高校专区
预见与学习：在主动智能体中释放空闲时间计算
机构 * Shanghai Jiao Tong University（上海交通大学） ； Tencent（腾讯）
AI总结 提出ProAct主动智能体架构，利用空闲时间计算预测并满足用户未来需求，通过ProActEval基准测试验证其在任务加速、减少用户努力和降低幻觉率方面的显著优势。
Comments 26 pages, 4 figures; code available at https://github.com/AgentACE-AI/ProAct
ParkingWorld: 基于3DGS仿真中纠正性经验的端到端自主泊车强化学习
机构 * Tsinghua University（清华大学） ； Shanghai Jiaotong University（上海交通大学）
AI总结 提出一种基于纠正性经验的样本高效强化学习框架(CIL-SERL)，在逼真的3D高斯溅射(3DGS)仿真器中训练端到端自主泊车策略，通过多级回放缓冲区机制提高成功率、效率和安全性。
Comments 9 pages(including 1 page of Appendix), 6 figures. Will be submitted to RA-L 2026
浅层ReLU$^s$网络在$L^p$型空间和Sobolev空间中的逼近与路径范数控制的泛化
机构 * School of Mathematical Sciences Fudan University（复旦大学数学学院） ； School of Mathematical Sciences Institute of Natural Sciences and MOE-LSC Shanghai Jiao Tong University（上海交通大学数学学院、自然科学研究院和教育部低维量子体系科学重点实验室） ； School of Mathematical Sciences Shanghai Key Laboratory for Contemporary Applied Mathematics Fudan University（复旦大学上海当代应用数学重点实验室数学学院）
AI总结 本文研究浅层ReLU$^s$网络在$L^p$型空间和Sobolev空间中的逼近能力，并通过$\ell_1$路径范数控制实现非参数回归的极小化最优泛化误差。
Comments 42 pages, 1 figure. Update theorem 2and fix some typos. Authors are listed in alphabetical order and contributed equally
FLUIDSPLAT: 通过高斯原语从稀疏传感器重建物理场
机构 * Shanghai Artificial Intelligence Laboratory（上海人工智能实验室） ； The Hong Kong University of Science and Technology（香港科学与技术大学） ； Mohamed bin Zayed University of Artificial Intelligence（莫扎德·本·扎耶德人工智能大学） ； Shanghai Jiaotong University（上海交通大学）
AI总结 提出FLUIDSPLAT模型，利用高斯原语作为空间显式中间表示，从稀疏传感器数据重建流场，理论分析了表示能力与观测数的关系，并在多个基准上实现误差降低11-28%。
Comments 24 pages, 5 figures,preprint
稳定性意味着冗余：Delta注意力选择性停止用于高效长上下文预填充
机构 * 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） ； Carnegie Mellon University（卡内基梅隆大学）
AI总结 针对长上下文场景中预填充计算成本高的问题，提出一种无需训练的Delta注意力选择性停止策略（DASH），通过监控自注意力层更新动态来停止稳定令牌的处理，从而在不牺牲模型准确性和硬件效率的前提下实现预填充加速。
Comments Accepted to ACL 2026 main conference
CreditDecoding: 利用轨迹信用加速扩散大语言模型中的并行解码
机构 * Shanghai Jiao Tong University（上海交通大学） ； Ant Group（蚂蚁集团） ； Westlake University（西湖大学）
AI总结 针对扩散大语言模型并行解码中正确令牌被反复重掩导致冗余迭代的问题，提出基于轨迹信用的无训练并行解码方法CreditDecoding，融合历史证据与当前logits提升低置信度正确令牌的置信度，实现高达5.48倍加速并提升准确性。
Comments 19 pages, 13 figures, 9 tables, Accepted to ACL 2026 main conference
挖掘属性子空间以实现3D基础模型的高效微调
机构 * The 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） ； Adobe Research（Adobe研究） ； Google Research（谷歌研究）
AI总结 本文通过生成合成数据并提取与纹理、几何、相机运动和光照变化相关的LoRA子空间，发现这些子空间近似解耦，集成后形成降维子空间，从而提高下游任务微调的效率和预测精度。
