高校专区
OrthoTryOn：面向无冲突统一时尚生成的几何正交化
机构 * PCA Lab, School of Computer Science and Engineering, Nanjing University of Science and Technology（南京理工大学计算机科学与工程学院PCA实验室） ； PCA Lab, School of Intelligence Science and Technology, Nanjing University（南京大学智能科学与技术学院PCA实验室） ； Shanghai Jiao Tong University（上海交通大学）
AI总结 提出OrthoTryOn框架，通过正交子空间投影和Fisher引导负向引导解决统一时尚生成中任务间梯度冲突，实现多任务协同优化。
Comments Accepted by ECCV2026
S$^2$-VLA：面向长时程操作的基于状态空间的视觉-语言-动作模型
机构 * School of Computer Science and Technology, East China Normal University（华东师范大学计算机科学与技术学院） ； State Key Laboratory of Submarine Geoscience, 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海底科学国家重点实验室）
AI总结 针对长时程操作任务中累积误差导致性能下降的问题，提出S$^2$-VLA框架，通过状态空间引导的自适应注意力机制动态融合视觉、语言和动作信息，在LIBERO等基准上超越7B模型。
Comments Accepted to IJCAI 2026
从信号到迁移：基于探针的大语言模型不确定性估计的分解研究
机构 * Nanyang Technological University（南洋理工大学） ； Shanghai Jiao Tong University（上海交通大学） ； VinUniversity ； KAIST（韩国科学技术院）
AI总结 通过分解研究，发现原始隐藏状态和注意力特征在域内表现优异，但结构化压缩特征在分布偏移下更鲁棒，提示和标签构建显著影响探针行为，并训练出可迁移的预训练探针。
两阶段跨域宫颈异常筛查：细胞病理图像合成与知识蒸馏
机构 * School of Artificial Intelligence and Computer Science, Nantong University（南通大学人工智能与计算机科学学院） ； School of Telecommunications Engineering, Xidian University（西安电子科技大学通信工程学院） ； College of Computer Science and Technology, Zhejiang University（浙江大学计算机科学与技术学院） ； School of Biomedical Engineering, Shanghai Jiao Tong University（上海交通大学生物医学工程学院） ； Department of Computer Science, Durham University（杜伦大学计算机科学系）
AI总结 提出两阶段框架，先用SC-UNSB合成中间域缓解域偏移，再用知识蒸馏对齐特征，提升跨域宫颈细胞检测性能。
LA4VLA：通过语言-动作预训练实现无视觉行动学习
机构 * School of AI, Shanghai Jiao Tong University（上海交通大学人工智能学院） ； Alibaba Group（阿里巴巴集团） ； Nanyang Technological University（南洋理工大学） ； KAUST（阿卜杜拉国王科技大学）
AI总结 提出LA4VLA框架，通过语言-动作预训练学习动作先验，减少对视觉线索的依赖，提升VLA策略的鲁棒性，在仿真和真实任务中成功率显著提升。
Comments Github: https://github.com/MINT-SJTU/LA4VLA
DeformGen: 基于动力学的拓扑增强用于可变形操作策略学习
机构 * Shanghai Jiao Tong University（上海交通大学） ； Eastern Institute of Technology, Ningbo（宁波东方理工大学） ； Tsinghua University（清华大学） ； The Hong Kong Polytechnic University（香港理工大学） ； University of Science and Technology of China（中国科学技术大学） ； Zhongguancun Academy（中关村学院） ； Microsoft Research（微软研究院）
AI总结 提出DeformGen框架，通过局部物理扰动和动力学前向模拟生成拓扑一致的可变形状态，并利用变形场扭曲转移操作轨迹，联合增强状态分布与操作行为，提升可变形操作策略学习。
LIBERO-Safety：视觉-语言-动作模型中物理与语义安全的综合基准
机构 * Institute for AI Industry Research (AIR), Tsinghua University（清华大学人工智能产业研究院） ； Beijing Academy of Artificial Intelligence (BAAI)（北京智源人工智能研究院） ； Beihang University（北京航空航天大学） ； Eastern Institute of Technology, Ningbo（宁波东方理工大学） ； Shanghai Jiao Tong University（上海交通大学） ； Microsoft Research Asia (MSRA)（微软亚洲研究院）
