University（上海交通大学） ； The Hong Kong University of Science and Technology（香港科技大学） ； Fudan University（复旦大学） ； Shanghai Innovation Institute（上海创新研究院）
AI总结 提出IntentPOI框架，通过两阶段意图引导推理（先推断用户出行意图，再基于意图选择POI），将位置预测从直接轨迹匹配转化为意图推理，在三个真实数据集上超越11个基线。
重新审视机器人操作中的关节部件感知
机构 * Shanghai Jiao Tong University（上海交通大学）
AI总结 提出几何主结构（GPS）作为关节部件的新表示，结合VR设备实现高效标注，训练通用模型，在零样本下达到73%操作成功率。
Comments CVPR2026
超越同质性：迈向广义图重构攻击与防御
机构 * Hong Kong Baptist University（香港浸会大学） ； Shanghai Jiao Tong University（上海交通大学） ； Stanford University（斯坦福大学）
AI总结 针对图神经网络可能泄露训练图邻接信息的问题，提出基于马尔可夫链近似的攻击方法MC-GRA(+)和防御方法MC-GPB(+)，在异质图上实现高保真重构攻击并有效防御。
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