高校专区
通过空间-光谱视觉锚学习缓解多模态大语言模型（MLLMs）中的视觉退化
机构 * China University of Petroleum (East China)（中国石油大学（华东）） ； Shanghai Jiao Tong University（上海交通大学） ； Wuhan University（武汉大学） ； Great Wall Motor（长城汽车） ； Nanyang Technological University（南洋理工大学） ； The University of Hong Kong（香港大学）
AI总结 针对MLLMs推理时的视觉表示退化问题，提出SSVAL方法，通过VAPI及辅助对齐损失实现稳定视觉锚，性能优于现有方法。
Comments This paper has been accepted by ACM MM 2026
大模型为何妥协：医学谄媚背后的对话因素与推理
机构 * Virginia Tech（弗吉尼亚理工大学） ； Shanghai Tongren Hospital, Shanghai Jiao Tong University School of Medicine（上海交通大学医学院附属同仁医院） ； Emory University（埃默里大学）
AI总结 研究发现医学谄媚是对话属性而非模型属性，通过5个开放权重模型和500个MedQuAD问题的120万次试验，揭示了对话因素对医学谄媚的影响及思维链轨迹的解释。
Comments 21 pages, 7 figures, 14 tables
用于双靶点分子设计的融合贝叶斯流网络
机构 * School of Computer Science, Shanghai Jiao Tong University（上海交通大学计算机科学学院） ； 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））
AI总结 针对现有双靶点分子生成方法难以充分整合双靶标特征的问题，提出融合贝叶斯流网络FusedBFN，通过分布融合与乘积专家公式实现双靶点分子设计，实验证实其生成的分子兼具强结合亲和力与良好性质。
FlowPilot：面向敏捷无人机导航的实时世界-动作建模
机构 * Beijing Institute of Technology（北京理工大学） ； Zhongguancun Academy（中关村学院） ； Shanghai Jiao Tong University（上海交通大学） ； The University of Hong Kong（香港大学）
AI总结 FlowPilot是一种基于流匹配的紧凑世界-动作模型，采用双流混合Transformer，在三级深度金字塔数据上训练，可实现敏捷无人机实时导航，性能优于基线，能在杂乱环境中以5.5m/s速度运行。
Comments 8 pages, 9 figures, 2 tables, submitted to IEEE Robotics and Automation Letters (RA-L)
动态环境下基于学习的运动规划：从基础算法到新兴范式
机构 * College of Information Science and Technology, Jinan University（暨南大学信息科学技术学院） ； University of Connecticut（康涅狄格大学） ； Guangzhou Maritime University（广州海事大学） ； University of Chinese Academy of Sciences（中国科学院大学） ； Global College, Shanghai Jiao Tong University（上海交通大学全球学院） ； Wuyi University（五邑大学） ； South China University of Technology（华南理工大学）
AI总结 本综述回顾2015至2025年动态环境下基于学习的运动规划代表性研究，提出学习作用分类法，分析相关影响因素，探讨安全可验证规划等开放挑战与未来方向。
Obshazard-bench：面向原始地球观测流的实时灾害情报多模态基础模型基准测试
机构 * National University of Defense Technology（国防科技大学） ； Shanghai Artificial Intelligence Laboratory（上海人工智能实验室） ； Shanghai Jiao Tong University（上海交通大学）
AI总结 本研究推出Obshazard-bench基准测试，评估多模态基础模型的实时灾害情报能力，发现现有模型在将原始多通道物理观测转化为符合决策需求的灾害推理方面存在显著局限。
面向黑暗环境中鲁棒且具备三维感知能力的RGB-NIR成像
机构 * The University of Tokyo（东京大学） ； Adelaide University（阿德莱德大学） ； School of Artificial Intelligence (SAI) Shanghai Jiao Tong University（上海交通大学人工智能学院） ； Hong Kong Polytechnic University（香港理工大学）
AI总结 本文针对黑暗环境下低光照RGB-NIR成像鲁棒性不足的问题，提出一种无需干净RGB监督、具备三维感知能力的神经模型，可融合含噪RGB与NIR线索恢复干净RGB图像，经合成与真实数据验证效果优越。
