高校专区
InfoShield：通过信息论优化实现心理健康筛查的隐私保护语音表示
机构 * Shenzhen NeurStar Inc., China（深圳NeurStar公司，中国） ； University of York, United Kingdom（约克大学，英国） ； Shanghai Jiao Tong University, China（上海交通大学，中国）
AI总结 提出InfoShield框架，通过最小化语音表示与敏感属性间的互信息，在保持抑郁分类性能的同时有效降低人口统计信息泄露风险。
LeanMarathon：通过长视界Lean自动形式化实现可靠的AI合作数学家
机构 * Department of Statistics, University of Warwick, UK（英国沃里克大学统计系） ； Center for Advanced Intelligence Project, RIKEN, Japan（日本理化学研究所高级智能项目） ； Department of Statistics, University of Michigan, USA（美国密歇根大学统计系） ； Department of Mathematical Informatics, The University of Tokyo（东京大学数学信息学系；日本理化学研究所高级智能项目） ； also Center for Advanced Intelligence Project, RIKEN, Japan（加州大学伯克利分校电气工程与计算机科学系；统计系） ； Department of Electrical Engineering and Computer Sciences, also Department of Statistics, University of California, Berkeley, USA（上海交通大学数学科学学院，自然科学院和MOE-LSC） ； School of Mathematical Sciences, Institute of Natural Sciences and MOE-LSC, Shanghai Jiao Tong University, China
AI总结 提出多智能体框架LeanMarathon，通过蓝图抽象和两阶段编排器实现长视界研究数学的可靠自动形式化，在四个Erdős问题上成功形式化七个定理。
Comments 26 pages, 9 figures. Comments are welcome
从单目视频中恢复物理上可信的人-物交互
机构 * University of Texas at Austin（德克萨斯大学奥斯汀分校） ； Shanghai Jiao Tong University（上海交通大学）
AI总结 提出RePHO方法，通过物理引导的重建框架和强化学习策略，从单目视频中恢复物理上可信的人-物交互，解决了现有方法中的穿透和物体漂浮问题。
Comments CVPR 2026. Project Page: https://dingbang777.github.io/RePHO/
可微分高效算子搜索
机构 * The University of Sydney（悉尼大学） ； ByteDance（字节跳动） ； Shanghai Jiao Tong University（上海交通大学） ； University of California, Los Angeles（加州大学洛杉矶分校）
AI总结 提出可微分高效算子搜索框架，统一解释多种token缩减算子，通过联合搜索缩减位置、保留数量和算子行为，在预算约束下优化多模态模型性能。
面向沉浸式视频角色扮演的奖励分解强化学习
机构 * Nanjing University（南京大学） ； Shanghai Jiao Tong University（上海交通大学） ； University of California, San Diego（加州大学圣地亚哥分校） ； Shenzhen Institutes of Advanced Technology, Chinese Academy of Sciences（中国科学院深圳先进技术研究院） ； School of Information Engineering, Beijing Institute of Graphic Communication（北京印刷学院信息工程学院） ； Ant International, Ant Group（蚂蚁集团国际部） ； Independent Researcher（独立研究者）
AI总结 提出EBM-RL框架，通过奖励分解的强化学习优化视频角色扮演中的视觉感知、推理与生成过程，提升场景一致性与角色真实性。
VISTA: 基于视觉和物理验证的UMI数据适配用于VLA训练
机构 * Institute of AI (TeleAI), China Telecom（人工智能研究院（TeleAI），中国电信） ； Lumos Robotics（Lumos机器人） ； University of Science and Technology of China（中国科学技术大学） ； Northwestern Polytechnical University（西北工业大学） ； Shanghai Jiao Tong University（上海交通大学） ； East China University of Science and Technology（东华大学） ； Harbin Engineering University（哈尔滨工程大学） ； Fudan University（复旦大学）