Comments 10 pages, 8 figures. Code here: https://github.com/jpppppppppppppppppppppppp/Subspaces-Mining-for-VGGT
弥合视觉令牌剪枝中的语义-动作鸿沟以实现高效VLA推理
机构 * School of AI, Shanghai Jiao Tong University（上海交通大学人工智能学院） ； University of Science and Technology of China（中国科学技术大学） ； Harbin Institute of Technology (Shenzhen)（哈尔滨工业大学（深圳）） ； BAAI（北京人工智能研究院）
AI总结 提出VLA-Pruner方法，通过结合语义预填充和时序平滑的动作相关性估计视觉令牌重要性，并采用Combine-then-Filter策略，在保持操作质量的同时实现高达1.99倍加速。
RulePlanner: 用于统一3D布局规划中设计规则的全能强化学习器
机构 * Shanghai Jiao Tong University（上海交通大学） ； Mohamed bin Zayed University of Artificial Intelligence（穆罕默德·本·扎耶德人工智能大学）
AI总结 提出一种基于深度强化学习的统一框架，通过新颖的矩阵表示、动作空间约束和奖励信号定量分析，处理多种硬件设计规则，实现3D布局规划中的规则遵守。
Comments ICML 2026
MolPIF: 一种用于分子生成的参数插值流模型
机构 * Lingang Laboratory（灵冈实验室） ； School of Information Science and Technology（信息科学与技术学院） ； ShanghaiTech University（上海科技大学） ； Drug Discovery and Design Center, State Key Laboratory of Drug Research（药物发现与设计中心、国家药物研究重点实验室） ； Shanghai Institute of Materia Medica, Chinese Academy of Sciences（中国科学院上海 medicinal materials 研究院） ； Global Institute of Future Technology（未来技术全球研究院） ； Shanghai Jiao Tong University（上海交通大学） ； College of Computer Science and Artificial Intelligence（计算机科学与人工智能学院）
AI总结 提出参数插值流模型MolPIF，通过参数空间分布插值统一连续坐标与离散原子类型的生成，在CrossDocked2020数据集上优于基线方法。
Comments Accepted to Bioinformatics
CRoFT: 面向OOD泛化和开放集OOD检测的并发优化鲁棒微调
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 针对视觉语言预训练模型微调时分布偏移问题，提出一种基于能量分数梯度最小化的统一微调框架，同时提升闭集OOD泛化能力和开放集OOD检测性能。
DRScaffold：提升轻量级视觉语言模型在密集场景推理中的能力
机构 * Shanghai Jiao Tong University（上海交通大学）
AI总结 针对轻量级视觉语言模型在密集场景推理中缺乏显式视觉锚定导致推理链不可靠的问题，提出DRScaffold监督微调框架，通过将监督目标分解为四个因果有序阶段，在不修改架构的情况下强制进行有根据的推理，显著提升密集场景推理性能。
SkillOpt: 自我进化智能体技能的执行策略
机构 * Microsoft（微软公司） ； Shanghai Jiao Tong University（上海交通大学） ； Tongji University（同济大学） ； Fudan University（复旦大学）
AI总结 提出SkillOpt，一种系统性的可控文本空间优化器，通过分离的优化器模型对技能文档进行有界编辑，并仅在严格改善验证分数时接受编辑，从而稳定训练技能，在六个基准测试中全面优于现有方法。
Comments 27 pages, 4 figures, 6 tables
DyCoRM: 面向文本到图像生成的动态准则感知奖励建模
机构 * Shanghai Jiao Tong University（上海交通大学）
AI总结 针对用户对文本到图像生成中动态、细粒度评价准则的需求，提出DyCoRM动态准则感知奖励模型，并构建数据集DyCoDataset-20K和基准DyCoBench-1K，通过准则感知偏好比较和DyCoPick选择方法，实现首个动态细粒度奖励建模框架。
AI在肝纤维化分期中取得了多大进展？大规模真实世界数据集与基准
