高校专区
利用同质性感知的结构和语义文本属性图压缩提升LLM推理能力
机构 * Shanghai Jiao Tong University（上海交通大学）
AI总结 提出HS2C框架，通过结构熵最小化进行全局层次划分以识别同质社区，并利用检测到的结构同质性指导LLM进行差异化语义聚合，在10个节点级和7个图级基准上同时提升压缩率和推理精度。
RGBT-GroundBench: 超越RGB的复杂真实世界场景中的视觉定位
机构 * Institute of Artificial Intelligence, State Key Laboratory of Virtual Reality Technology and Systems, Beihang University（北京航空航天大学人工智能研究院、虚拟现实技术与系统国家重点实验室） ； Pengcheng Laboratory（鹏城实验室） ； Shanghai Jiao Tong University（上海交通大学）
AI总结 提出首个大规模RGB-热红外视觉定位基准RGBT-GroundBench，包含4万+图像和3级细粒度标注，统一评估协议支持RGB/热红外/融合输入，揭示低照度下性能显著下降，并引入参考基线RGBT-VGNet。
Comments 40pages, 9figures
通过广义矩方法配准4D毫米波雷达点云
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） ； Institute of Medical Robotics, Shanghai Jiao Tong University（上海交通大学医疗机器人研究院） ； Department of Statistics, Uppsala University（乌普萨拉大学统计系）
AI总结 针对4D雷达点云稀疏噪声导致配准困难的问题，提出基于广义矩方法的配准框架，无需显式点对应，在合成与真实数据集上精度和鲁棒性优于基准方法，甚至接近激光雷达方法。
人机协作的论文到网页制作
机构 * AutoLab, SAI, Shanghai Jiao Tong University（上海交通大学人工智能学院AutoLab实验室） ； Shanghai AI Laboratory（上海人工智能实验室）
AI总结 提出AutoPage多智能体系统，通过粗到细的流水线将论文转化为交互式网页，并引入Checker智能体验证和人工检查点，在15分钟内以低于0.1美元的成本生成高质量网页。
Comments Accepted by ACL2026 Findings
从少到多：基于扩散学习器的原型扩展网络用于点云小样本语义分割
机构 * School of Mathematics and Computational Science, Xiangtan University（湘潭大学数学与计算科学学院） ； School of Automation and Electronics Information, Xiangtan University（湘潭大学自动化与电子信息学院） ； School of Automation, Shanghai Jiao Tong University（上海交通大学自动化学院）
AI总结 针对小样本点云语义分割中原型容量小且与查询空间不对齐的问题，提出原型扩展网络（PENet），利用扩散模型的预训练条件编码器扩展原型，并通过推-拉机制对齐，在S3DIS和ScanNet数据集上取得最优性能。
Clarus: 协调自主研究代理实现网络规模的科学协作
机构 * Sun Yat-sen University（中山大学） ； Shanghai Jiao Tong University（上海交通大学） ； Tongji University（同济大学） ； Jilin University（吉林大学） ； Harbin Institute of Technology（哈尔滨工业大学） ； Shanghai Innovation Institute（上海创新研究院） ； Shanghai Artificial Intelligence Laboratory（上海人工智能实验室）
AI总结 提出Clarus基础设施，通过定义项目-代理-资源对象模型和四层协作架构，协调AI与人类研究者在开放、可审计、可归属的资源感知多阶段流程中实现网络规模科学协作。
Comments 28 pages, 7 figures, 1 table
SA-VLA: 状态感知分词器提升视觉-语言-动作模型性能
机构 * Shanghai Jiao Tong University（上海交通大学） ； East China University of Science and Technology（东华大学） ； Hong Kong Polytechnic University（香港理工大学） ； Xi’an University of Electronic Science and Technology（西安电子科技大学）
AI总结 提出状态感知动作分词器SA-VLA，通过状态条件动作解码减少离散化压缩损失，在12个操作任务上将成功率从0.29提升至0.56。
分析性概念中心记忆用于具身操作代理
机构 * Zhejiang University（浙江大学） ； Shanghai Innovation Institute（上海创新研究院） ； Fudan University（复旦大学） ； Westlake University（西湖大学） ； Shanghai Jiao Tong University（上海交通大学）
AI总结 提出分析性概念中心记忆框架，通过结构化概念（语义部件、参数模板等）组织经验，支持粗到细检索，提升长时程具身操作中的物体重识别、状态推理和技能复用。