AI总结 针对视觉-语言-动作模型操作安全未验证的问题，提出参数化安全基准和关键帧驱动数据生成流水线，构建大规模无碰撞数据集，系统评估八种模型，揭示泛化-安全张力。
Comments Accepted by ECCV 2026, Project Page: https://libero-safety.github.io/
亲爱的，我把凯旋门缩小了！
机构 * Cornell University（康奈尔大学） ； Shanghai Jiao Tong University（上海交通大学）
AI总结 针对单目度量几何估计中的“尺度坍缩”现象，通过构建新数据集MetricScenes并采用两阶段泊松补全方法提升深度图质量，微调MoGe-2模型显著缓解了尺度低估问题。
Comments Project page: https://metricscenes.github.io/
SpaceDG: 在视觉退化下评估空间智能的基准测试
机构 * Shanghai Jiao Tong University（上海交通大学） ； Shanghai Artificial Intelligence Laboratory（上海人工智能实验室） ； University of Electronic Science and Technology of China（电子科技大学） ； Chongqing University（重庆大学） ； The University of Tokyo（东京大学） ； Beihang University（北航） ； Northwestern Polytechnical University（西北工业大学）
AI总结 本文提出SpaceDG，首个针对退化感知空间理解的大型数据集，通过物理基础的退化合成引擎生成9种退化类型，评估多模态大语言模型在视觉退化下的空间推理能力，并展示在退化条件下微调可提升模型鲁棒性。
智能体情节控制
机构 * East China Normal University（华东师范大学） ； Tongji University（同济大学） ； Shanghai Jiao Tong University（上海交通大学） ； Shanghai University of International Business and Economics（上海对外经贸大学） ； Shenzhen Loop Area Institute（深圳河套学院）
AI总结 提出智能体情节控制（AEC），利用大语言模型增强情节强化学习，通过语义增强器和关键状态识别器提升数据效率和泛化能力，在BabyAI-Text环境中实现2-6倍数据效率提升。
Comments Accepted to Findings of the 64th Annual Meeting of the Association for Computational Linguistics (ACL 2026)
RelAfford6D：用于约束驱动机器人操作的关系型6D可操作图
机构 * School of Computer Science, Shanghai Jiaotong University（上海交通大学计算机科学学院）
AI总结 提出RelAfford6D框架，通过构建关系型6D可操作图将语义指令转化为SE(3)位姿约束，并利用运动学约束求解实现零样本操作，在仿真和真实环境中优于数据驱动方法。
ShareLock: 针对MCP的隐蔽多工具阈值投毒攻击
机构 * Shanghai Jiao Tong University（上海交通大学）
AI总结 提出ShareLock框架，利用Shamir阈值方案将恶意指令分散到多个工具描述中，实现隐蔽性和容错性，平均攻击成功率超90%。
Comments 16 pages, 12 figures
面向长推理的信息感知KV缓存压缩
机构 * Shanghai Jiao Tong University（上海交通大学）
AI总结 提出InfoKV框架，通过结合预测不确定性与注意力分数进行KV缓存压缩，在长上下文推理中优于现有方法。
TAVR-VLM：面向抗幻觉报告生成的风险条件因果基础
机构 * Xi’an Jiaotong-Liverpool University（西交利物浦大学） ； Mohamed bin Zayed University of Artificial Intelligence（穆罕默德·本·扎耶德人工智能大学） ； Shanghai Jiao Tong University（上海交通大学） ； University of Liverpool（利物浦大学） ； Kunming University of Science and Technology（昆明理工大学）
AI总结 提出TAVR-VLM框架，通过风险条件因果注意力（R-CGA）建立“风险→区域→词”的结构化基础路径，在TAVR规划中减少诊断幻觉，实现新最优性能。
PhysEditWorld: 一个面向物理可编辑世界模型的大规模数据集
机构 * Tsinghua Shenzhen International Graduate School, Tsinghua University（清华大学深圳国际研究生院） ； Beihang University（北京航空航天大学） ； The Hong Kong University of Science and Technology（香港科技大学） ； Independent Researcher（独立研究者） ； Shanghai Jiao Tong University（上海交通大学） ； Sun Yat-sen University（中山大学） ； The Chinese University of Hong Kong（香港中文大学） ； Tencent（腾讯）