机构 * School of Data Science, Fudan University, Shanghai, China（复旦大学数据科学学院） ； Department of Radiology, Shanghai Public Health Clinical Center, Fudan University, Shanghai, China（复旦大学上海公共卫生临床中心放射科） ； Department of Electrical and Computer Engineering, Northwestern University, Evanston, USA（西北大学电气与计算机工程系） ； 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） ； School of Biomedical Engineering, Shanghai Jiao Tong University, Shanghai, China（上海交通大学生物医学工程学院） ； School of Computer Science, University of Nottingham, Nottingham, UK（诺丁汉大学计算机科学学院） ； Institute of Medical Robotics, School of Biomedical Engineering, Shanghai Jiao Tong University, Shanghai, China（上海交通大学生物医学工程学院医疗机器人研究所） ； College of Computer Science and Technology, Huaqiao University, Xiamen, China（华侨大学计算机科学与技术学院） ； School of Electronic Information (School of Artificial Intelligence), Northwest University, Xi'an, China（西北大学电子信息学院（人工智能学院）） ； Department of Mechanical Engineering, University College London, London, UK（伦敦大学学院机械工程系） ； Institute of Neuroscience and Cardiovascular Research, University of Edinburgh, Edinburgh, UK（爱丁堡大学神经科学与心血管研究学院） ； CAS Center for Excellence in Nanoscience, National Center for Nanoscience and Technology, Beijing, China（中国科学院纳米科学卓越中心） ； School of Control Science and Engineering, Shandong University, Jinan, China（山东大学控制科学与工程学院） ； School of Engineering, College of Engineering and Physical Sciences, University of Birmingham, Birmingham, UK（伯明翰大学工程学院）
AI总结 基于多中心、多序列MRI的大规模真实世界数据集LiFS，系统评估了9种AI方法在肝纤维化分期中的表现，发现最佳AI与资深放射科医生相当，但跨中心异质性和标签不平衡仍是主要挑战。
Comments Submitted to Medical Image Analysis
Full-4D：从单视角视频生成全范围4D场景
机构 * Shanghai Jiao Tong University（上海交通大学） ； Institute of Artificial Intelligence, China Telecom (TeleAI)（中国电信人工智能研究院）
AI总结 提出一种将单视角视频转换为全范围4D场景的框架，通过多视角视频合成和基于优化的4D重建，引入大规模数据集Real-MV-4D、融合时间-视图注意力的扩散模型和流匹配蒸馏损失，实现高保真度和几何一致性。
多样性中的和谐：面向大型推理模型的多域对比策略优化
机构 * Shanghai Jiao Tong University（上海交通大学） ； Shanghai AI Laboratory（上海人工智能实验室） ； Shandong University（山东大学）
AI总结 提出多域对比策略优化（MCPO），通过对比学习促进跨域知识迁移并减少干扰，提升大型推理模型在多域场景下的推理能力。
Comments 25 pages, 5 figures
主动应对不确定性：面向口语对话系统的因果感知错误诊断与交互式澄清
机构 * Nanyang Technological University, Singapore（南洋理工大学，新加坡） ； Shanghai Jiao Tong University, China（上海交通大学，中国）
AI总结 本文提出一种因果感知的错误恢复范式，通过细粒度检测器解耦ASR中的感知、理解和删除错误，使LLM能够执行多轮针对性澄清策略，从而显著降低词错误率并提升下游任务性能。
ViroBench：病毒基因组学任务中的核苷酸基础模型基准测试