LEIQ-Assessor：基于多任务学习的低光照增强图像多维度质量评估
机构 * East China Normal University（东华师范大学） ； Shanghai Jiao Tong University（上海交通大学）
AI总结 提出LEIQ-Assessor模型，利用多任务学习同时预测整体MOS和六个感知子属性，在MLE基准上显著优于现有无参考IQA方法，获QoMEX 2026挑战赛第二名。
Comments The paper achieved second place in the QoMEX 2026 Grand Challenge on Low-light Enhanced Image Quality Assessment
DEEPMED Search: 一个具有内省验证功能的开源医学深度研究智能体平台
机构 * School of Computer Science and Software Engineering, Shanghai University（上海大学计算机科学与软件工程学院） ； Department of Computer Science and Engineering, Shanghai Jiao Tong University（上海交通大学计算机科学与工程系）
AI总结 提出一个开源智能体平台DEEPMED Search，通过源自适应路由和内省验证模块，自动分解复杂医学查询并生成结构化报告，解决异构医疗数据检索中的推理漂移问题。
Comments 5 pages, 2 figures, 2 tables. Accepted to IJCAI-ECAI 2026 Demo Track. Project website: https://www.deepmedsearch.cloud. Demo video: https://youtu.be/4U4aok8yLpk
DeepTrans Studio：将专家干预转化为智能翻译工作流中的团队共享知识
机构 * School of Computer Engineering and Science, Shanghai University（上海大学计算机工程与科学学院） ； School of Foreign Languages, East China Normal University（华东师范大学外国语言学系） ； School of Foreign Studies, Shanghai University（上海大学外国语言学院） ； Department of Computer Science and Engineering, 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DeepTrans Studio协作翻译平台，通过让专家在智能工作流中干预并保存决策到共享记忆，将一次性修正转化为可复用的团队知识，解决翻译协作中知识孤岛问题。
Comments 4 pages, 2 figures. Accepted to CSCW 2026 Demo. Code and demo video: https://github.com/hint-lab/deeptrans-studio, https://youtu.be/cNpafhHAEjg
为何纠结于连续潜变量？通过渲染压缩实现可解释的离散潜变量推理
机构 * Shanghai Jiao Tong University（上海交通大学） ； Tongji University（同济大学）
AI总结 提出离散潜变量推理（DLR）方法，将连续潜状态转化为离散令牌，通过渲染压缩实现高效、可解释的潜空间推理，在五个基准上优于先前方法并达到20倍压缩。
MotionAtlas: 面向运动中心视频的详细区域描述
机构 * Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所） ； Shanghai Jiao Tong University（上海交通大学） ； Nanyang Technological University（南洋理工大学） ； Peking University（北京大学） ； Wuhan University（武汉大学） ； Beijing Jiaotong University（北京交通大学）
AI总结 提出MotionAtlas系统，通过区域感知运动描述、自举精炼数据管道和定制训练策略，在运动中心视频描述中显著提升细粒度理解，超越现有模型。
Comments Accepted to ECCV 2026. Project page: https://kagura-0001.github.io/projects/MotionAtlas
从动作到世界建模的可迁移动力学先验学习
机构 * School of Data Science, Fudan University, Shanghai, China（复旦大学数据科学学院，上海，中国） ； Shanghai Innovation Institute, Shanghai, China（上海创新研究院，上海，中国） ； Shanghai Jiao Tong University, Shanghai, China（上海交通大学，上海，中国） ； McGill University, Montreal, QC, Canada（麦吉尔大学，蒙特利尔，魁北克，加拿大）
AI总结 提出A2World模型，通过大规模机器人操作数据预训练动作条件世界模型，学习可迁移的交互动力学先验，支持模拟器评估和策略学习。
Comments ECCV 2026 Accepted
MirrorPPR：基于示例的人像照片修图
机构 * Shanghai Jiao Tong University（上海交通大学） ； Triverse AI