AI总结 提出PhysEditWorld数据集，通过UE5重放渲染管线生成多重力配置下的动作条件视频，支持可控物理编辑，用于改进世界模型的动力学建模和一致性。
Comments Project page: https://yizhiqianbi.github.io/physeditworld/
基于仅方位测量的闭式4自由度机器人间位姿估计器
机构 * Shanghai Jiao Tong University（上海交通大学）
AI总结 提出一种闭式4自由度机器人间位姿估计器，通过放松旋转估计的非线性约束和误差投影实现平移估计，并引入可观测性测试模块自主确定最优估计时刻，在降低计算成本的同时提高估计精度和可靠性。
用于容错量子计算的高效基础解码器
机构 * College of Computing and Data Science, Nanyang Technological University, Singapore（南洋理工大学计算与数据科学学院） ； Department of Electrical Engineering and Computer Science, Tokyo University of Agriculture and Technology, Koganei, Tokyo, Japan（东京农业与技术大学电气工程与计算机科学系） ； School of Artificial Intelligence, Shanghai Jiao Tong University, Shanghai, China（上海交通大学人工智能学院） ； Science, Mathematics and Technology Cluster, Singapore University of Technology and Design, Singapore（新加坡科技设计大学科学、数学与技术集群） ； School of Physical and Mathematical Science, Nanyang Technological University, Singapore（南洋理工大学物理与数学科学学院）
AI总结 提出神经迁移统一框架(NTU)，通过代数结构对齐不同码距的解码任务，实现小码距知识加速大码距训练，NTU-Transformer在平面表面码和双变量自行车码上超越现有方法。
Comments 32 pages, 9 figures, comments are welcome
MMGist：面向2027年的综合多模态基准
机构 * SJTU（上海交通大学）
AI总结 针对现有视觉语言基准的视觉依赖不足、性能饱和及异常项问题，提出MMGist基准，通过三阶段过滤构建7,262项，覆盖7个能力维度，在保持模型排名高保真度（Spearman ρ=0.98）的同时减少69%评估项并提升78%跨模型区分度。
语义生成微调用于统一多模态模型
机构 * Shanghai Jiao Tong University（上海交通大学） ； Tencent ARCLab（腾讯ARCLab）
AI总结 本文提出语义生成微调（SGT）方法，通过将高阶语义任务作为生成代理，统一多模态模型的感知与生成能力，提升多模态理解和生成质量。
Comments 14 pages, 13 figures
MedPruner: 面向高效3D医学图像理解的免训练层次化令牌剪枝框架
机构 * Chinese University of Hong Kong（香港中文大学） ； Westlake University（西湖大学） ； Southern Medical University（南方医科大学） ； Jiangnan University（江南大学） ； Dalian University of Technology（大连理工大学） ； Shanghai Jiao Tong University（上海交通大学） ； University of Copenhagen（哥本哈根大学）
AI总结 提出MedPruner，一种免训练、模型无关的层次化令牌剪枝框架，通过帧间锚点过滤和动态信息核选择，在保留不到5%视觉令牌时保持甚至提升模型性能，显著降低计算开销。
Comments 11 pages
VisNec: 衡量和利用视觉必要性进行多模态指令微调
机构 * SJTU（上海交通大学） ； Universiti Malaya（马来亚大学） ； CMU（卡内基梅隆大学） ； MBZUAI（穆萨台普大学人工智能研究所） ； KIT（卡尔斯鲁厄理工学院） ； KAUST（王国立阿联酋科学技术大学）
AI总结 提出VisNec分数衡量视觉输入在多模态指令微调中的边际贡献，结合语义聚类选择高必要性样本，在15%数据上达到全数据性能的100.2%。
Comments Accepted at ECCV 2026. Project Page: https://dmk041218.github.io/VisNec/
通过扩散驱动选择实现一致且高效的数据集蒸馏
机构 * Harbin Institute of Technology, Shenzhen（哈尔滨工业大学（深圳）） ； Shanghai Jiao Tong University（上海交通大学） ； Pengcheng Laboratory（鹏城实验室）
AI总结 提出利用扩散先验进行补丁选择而非生成的新框架，通过噪声预测和损失差异识别图像中独特区域，结合类内聚类和排序实现单步蒸馏，在多种指标和设置下优于现有方法。
Comments Accepted by ECCV 2026
理解卷积神经网络的初始凝聚现象