机构 * Shanghai Innovation Institute Shanghai China（深圳河套学院） ； University of Electronic Science ； Fudan University Shanghai China ； Shanghai Artificial Intelligence Laboratory Shanghai China ； Institute of Infection ； Health Fudan University Shanghai China ； Shanghai Sci-Tech Inno Center for Infection \& Immunity Shanghai China ； Shanghai Jiao Tong University Shanghai China ； Shenzhen Loop Area Institute Shenzhen China ； Chinese University of Hong Kong Hong Kong China ； Westlake University Hangzhou China ； Shanghai Innovation Institute ； Fudan University ； Shanghai Artificial Intelligence Laboratory ； Shanghai Sci-Tech Inno Center for Infection \& Immunity ； Shanghai Jiao Tong University ； Shenzhen Loop Area Institute ； Chinese University of Hong Kong ； Westlake University
AI总结 提出首个针对病毒基因组学的综合基准ViroBench，评估66个核苷酸基础模型在生物学理解和潜在生物安全风险上的表现，发现模型在系统发育和时间偏移下性能下降，生成任务中统计似然与生物功能有效性脱钩，且预训练数据的分类多样性比参数规模更重要。
Comments 42 pages,15 figures
双路径几何感知多模态大语言模型用于空间智能
机构 * University of Science and Technology of China（中国科学技术大学） ； Li Auto Inc.（利汽车公司） ； Shanghai Jiao Tong University（上海交通大学）
AI总结 提出GAMSI，一种仅以RGB图像为输入、通过双路径查询和专家引导视觉对齐实现3D结构与度量尺度联合感知的多模态大语言模型，在七个空间智能基准上达到最优性能。
可视化不可见：生成式视觉定位赋能多模态大语言模型的通用脑电图理解
机构 * Shanghai Jiao Tong University（上海交通大学） ； Microsoft Research Asia（微软亚洲研究院）
AI总结 提出生成式视觉定位（GVG）框架，通过脑电图到图像的生成模型作为视觉翻译器，为多模态大语言模型提供结构化视觉上下文，以增强非视觉脑电图的理解和临床状态解释。
稀疏令牌足矣：通过令牌感知梯度优化越狱音频语言模型
机构 * Wuhan University ； Institute for Math \& AI, Wuhan University ； Huazhong University of Science ； Shanghai Jiao Tong University ； Xidian University
AI总结 本文提出令牌感知梯度优化（TAGO）方法，通过仅保留高梯度能量的音频令牌对应的波形梯度，实现稀疏越狱攻击，在保持高成功率的同时大幅减少优化量。
Comments To appear in the 43rd International Conference on Machine Learning (ICML 2026)
River-LLM：基于KV共享的大型语言模型无缝退出
机构 * Shanghai Jiao Tong University（上海交通大学）
AI总结 针对解码器-only架构中早期退出因KV缓存缺失导致的延迟和精度问题，提出无需训练的River-LLM框架，通过轻量级KV共享退出流实现令牌级无缝退出，并利用状态转移相似性预测KV误差指导退出决策，在数学推理和代码生成任务上获得1.53-2.16倍实际加速且保持高质量。
Comments Accepted to ACL 2026, 13pages, with appendix. Corrected some typos
面向统一重建、理解和生成的语音VAE蒸馏损失函数研究
机构 * School of Artificial Intelligence, Shanghai Jiao Tong University, Shanghai, China（上海交通大学人工智能学院） ； Auditory Cognition and Computational Acoustics Lab（听觉认知与计算声学实验室） ； MoE Key Lab of Artificial Intelligence, AI Institute（人工智能MoE重点实验室，AI研究院） ； School of Computer Science, Shanghai Jiao Tong University, Shanghai, China（上海交通大学计算机科学学院） ； ByteDance Seed, China（字节跳动种子，中国）
AI总结 本文系统探索了语音VAE中不同对齐方法对重建、理解和生成任务性能的影响，并提出联合边缘对齐与自适应加权策略以实现最优整体性能。
Comments Submitted to Interspeech 2026
OpenWorldLib: 高级世界模型的统一代码库与定义