AI总结 提出MirrorPPR框架，通过修图操作提取器和LoRA模块将示例对中的细微结构修图操作迁移到新图像，并构建大规模数据集MirrorPPR47M实现渐进式学习，显著提升修图质量和身份保持。
Comments Accepted by ECCV 2026. 27 pages
扩散逆问题的随机最优控制采样
机构 * School of Automation and Intelligent Sensing, Shanghai Jiao Tong University, Shanghai, China（上海交通大学自动化与智能感知学院，上海，中国） ； Shanghai Key Laboratory of Flexible Medical Robotics, Tongren Hospital, Institute of Medical Robotics, Shanghai Jiao Tong University, Shanghai, China（上海柔性医疗机器人重点实验室，同仁医院，医学机器人研究所，上海交通大学，上海，中国）
AI总结 提出随机最优控制采样（SOCS），通过闭式控制更新在每一步将测量一致的干净预测拉回去噪流，以高效解决扩散逆问题，提升视觉保真度和定量性能。
Comments Accepted by ECCV2026
IMU-HOI：通过接触感知惯性融合实现连贯的人-物交互与运动捕捉的共生框架
机构 * Shanghai Jiao Tong University（上海交通大学）
AI总结 提出IMU-HOI框架，利用稀疏IMU同时恢复全身人体姿态和物体6-DoF轨迹，通过推断手-物接触并融合运动学与惯性推理，实现无漂移的人-物交互运动捕捉。
Comments 10 pages, 5 figures. Accepted by CVPR 2026
Journal ref Proc. IEEE/CVF Conf. Comput. Vis. Pattern Recognit. (CVPR), 2026, pp. 42901-42910
DeVAR：通过视觉自回归建模实现低剂量CT去噪
机构 * Shanghai Jiao Tong University（上海交通大学） ； SenseTime Research（商汤科技研究院） ； Shanghai Innovation Institute（上海创新研究院）
AI总结 提出DeVAR框架，首次将视觉自回归建模（VAR）应用于低剂量CT去噪，通过下一尺度预测生成离散令牌图，并引入残差精炼器捕获细微结构，结合双表示混合训练策略，在公开数据集上取得最优性能。
领域信息引导的多视角自蒸馏用于基于JEPA的天文光变曲线表示学习
机构 * Tsung-Dao Lee Institute, Shanghai Jiao Tong University, Shanghai 201210, China（李宗道研究所，上海交通大学，上海201210，中国）
AI总结 针对天文光变曲线不规则采样、复杂噪声和多物理时间尺度问题，提出结合语义保持视图、不确定性感知分词和多视角自蒸馏的JEPA框架，在StarEmbed分类基准上16个指标中15个超越手工特征，并在跨域适应中表现优异。
Comments 32 pages, 11 figures. Comments are welcome
SWE-MeM：面向长周期编码代理的自适应内存管理学习
机构 * The Chinese University of Hong Kong, China（香港中文大学） ； Shanghai Jiao Tong University, China（上海交通大学） ； Tsinghua University, China（清华大学） ； ByteDance, China（字节跳动）
AI总结 提出SWE-MeM训练框架，通过灵活的内存工具和Memory-aware GRPO优化，让代理在有限上下文预算下自主决定压缩时机、内容和方式，在SWE-Bench Verified上以4B和30B模型分别达到43.4%和60.2%的解决率，优于现有方法。
FAIL: 流匹配对抗模仿学习用于图像生成
机构 * Shanghai Jiao Tong University（上海交通大学） ； Xi’an Jiaotong University（西安交通大学） ； Tencent（腾讯）
AI总结 本文提出FAIL方法，通过对抗训练最小化策略-专家差异，无需显式奖励或配对比较，在图像生成中实现高效训练与泛化。
UniPR-3D：迈向基于视觉几何基础的通用视觉位置识别
机构 * Shanghai Jiao Tong University（上海交通大学） ； University of Zaragoza（萨拉戈萨大学） ； University of Macau（澳门大学）
AI总结 本文提出UniPR-3D，首个融合多视角信息的视觉位置识别架构，通过3D tokens与2D tokens联合描述，提升跨视角推理与泛化能力，实验表明其优于单多视角基线。
Comments Accepted by ECCV 2026
LaGen：迈向自主驾驶的自回归激光雷达场景生成
机构 * University of Science and Technology of China（中国科学技术大学） ； Shanghai Innovation Institute（上海创新研究院） ； Shanghai Jiao Tong University（上海交通大学） ； Fudan University（复旦大学）
AI总结 本文提出LaGen，首个支持长时交互生成的自回归框架，能基于单帧输入生成高保真4D激光雷达场景，并通过场景解耦和噪声调节模块提升生成质量。