AI总结 提出VISTA框架，通过UMI-VQA数据集对齐视觉表示、物理验证流水线筛选可行轨迹以及两阶段联合训练，解决UMI数据训练VLA模型时的视觉分布偏移和物理不可行动作问题。
Comments Corrected the typing error
旋转参数化图分数阶傅里叶变换：定义、性质和最优滤波
机构 * School of Mathematics and Statistics, Nanjing University of Information Science and Technology（南京信息工程大学数学与统计学院） ； School of Communication and Artificial Intelligence, Nanjing Institute of Technology（南京理工大学通信与人工智能学院） ； School of Integrated Circuits, Nanjing Institute of Technology（南京理工大学集成电路学院） ； Jiangsu Province Engineering Research Center of IntelliSense Technology and System（江苏省智能感知技术与系统工程研究中心） ； Hubei Key Laboratory of Applied Mathematics, Hubei University（湖北省应用数学重点实验室） ； Key Laboratory of System Control and Information Processing, Ministry of Education, Shanghai Jiao Tong University（教育部系统控制与信息处理重点实验室，上海交通大学）
AI总结 本文提出旋转参数化图分数阶傅里叶变换（RP-GFRFT），通过统一分数阶和旋转参数化的谱分析，解决现有方法在旋转基控制和零角度退化方面的不足，提升图信号处理的去噪、重建和特征保留性能。
评估大型语言模型在标准化病人案例中的动态临床决策能力
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）
AI总结 本文提出MedSP1000基准，通过标准化病人案例模拟动态临床交互，评估LLM在信息收集、治疗计划和长期管理中的表现，发现当前模型在过程级评估中远未达到临床安全标准。
打造你不断演变的梦想：概念增量式多功能定制
机构 * Mohamed bin Zayed University of Artificial Intelligence（Mohamed bin Zayed大学人工智能学院） ； University of Trento（特伦托大学） ； Department of Civil and Environmental Engineering, The Hong Kong Polytechnic University（香港理工大学土木与环境工程系） ； South China University of Technology（华南理工大学） ； College of Computer Science and Technology, Zhejiang University（浙江大学计算机科学与技术学院） ； Institute of Big Data, Fudan University（复旦大学大数据研究院） ； Shanghai Jiao Tong University（上海交通大学）
AI总结 提出持续可定制扩散模型（CCDM），通过属性解耦LoRA模块和相关性引导聚合策略解决灾难性遗忘，并结合可控区域上下文合成策略处理概念忽视，实现概念增量式多功能定制。
Comments Accepted to Transactions on Pattern Analysis and Machine Intelligence (TPAMI)
听你所写：基于声学差异的无参考假设评估
机构 * X-LANCE Lab, School of Computer Science, Shanghai Jiao Tong University, China（X-LANCE实验室、计算机科学学院、上海交通大学、中国） ； MoE Key Lab of Artificial Intelligence, Jiangsu Key Lab of Language Computing, China（人工智能MOE重点实验室、江苏省语言计算重点实验室、中国）
AI总结 提出READ指标，利用预训练自回归TTS模型计算语音与文本假设的声学差异，无需参考转录即可评估ASR假设，并在噪声条件下实现高达20%的相对错误率降低。
Comments Submitted to Interspeech 2026. 6 pages, 4 figures
3DThinkVLA：通过3D思维引导的协同训练赋予视觉-语言-动作模型潜在3D先验
机构 * Shanghai Jiao Tong University（上海交通大学） ； Harbin Institute of Technology（哈尔滨工业大学） ； Nanyang Technological University（南洋理工大学） ； Fudan University（复旦大学） ； Nanjing University（南京大学） ； Daimon Robotics（达梦机器人） ； Great Bay University（大亚大学）
AI总结 提出3D思维引导的协同训练框架，通过解耦3D几何感知与空间推理并在不同特征层次注入，使VLA模型在动作预测中隐式进行3D空间推理，无需3D传感器或外部模型，在多个基准上达到最优性能。
用于三维场景中无人水下航行器噪声频谱预测的神经辐射噪声场