机构 * School of Mathematical Sciences, Shanghai Jiao Tong University（上海交通大学数学科学学院） ； Zhiyuan College, Shanghai Jiao Tong University（上海交通大学紫阳学院） ； CMA-Shanghai, Shanghai Jiao Tong University（上海交通大学CMA-上海） ； Institute of Natural Sciences, MOE-LSC, Shanghai Jiao Tong University（上海交通大学理论科学研究所） ； Qing Yuan Research Institute, Shanghai Jiao Tong University（上海交通大学清元研究院）
AI总结 研究卷积神经网络在小初始化和梯度训练下的凝聚现象，揭示其在参数空间中的隐含偏置及凝聚机制。
Journal ref CSIAM Transactions on Applied Mathematics, 6(2025), 272-319
基于无监督域适应的激光与TIG焊接跨工艺熔透状态预测算法
机构 * Shanghai Key Laboratory of Materials Laser Processing and Modification（上海材料激光加工与改性重点实验室） ； School of Materials Science and Engineering（材料科学与工程学院） ； Shanghai Jiao Tong University（上海交通大学）
AI总结 提出无监督域适应框架结合渐进源域扩展策略，解决激光与TIG焊接间域偏移问题，在跨工艺任务中准确率提升超43%。
基于物理信息神经网络的自监督学习激光焊接过程熔透预测模型
机构 * Shanghai Key Laboratory of Materials Laser Processing and Modification, School of Materials Science and Engineering, Shanghai Jiao Tong University（上海材料激光加工与改性重点实验室，上海交通大学材料科学与工程学院） ； Shanghai Shipbuilding Technology Research Institute（上海船舶工艺研究所）
AI总结 提出SimPhysNet模型，利用自监督学习嵌入物理先验，仅需少量标注图像即可高精度预测激光焊接熔透状态，准确率达96.06%。
基于上下文区域的拖拽：将任意区域拖拽至任意形状
机构 * Shanghai Jiao Tong University（上海交通大学）
AI总结 提出ICRDrag方法，通过上下文学习框架和两种注意力正则化，实现区域级拖拽编辑，在精度和视觉保真度上显著优于现有方法。
Comments Accepted by ECCV 2026. Dataset, code, and model are available at https://github.com/bcmi/ICRDrag-Region-Drag-Editing
超越函数调用：工具环境不可靠性下的工具使用智能体基准测试
机构 * School of AI, Shanghai Jiao Tong University（上海交通大学人工智能学院）
AI总结 提出ToolBench-X基准，在工具环境中注入五种可恢复可靠性风险，评估智能体任务完成能力，发现可靠工具下表现良好的智能体在可恢复风险下失败，失败主因是诊断和恢复能力不足。
面向3D计算机断层扫描的疾病中心视觉语言预训练与混合视觉编码
机构 * DAMO Academy, Alibaba Group（达摩院，阿里巴巴集团） ； Hupan Lab, 310023, Hangzhou, China（虎扑实验室，杭州，中国） ； Shanghai Jiao Tong University, China（上海交通大学，中国） ； Zhejiang University, China（浙江大学，中国） ； Fudan University, China（复旦大学，中国）
AI总结 提出一种结合CNN-ViT混合编码器、疾病级对比学习和诊断感知提示的视觉语言预训练框架，在CT-RATE和Rad-ChestCT上取得最优性能，并提升零样本诊断可靠性。
Comments ICML 2026
EnerInfer: 能量感知的设备端大语言模型推理
机构 * Technical University of Munich（慕尼黑技术大学） ； Huawei Hilbert Research Center (Dresden)（华为希利伯特研究中心（德累斯顿）） ； Huawei Central Software Institute（华为中央软件研究所） ； Shanghai Jiao Tong University（上海交通大学）
AI总结 针对设备端LLM推理中能量与散热瓶颈，提出EnerInfer框架，通过解耦预测与在线反馈动态调整NPU/DDR频率，在保证服务质量前提下提升能效达65%。
小初始化对大语言模型至关重要
机构 * School of Mathematical Sciences, Shanghai Jiao Tong University（上海交通大学数学科学学院） ； Institute of Natural Sciences, Shanghai Jiao Tong University（上海交通大学自然科学研究院） ； MemTensor (Shanghai) Technology Co., Ltd.（上海记忆张量科技有限公司） ； Institute for Advanced Algorithms Research（先进算法研究所）
AI总结 本文发现减小初始化尺度能持续改善大语言模型预训练，尤其在推理任务上提升显著，并揭示了小初始化驱动参数从低复杂度结构向丰富表示演化的机制。
Comments 26 pages, 8 figures
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