Comments Accepted to ECCV 2026
MM-Nav：基于多专家学习的多视角VLA模型用于鲁棒视觉导航
机构 * Peking University（北京大学） ； Galbot ； Shanghai Jiao Tong University（上海交通大学） ； Tsinghua University（清华大学）
AI总结 本文提出MM-Nav模型，通过多专家学习从合成数据中学习多样化的导航能力，展示模型在合成环境中的强泛化能力，并在现实世界实验中验证其有效性。
Comments Project page: https://pku-epic.github.io/MM-Nav-Web/
GeNeRT：一种通过通用神经射线追踪进行智能无线信道建模的物理引导方法
机构 * School of Information Science and Electronic Engineering, Shanghai Jiao Tong University（上海交通大学电子信息与电气工程学院） ； Shanghai Innovation Institute（上海创新研究院）
AI总结 GeNeRT通过相对几何特征、散射体语义和受激励的极化驱动架构，提升神经射线追踪在无线信道建模中的泛化能力和准确性，通过三阶段训练策略实现跨场景的零样本泛化。
通过概率需求建模实现LLM应用的高效服务
机构 * Shanghai Jiao Tong University（上海交通大学） ； Huawei Cloud（华为云） ； Unaffiliated（无隶属机构）
AI总结 本文提出Hermes系统，利用概率需求图建模LLM应用资源需求，采用Gittins策略优化调度顺序，预热冷后台，提升服务效率，减少平均完成时间70%以上，P95完成时间80%以上。
Journal ref ACM Transactions on Architecture and Code Optimization 23, 2, Article (June 2026), 1-25
高效3D高斯散射与轴共享光栅化及顺序无关透射率
机构 * Shanghai Jiao Tong University（上海交通大学） ； University of Cambridge（剑桥大学） ； Imperial College London（伦敦帝国学院） ； Samsung AI（三星人工智能）
AI总结 本文提出轴共享光栅化和顺序无关透射率方法，提升3D高斯散射在资源受限平台的实时性能，实现1.33至1.88倍的加速。
Comments ISCA 2026
向利用大模型和小模型的协作力量进行领域任务
机构 * The Hong Kong Polytechnic University（香港理工大学） ； Institute for AI Industry Research, Tsinghua University（清华大学智能产业研究院） ； Shanghai Jiao Tong University（上海交通大学） ； School of Software, Tsinghua University（清华大学软件学院） ； AsiaInfo Technologies（亚信科技）
AI总结 本文探讨了大模型与小模型协作在领域适应中的应用，分析了跨边界环境中的数据隐私、模型安全和效率挑战，并提出多目标优化问题以指导实际部署。
Comments For ongoing updates and a curated list of recent advances in this area, we maintain a public repository: https://github.com/KejiaZhang-Robust/Awesome-LM-SM-Domain-Collaboration
HAT-4D: 通过人机协作从单目视频提升4D多物体交互
机构 * Shanghai Jiao Tong University（上海交通大学） ； Shanghai Innovation Institute（上海创新研究院） ； University of Science and Technology of China（中国科学技术大学） ； Math Magic
AI总结 提出HAT-4D框架，结合视觉大模型与多级人工反馈，从单目视频重建多物体的3D几何、时序动态和物理交互，解决遮挡和深度歧义，无需多相机系统。
Comments Accepted to ECCV 2026. 15 pages of main text and 39 pages of appendices. Project page: https://lijiaxin0111.github.io/HAT4D/
OSOR: 一步扩散修复用于效果感知的对象移除
机构 * Shanghai Jiao Tong University（上海交通大学） ； Tsinghua University（清华大学） ； Xidian University（西安电子科技大学） ； Tongji University（同济大学） ； University of Electronic Science and Technology of China（电子科技大学） ； Transsion（传音控股）
AI总结 提出一步扩散模型OSOR，通过占用引导判别器、alpha头和语义锚定验证管道，实现高效、效果感知且对不完美掩码鲁棒的对象移除，速度提升4-30倍。
Comments Code and resources are available at https://github.com/Zhouqm-Git/osor
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