机构 * Peking University（北京大学） ； Zhongguancun Academy（中关村学院） ； Tsinghua University（清华大学） ； National University of Singapore（新加坡国立大学） ； Shanghai Jiao Tong University（上海交通大学） ； Sun Yat-sen University（中山大学） ； Beijing Key Laboratory of Data Intelligence and Security（北京数据智能与安全重点实验室） ； Nanyang Technological University（南洋理工大学）
AI总结 本文提出OpenWorldLib框架，基于对世界模型演化的分析给出清晰定义，并系统分类其核心能力，实现多任务模型的统一集成与高效推理。
Comments 28 pages, 6 figures
具有不确定性感知输出长度预测的LLM推理调度
机构 * School of Computer Science, Wuhan University, Wuhan, China（武汉大学计算机学院） ； School of Computer Science, Central China Normal University, Wuhan, China（中央财经大学计算机学院） ； Dameng Database Co., Ltd., Wuhan, China（达梦数据库有限公司） ； School of Artificial Intelligence, Shanghai Jiao Tong University, Shanghai, China（上海交通大学人工智能学院） ； Institute for Math and AI, Wuhan University, Wuhan, China（武汉大学数学与人工智能研究院）
AI总结 针对LLM推理调度，提出基于对数t分布的输出长度分布模型，并设计Tail Inflated Expectation (TIE)指标替代点估计，以降低在线推理延迟并提高离线吞吐量。
Comments Accepted at ICML 2026
理解Adam在高度退化多项式上的收敛性
机构 * Institute of Natural Sciences, MOE-LSC, Shanghai Jiao Tong University（上海交通大学理论科学研究院） ； School of Mathematical Sciences, Shanghai Jiao Tong University（上海交通大学数学科学学院） ； Shanghai Seres Information Technology Co., Ltd, Shanghai 200040, China（上海塞瑞斯信息技术有限公司）
AI总结 本文研究Adam优化器在高度退化多项式上的自动收敛性质，推导局部渐近稳定性条件，证明其线性收敛速度优于梯度下降和动量法，并刻画超参数相图。
Comments Accepted to ICML 2026
Krause同步变换器
机构 * Shanghai Qi Zhi Institute（上海启智研究院） ； College of AI, Tsinghua University（清华大学人工智能学院） ； Shanghai Jiao Tong University（上海交通大学） ； California Institute of Technology（加州理工学院） ； University of Amsterdam（阿姆斯特丹大学）
AI总结 提出基于有界置信共识动力学的Krause注意力机制，通过局部化稀疏交互替代全局softmax归一化，缓解表示坍缩和注意力汇聚现象，实现线性复杂度并提升性能。
Comments ICML 2026, Project page: https://jingkun-liu.github.io/krause-sync-transformers/
CPMobius: 无数据强化学习的迭代式教练-玩家推理
机构 * Tsinghua University（清华大学） ； University of Cambridge（剑桥大学） ； Shanghai Jiao Tong University（上海交通大学）
AI总结 提出CPMobius协作式教练-玩家范式，通过无外部数据的合作优化循环提升数学推理能力，在Qwen2.5-Math-7B-Instruct上总体准确率提升4.9%，OOD准确率提升5.4%。
Comments Accepted to the ICML 2026
通过多表示生成增强统一多模态模型的理解能力
机构 * Tsinghua Shenzhen International Graduate School, Tsinghua University（清华大学深圳国际研究生院，清华大学） ； AMAP, Alibaba Group（阿里妈妈，阿里巴巴集团） ； 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 提出UniMRG方法，通过辅助生成像素、深度和分割等多重表示，增强统一多模态模型的理解能力，减少幻觉并提升空间理解。
Comments Code: https://github.com/Sugewud/UniMRG
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