Comments ACM Multimedia 2026, Codes and Models: https://github.com/MyNiuuu/3DarkFusion
TransGraspNet：透明实验器皿的物理与几何一致性操纵
机构 * Peking University（北京大学） ； School of Advanced Manufacturing and Robotics, Peking University（北京大学先进制造与机器人学院） ； Shanghai Jiao Tong University（上海交通大学） ； Southern University of Science and Technology（南方科技大学）
AI总结 TransGraspNet是实现透明实验器皿物理与几何一致性操纵的框架，通过三个耦合原则解决跨阶段不一致问题，在真实机器人平台上实现了高抓取成功率与零液体泼洒的可靠操作。
ParaASR：面向快速长上下文基于大语言模型的语音识别的多令牌预测
机构 * StepFun（阶跃星辰） ； NTU（南洋理工大学） ； PKU（北京大学） ； UNSW（新南威尔士大学） ； SJTU（上海交通大学） ； USTC（中国科学技术大学）
AI总结 ParaASR是一款基于大语言模型的ASR系统，通过多令牌预测技术，在保持低错误率、低延迟的同时，支持32K长上下文及30分钟音频的快速转录，兼顾识别质量、速度与上下文长度。
Comments 14 pages, 3 figures, 4 tables
FA-RDP：用于接触丰富操作的频率自适应反应式扩散策略
机构 * Shanghai Jiao Tong University（上海交通大学） ； Shanghai Innovation Institute（上海创新研究院） ； Noematrix Ltd.（诺玛特里斯有限公司）
AI总结 FA-RDP 是一种频率自适应反应式扩散策略，通过多频率视觉-力 Transformer 和多模态指标动态调整采样策略，结合流形一致性蒸馏，在接触丰富操作任务中兼顾多模态保留与反应性，实现最高成功率。
Comments Project page: https://fa-rdp.github.io
VAD：为多模态在线策略蒸馏中的目标重建归因视觉证据
机构 * Shanghai Jiao Tong University（上海交通大学） ； Xiaohongshu Inc.（小红书公司） ； The Chinese University of Hong Kong（香港中文大学） ； Zhejiang University（浙江大学） ； Southeast University（东南大学）
AI总结 该研究提出视觉归因蒸馏（VAD）算法，通过反事实目标重建分离教师校正中的视觉证据分量，在6个4B/9B规模的细粒度视觉基准上，性能优于现有蒸馏方法。
Comments The project is accessible at https://github.com/DeepExperience/VAD_Multimodal_OPD
EgoGenesis：基于在线锚定投影记忆与Action-3D RoPE的自我中心世界-动作建模
机构 * Shanghai Jiao Tong University（上海交通大学） ； Alibaba Group（阿里巴巴集团） ； Tianji KernalMind Co., Ltd.（天机芯智有限公司） ； The Hong Kong University of Science and Technology（香港科技大学） ； Southeast University（东南大学） ； Renmin University of China（中国人民大学） ； The University of Tokyo（东京大学）
AI总结 本文提出EgoGenesis模拟器，通过在线锚定投影记忆与Action-3D RoPE合成自我中心操作视频，扩充训练数据，显著提升了真实机器人单臂、双臂任务的分布外操作成功率。
Comments project page: https://egogenesis.github.io/
Flux-OPD：基于演化上下文的在线策略蒸馏
机构 * Peking University（北京大学） ； Kling Team（KLING团队） ； Tsinghua University（清华大学） ； Shanghai Jiao Tong University（上海交通大学） ； Zhongguancun Academy（中关村学院）
AI总结 该研究针对开放域大语言模型训练缺乏可验证奖励的问题，提出Flux-OPD范式，利用演化上下文作为监督，通过分解反向KL目标优化，在开放域任务上性能优于现有OPD范式。
并非所有 token 都应获得同等权重：面向长思维链（Long-CoT）推理的反事实敏感性权重重分配
机构 * State Key Laboratory for Novel Software Technology, Nanjing University（南京大学现代软件技术国家重点实验室） ； Institute of Wireless Communications Technology, Shanghai Jiao Tong University（上海交通大学无线通信技术研究所）
AI总结 针对长思维链推理中均匀分配 token 权重的缺陷，提出反事实敏感性权重重分配方法，在数学推理基准上优于 GRPO，验证了特权诱导方向不可靠的诊断。