机构 * Key Laboratory of Marine Intelligent Equipment and System, Ministry of Education, Shanghai Jiaotong University, Shanghai（海洋智能装备与系统重点实验室、教育部、上海交通大学、上海）
AI总结 提出神经辐射噪声场（NRNF），将UUV辐射噪声谱表示为三维位置、偏航角和频率的连续函数，实现任意空间位置的查询预测，在湖试数据集上平均预测误差为3.5 dB。
T$^\star$：通过轨迹感知强化学习实现掩码扩散语言模型的渐进块缩放
机构 * Shanghai Academy of AI for Science（上海人工智能科学研究院） ； Shanghai Innovation Institute（上海创新研究院） ； Fudan University（复旦大学） ； School of Mathematical Sciences（数学科学学院） ； Shanghai Jiao Tong University（上海交通大学） ； Carnegie Mellon University（卡内基梅隆大学）
AI总结 提出T$^\star$方法，利用基于TraceRL的训练课程，在掩码扩散语言模型中渐进增大块大小，实现高并行解码且性能损失极小。
ShareVerse：面向共享世界建模的多智能体一致视频生成
机构 * Shanghai Jiao Tong University China（上海交通大学中国） ； Fudan University China（复旦大学中国） ； StepFun China（StepFun中国）
AI总结 提出ShareVerse框架，通过构建多智能体交互数据集、空间拼接策略和跨智能体注意力机制，实现多智能体共享世界的一致视频生成。
即插即用扩散遇见ADMM：双变量耦合用于鲁棒医学图像重建
机构 * ShanghaiTech University（上海科技大学） ； Shanghai Jiao Tong University（上海交通大学）
AI总结 提出双耦合即插即用扩散（DC-PnPDP）框架，通过引入经典对偶变量提供积分反馈并采用频谱均匀化（SH）处理结构伪影，解决了现有PnP求解器的稳态偏差和幻觉问题，在CT和MRI重建中实现了最先进的保真度和加速收敛。
Comments Accepted by ICML 2026
表征、评估与优化复杂推理
机构 * School of Artificial Intelligence, Shanghai Jiao Tong University, Shanghai, China（上海交通大学人工智能学院） ； Shanghai Artificial Intelligence Laboratory, Shanghai, China（上海人工智能实验室） ； University of Science and Technology of China, Hefei, Anhui, China（中国科学技术大学） ； The Chinese University of Hong Kong, Hong Kong, China（香港中文大学） ； Nanjing University, Suzhou, Jiangsu, China（南京大学） ； Peking University, Beijing, China（北京大学）
AI总结 本文提出ME$^2$原则来表征推理质量，基于有向无环图（DAG）的成对评估方法，并构建TRM-Preference数据集训练Thinking Reward Model（TRM），以优化推理过程。
Comments Code and data are available at https://github.com/Simplified-Reasoning/TRM
Breaking Bad Molecules: MLLMs 是否准备好进行结构级分子解毒？
机构 * Department of Engineering Science, Macau University of Science and Technology, Macau, China（澳门科学技术大学工程科学系） ； School of Computer Science, Shanghai Jiao Tong University, Shanghai, China（上海交通大学计算机科学学院） ； Institute of Automation, Chinese Academy of Sciences, Beijing, China（中国科学院自动化研究所） ； School of Pharmacy, Macau University of Science and Technology, Macau, China（澳门科学技术大学药学院） ； Faculty of Electrical Engineering and Computer Science, Ningbo University, Ningbo, China（宁波大学电气与计算机科学学院） ； State Key Laboratory of Biopharmaceutical Preparation and Delivery, Institute of Process Engineering, Chinese Academy of Sciences, Beijing, China（中国科学院生物制药制备与递送国家重点实验室） ； 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） ； Shanghai Artificial Intelligence Laboratory, Shanghai, China（上海人工智能实验室）