Comments 20 pages, 6 figures, 11 tables
BioVLN：生物医学实验室视觉语言导航的仿真平台
机构 * East China University of Science and Technology（华东理工大学） ； Ruijin Hospital, Shanghai Jiao Tong University School of Medicine（上海交通大学医学院附属瑞金医院） ； Shanghai AI Laboratory（上海人工智能实验室）
AI总结 该研究针对现有导航平台不适用于实验室仪器的问题，提出BioVLN仿真平台，通过分区域建模仪器实现更精准导航，实验验证其提升成功率并降低安全风险。
Comments 17 pages, 4 figures
SkillRise：面向跨任务技能演化的智能体强化学习
机构 * Zhejiang University（浙江大学） ； National University of Singapore（新加坡国立大学） ； Shanghai Jiao Tong University（上海交通大学） ； Meituan（美团）
AI总结 SkillRise是跨任务学习技能的统一强化学习框架，解耦信用分配机制实现任务求解与技能整理，在多基准上Pass@1性能优于基线，还降低了运行开销。
锚定与引导扩散：在推理时提升文生图生成的忠实度
机构 * Shanghai Jiao Tong University（上海交通大学）
AI总结 提出无训练框架AnchorSteer，通过语义锚定与反射引导组件改进文生图扩散模型的推理，在GenEval等基准上提升文本-图像对齐性能且保持视觉质量。
Comments Accepted by ECCV 2026
CineWeaver：用于电影叙事的无训练参考可控多镜头长视频生成
机构 * Shanghai Jiao Tong University（上海交通大学） ； China Telecom（中国电信） ； Institute of Artificial Intelligence (TeleAI)（人工智能研究院（电信AI））
AI总结 CineWeaver是首个无训练的统一框架，通过操控位置编码、注意力模式等，实现参考可控的多镜头长视频生成，产出的电影视频时长较长且质量高。
面向视觉-语言-动作模型的来自解析概念的显式运动学引导
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 该研究针对视觉-语言-动作模型忽略3D物体结构信息的缺陷，构建概念专家模块生成解析概念，通过双阶段机制提供显式引导，提升了模型的操作成功率与学习效率。
CaM-Wolf：面向社交推理游戏的因果感知多模态智能体
机构 * The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）） ； Nanyang Technological University（南洋理工大学） ； Shanghai Jiao Tong University（上海交通大学）
AI总结 该研究针对现有SDG智能体多模态特性缺失的问题，提出首个整合多模态感知生成的CaM-Wolf，经实验验证其游戏性能与交互质量均有提升。
Comments Accepted by ACMMM 2026
迈向可靠的染色转移：基于多模态专家指导评估的迭代数据-模型协同优化框架
机构 * East China Normal University（华东师范大学） ； Ruijin Hospital, Shanghai Jiao Tong University School of Medicine（上海交通大学医学院附属瑞金医院） ； Hangzhou Hyperspectral Imaging Technology Co., Ltd.（杭州高光谱成像技术有限公司） ； Fudan University Shanghai Cancer Center（复旦大学附属肿瘤医院）
AI总结 研究针对染色转移建模难题，提出DMCoStain框架，通过迭代优化数据与模型能力提升准确性和可解释性。基于IPE视觉语言模型构建MEGFS策略并创建ImmunoInstruction数据集，实验证明该框架达最优精度，其范式有实用价值，MEGFS可作评估工具。
Comments 10 pages, accepted by ACMMM2026 Main Track
CLBench-V：评估从基础到知识获取的多模态上下文学习
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） ； Zhongguancun Academy（中关村科学城创新中心） ； Shanghai Innovation Institute（上海创新研究院）
AI总结 研究多模态上下文学习问题，引入CLBench-V基准，围绕上下文基础、新信息应用和新知识学习三个维度组织任务，结合公共基准与新数据集，经自动化程序构建，测试六个模型，分析相关因素，揭示多模态上下文学习远未饱和及各模型表现情况。
GAUGE：在没有标准答案的情况下对代理构建的金融模型进行评分
机构 * Shanghai Jiao Tong University（上海交通大学） ； University of Adelaide（阿德莱德大学） ； Tsinghua University（清华大学） ； National University of Singapore（新加坡国立大学） ； Peking University（北京大学）