AI总结 本文提出 ToxiMol 基准任务，利用多模态大语言模型进行分子毒性修复，并构建数据集、提示流程和自动评估框架 ToxiEval，实验表明当前模型虽面临挑战但展现出毒性理解与结构编辑的潜力。
推理边界：通过测试时深思增强规范对齐
机构 * School of Artificial Intelligence, Shanghai Jiao Tong University, Shanghai, China（上海交通大学人工智能学院） ； Shanghai Artificial Intelligence Laboratory, Shanghai, China（上海人工智能实验室） ； University of Science and Technology of China, Hefei, Anhui, China（中国科学技术大学） ； The Chinese University of Hong Kong, Hong Kong, China（香港中文大学） ； University of Illinois Urbana-Champaign, Urbana, IL, USA（伊利诺伊大学厄巴纳-香槟分校）
AI总结 提出Align3方法，利用测试时深思（TTD）和分层反思修正来推理规范边界，并构建SpecBench基准，实验表明TTD能有效增强规范对齐。
Comments 10 pages main text, 52 pages total (including appendix). Code and resources are available at https://github.com/zzzhr97/SpecBench
从运动信号到洞察：体育课堂学生行为分析与反馈的统一框架
机构 * Shanghai Jiao Tong University（上海交通大学）
AI总结 提出一个基于运动信号和大型语言模型的端到端统一框架，用于体育课堂学生行为分析，自动生成教学洞察和改进建议。
Comments Work in progress
RodFIter：通过函数迭代从惯性测量中重建姿态
机构 * Shanghai Jiao Tong University（上海交通大学）
AI总结 本文提出了一种基于罗德里格斯向量的函数迭代方法（RodFIter），用于从陀螺仪测量中精确重建姿态，该方法在理论上能够准确重构增量姿态，并在姿态摆动运动中表现出优于主流姿态算法的精度。
Comments IEEE TAES, 2018
并行坐标下降牛顿法用于高效ℓ1正则化最小化
机构 * ETH Zurich（苏黎世联邦理工学院） ； CNCERT（国家计算机网络应急中心） ； Shanghai Jiao Tong University（上海交通大学） ； University of California, Merced（加州大学默塞德分校）
AI总结 本文提出并行坐标下降牛顿算法（PCDN），通过将Hessian矩阵的非对角线元素设为零以实现并行化，有效解决大规模优化问题中的并行性与收敛性问题。
基于边缘驱动的小波框架模型图像修复
机构 * Institute of Natural Sciences, Shanghai Jiao Tong University, 200240 Shanghai China（上海交通大学自然科学研究院） ； Beijing International Center for Mathematical Research, Peking University, 100871 Beijing China（北京大学北京国际数学研究中心） ； School of Mathematical Sciences（数学科学学院） ； MOE-LSC, Shanghai Jiao Tong University, 200240 Shanghai China（上海交通大学教育部重点实验室）
AI总结 本文提出一种边缘驱动的小波框架模型，通过将图像近似为分段光滑函数，对光滑和奇异区域施加不同强度的正则化，实现鲁棒的图像修复。
非holonomic多机器人系统的分布式采样数据控制与临近网络
机构 * Key Laboratory of Systems and Control, Academy of Mathematics and Systems Science, CAS（系统与控制重点实验室，数学与系统科学研究院） ； Department of Automation, Shanghai Jiaotong University（自动化系，上海交通大学） ； School of Sciences, Hebei University of Technology（理学院，河北工业大学） ； School of Engineering and Information Technology, University of New South Wales（工程与信息技术学院，新南威尔士大学） ； Systems Theory, KTH Royal Institute of Technology（系统理论，皇家理工学院）
AI总结 本文研究了通过距离诱导临近网络连接的多机器人系统的分布式采样数据控制问题，设计了基于最近邻规则的分布式采样数据控制器，通过混合闭环系统实现同步，并定量确定领导者数量以跟踪常量或时变信号。
Comments 15 pages, 3 figures
Journal ref Automatica 77 (2017) 170-179
WavTTS：通过直接原始波形建模实现高质量零样本TTS
机构 * Shanghai Jiao Tong University（上海交通大学） ； Shanghai Innovation Institute（上海创新研究院） ； ByteDance Seed（字节跳动种子）
AI总结 提出WavTTS，首个基于流匹配与扩散Transformer的原始波形生成TTS模型，通过简单分块策略直接建模波形并集成多尺度梅尔频谱监督，在零样本TTS中接近潜在空间生成模型性能。
AnyAudio-Judge：基于动态评分标准的音频指令跟随基准与评估器
机构 * Zhejiang University（浙江大学） ； Shanghai Innovation Institute（上海创新研究院） ； Shanghai Jiao Tong University（上海交通大学） ； Tencent Hunyuan（腾讯文脉）
AI总结 针对指令引导音频生成中复杂指令解耦困难、评估缺乏可解释性和细粒度属性匹配的问题，提出基于动态评分标准的评估范式，通过自适应分解音频描述为可验证的二元评分项，并构建包含7920个样本的双语基准和105K训练语料，结合SFT与GRPO训练专用评估器，在零样本对齐检测和下游强化学习指令对齐中取得显著提升。
Humanoid-GPT：扩展数据与结构以实现零样本运动跟踪
机构 * Tsinghua University（清华大学） ； Galbot Inc.（Galbot公司） ； Shanghai Jiao Tong University（上海交通大学） ； Peking University（北京大学） ； Shanghai Qi Zhi Institute（上海启智研究院）
AI总结 提出Humanoid-GPT，一种基于GPT风格的因果Transformer，在十亿级运动语料上预训练，实现全身控制，通过扩展数据和模型容量达到对未见运动和任务的零样本泛化。
Comments Accepted at CVPR 2026
scTranslation：单细胞多组学模态翻译的综合基准
机构 * Westlake University（西湖大学） ； Shanghai Jiao Tong University（上海交通大学） ； Zhejiang University（浙江大学） ； The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）） ； Xidian University（西安电子科技大学） ； Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所）
AI总结 针对单细胞多组学模态翻译任务，提出了包含多样化数据集、先进模型和全面评估指标的综合基准scTranslation，并系统研究了特征选择、特征质量和少样本设置等影响因素。
先压缩后合并：从多个LoRA到一个低秩适配器
机构 * Institute of Image Processing and Pattern Recognition, School of Automation and Intelligent Sensing, Shanghai Jiao Tong University, Shanghai, China（图像处理与模式识别研究所，自动化与智能感知学院，上海交通大学，上海，中国） ； Shanghai Key Laboratory of Flexible Medical Robotics, Tongren Hospital, Institute of Medical Robotics, Shanghai Jiao Tong University, Shanghai, China（柔性医疗机器人上海市重点实验室，同仁医院，医疗机器人研究所，上海交通大学，上海，中国）
AI总结 针对多LoRA合并时全参数合并破坏低秩结构的问题，提出先压缩后合并（CtM）方法，通过共享子空间投影保证输出严格秩r，性能优于现有单LoRA基线。
Comments Accepted to ICML 2026. Code: https://github.com/ZhengbaoHe/compress-then-merge
GN0：迈向视觉语言导航中生成、评估与策略学习的统一范式
机构 * Institute of Artificial Intelligence, China Telecom（人工智能研究院，中国电信） ； Shanghai Jiao Tong University（上海交通大学） ； Zhejiang University（浙江大学） ； Tongji University（同济大学） ； Fudan University（复旦大学） ； Jiangsu University（江苏大学）
AI总结 提出GN0统一框架，通过自动生成大规模导航数据集GN-Matrix、基于3DGS的高保真仿真平台和BEV基准GN-Bench，结合RL驱动的导航基础模型BAE，在VLN任务上超越现有方法。
Foley-Omni：从任务级音频合成到完整视频配乐生成的统一多模态生成模型
机构 * School of Intelligence Science and Technology, Nanjing University（南京大学智能科学与技术学院） ； Video Rebirth ； Shanghai Jiao Tong University（上海交通大学） ； Beijing Jiaotong University（北京交通大学） ； Shanghai AI Laboratory（上海人工智能实验室）
AI总结 提出Foley-Omni统一多模态音频生成模型，通过共享潜变量生成过程联合建模语音、音效和音乐，实现从孤立任务级合成到完整视频配乐生成，并构建V2ST-Bench基准进行综合评估。
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