AI总结 研究针对金融模型无标准答案的问题，引入GAUGE基准，依据分析师实际做法评估代理构建的估值模型，通过多种方式验证，揭示高级、初级分析师及学生在模型评分上的差异，指出当前代理在模型构建与估值判断上的强弱情况，并发布相关资源。
Comments 35 pages, including appendices. Code, benchmark materials, and evaluation artifacts will be publicly released
无舵漂移：四轮独立驱动车辆的差动扭矩控制
机构 * School of Mechanical Engineering, Shanghai Jiao Tong University（上海交通大学机械工程学院） ； School of Mechanical and Aerospace Engineering, Nanyang Technological University（南洋理工大学机械与航天工程学院）
AI总结 研究针对无舵四轮独立驱动车辆，提出基于双轨车辆模型的差动扭矩漂移控制方法，经仿真和实验验证，该方法能使车辆实现特定角度的稳定圆周漂移及8字漂移跟踪，证明了仅用差动轮扭矩漂移控制的可行性。
LivingArena：大语言模型知道其他大语言模型所不知道的吗？作为可扩展评估的对等探测
机构 * Shanghai Jiao Tong University（上海交通大学） ； Tencent（腾讯）
AI总结 研究大语言模型能否利用其他模型的未知进行评估，提出自动化抗污染评估框架LivingArena，模型轮流提问，经评审验证，能产生稳定排行榜，可衡量事实严谨性等，与人类偏好相关性弱，提供低成本持续评估方法。
RoCo-ACE：用于保留感知知识注入的基于展开的在线蒸馏
机构 * Ant Group（蚂蚁集团） ； Zhejiang University（浙江大学） ； Shanghai Jiao Tong University（上海交通大学）
AI总结 研究针对知识注入中拟合权威答案致行为偏差问题，提出RoCo-ACE方法，通过同展开无参考/基于参考条件的似然对比及参考侧锚定校正，在多知识注入设置等下，实现最佳注入知识准确性且保持保留率接近基础模型。
KAI：用于数据高效关节物体操纵的运动感知接口
机构 * The Chinese University of Hong Kong（香港中文大学） ； Shanghai AI Laboratory（上海人工智能实验室） ； Shanghai Jiao Tong University（上海交通大学）
AI总结 研究关节物体操纵中运动结构难学问题，提出运动感知关节接口KAI，通过嵌入先验提高样本效率，在多模拟任务中表现良好，能推广到复杂场景，视频共训练增强真实世界鲁棒性。
Comments Project page: https://li-yaping.github.io/KAI/
思想令牌混合：统一感知与推理以实现自由形式多模态基础定位
机构 * Institute of Artificial Intelligence and Robotics, Xi’an Jiaotong University（西安交通大学人工智能与机器人研究所） ； Xingchen AGI Lab, China Telecom Artificial Intelligence Technology (Beijing) Co., Ltd（星辰通用人工智能实验室，中国电信人工智能技术（北京）有限公司） ； University of Science and Technology Beijing（北京科技大学） ； Beijing University of Posts and Telecommunications（北京邮电大学） ； Shanghai Jiao Tong University（上海交通大学）
AI总结 研究旨在统一多模态基础定位中的感知与推理。提出思想令牌混合（Motto）方法，通过空间接地思想令牌化及上下文自适应令牌链实现，构建PR-Bench基准，实验证明该方法在自由形式接地任务中达领先性能。
Comments Accepted by ACM MM 2026
GenSplatCodec：通过一步扩散实现前馈高斯点云压缩
机构 * Cooperative Medianet Innovation Center, Shanghai Jiao Tong University（上海交通大学协同媒体网络创新中心）
AI总结 研究针对前馈3D高斯点云压缩难题，提出GenSplatCodec统一编解码器，采用双流编码与几何引导生成解码，经三阶段优化策略，在多数据集实验中展现出优于现有方法的率失真性能。
每个客户端都是一个环境：用于时空预测的联邦去混淆
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） ； Harbin Engineering University（哈尔滨工程大学）
AI总结 针对时空预测，提出联邦去混淆框架\method，将客户端视为不同因果环境，利用客户端异质性作为分布式环境证据，学习全局原型码本捕获共享环境模式，推导理论边界，实验证明其优于联邦基线，提供可转移等环境表示。
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