高校专区
MonoScale: 通过单调改进扩展多智能体系统
机构 * Shanghai Jiao Tong University, Shanghai, China（上海交通大学，上海，中国） ； Shanghai Innovation Institute, Shanghai, China（上海创新研究院，上海，中国）
AI总结 本文提出MonoScale框架，通过生成agent条件化熟悉任务、收集交互证据并将其转化为可审计的自然语言记忆，实现多智能体系统的单调性能提升，实验表明其在GAIA和Humanity's Last Exam任务中优于简单扩展和强路由固定池基线。
ChunkFT: 用于内存高效全微调的分块优化
机构 * Northeastern University, China（中国东北大学） ； Shanghai Jiao Tong University, China（上海交通大学） ； CIS, LMU Munich, Germany（慕尼黑大学CIS实验室） ； MCML, Germany（德国MCML实验室） ； Shandong University, China（山东大学）
AI总结 本文提出ChunkFT框架，通过动态激活的工作集重新定义全参数微调，实现了无需修改网络架构即可对任意子张量进行梯度计算，理论分析和实验表明其在内存使用、运行时间和优化质量上均有效，且在下游任务中表现优于现有内存高效基线。
通过反向生成数据和引导强化学习学习第一积分
机构 * Shanghai Jiao Tong University（上海交通大学）
AI总结 本文提出FISolver，一种基于LLM的求解器，通过反向生成数据和引导强化学习方法，解决第一积分发现中的数据稀缺问题，并在挑战性基准上显著优于其他方法。
Comments 17 pages, 2 figures, 3 tables
动态视频生成：跨时间和空间的视频生成塑造
机构 * Shanghai Jiao Tong University（上海交通大学） ； South China University of Technology（华南理工大学） ； Tsinghua University（清华大学）
AI总结 本文提出DVG框架，通过在时间和空间上联合分配计算，自动选择内容感知的加速策略，实现近无损加速，展示了在视频生成中的高效性能。
STEAM: 一种无需训练的拥堵感知增强框架用于去中心化多智能体路径寻找
机构 * School of Automation and Intelligent Sensing, Shanghai Jiao Tong University（自动化与智能感知学院，上海交通大学）
AI总结 本文提出STEAM框架，一种无需训练的去中心化多智能体路径寻找（MAPF）学习方法，在离散环境中通过注入轻量级拥堵感知指导来提升性能，通过空间避让、时间修正和密度修正等方法提高成功率和效率。
Winfree振荡神经网络
机构 * Shanghai Jiao Tong University（上海交通大学） ； 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）
AI总结 本文提出了一种基于广义Winfree动力学的振荡神经网络WONN，通过结构化的振荡交互在流形$(S^1)^d$上进化表示，结合基于相位的归纳偏置与灵活的层次交互机制，实现了在图像识别和复杂推理任务上的竞争力和参数效率。
Comments Project page: https://jiawen-dai.github.io/WONN_Project_Page/
HyDAR-Pano3D: 一种用于全景到3D重建的混合解耦解剖恢复框架
机构 * School of Computer Science, the University of Sydney（悉尼大学计算机科学学院） ； Geneva School of Health Sciences, HES-SO University of Applied Sciences and Arts Western Switzerland（日内瓦健康科学学院，HES-SO应用科学和艺术西瑞士大学） ； 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） ； Sydney Dental School, Faculty of Medicine and Health, The University of Sydney（悉尼牙科学院，医学与健康学院，悉尼大学）
AI总结 本文提出HyDAR-Pano3D框架，通过解耦解剖恢复问题来解决全景影像到CBCT重建中的模糊问题，实验表明其在PSNR、SSIM和Dice评分上均优于基线方法，能够有效恢复临床相关的解剖结构。
Comments 10 pages
VBFDD-Agent 用于电动汽车电池故障检测与诊断：电池数字信号的描述性文本建模
机构 * Department of Industrial Engineering and Management, School of Mechanical Engineering, Shanghai Jiao Tong University, Shanghai 200240, China（工业工程与管理系，机械工程学院，上海交通大学，上海200240，中国）
AI总结 本研究提出了一种基于描述性文本建模的电池信号报告方法，用于解决开放源代码电池故障报告数据集稀缺和缺乏统一维护知识表示的问题，通过构建语言语料库来改进电池健康诊断和维护，提出了VBFDD-Agent，整合了描述性电池状态文本、历史案例检索、本地维护手册和大语言模型推理，生成结构化的诊断结果和维护建议。
可信的权重，危险的优化？针对大语言模型的优化触发后门攻击
机构 * Shanghai Jiao Tong University（上海交通大学） ； Beihang University（北京航空航天大学） ； Tongji University（同济大学） ； Nanyang Technological University（南洋理工大学）
AI总结 本文提出了一种利用编译优化过程植入隐蔽后门的攻击方法，通过两种互补策略在无需修改编译器或硬件的情况下，实现对大语言模型的后门攻击，并展示了其在多个开源大语言模型上的高成功率。
Comments 20 pages, 3 figures
具有状态管理的多智能体协作
机构 * Shanghai Jiaotong University（上海交通大学） ； Cortices AI ； Emory University（埃默里大学） ； Peking University（北京大学）
AI总结 本文提出STORM，一种面向多智能体协作的状态管理方法，通过在共享工作区中调解智能体的交互，确保每个智能体在一致的代码库视图上操作，并在写入时检测和解决冲突。STORM在多个LLM上优于基于git-worktree的多智能体基线，且在成本效率上具有竞争力，表明显式状态管理比工作区隔离更有效。
手在环中：通过无缝手臂干预改进VLA策略以实现灵巧操作
机构 * State Key Laboratory of Mechanical System and Vibration, School of Mechanical Engineering, Shanghai Jiao Tong University（机械系统与振动国家重点实验室，机械工程学院，上海交通大学） ； Shanghai Key Laboratory of Intelligent Robotics, Meta Robotics Institute, Shanghai Jiao Tong University, Shanghai 200240, China（智能机器人上海市重点实验室，元机器人研究院，上海交通大学，上海200240，中国） ； The University of Tokyo（东京大学）
AI总结 本文提出Hand-in-the-Loop方法，通过无缝整合人类干预与自主策略执行，减少手部操作中的突兀变化，提升双臂灵巧操作的鲁棒性和效率。
DiM\textsuperscript{3}: 通过方向和幅度感知融合连接多语言和多模态模型
机构 * Northeastern University, China（东北大学，中国） ； CIS, LMU Munich, Germany（慕尼黑莱布尼茨大学计算机学院，德国） ； Munich Center for Machine Learning (MCML), Germany（慕尼黑机器学习中心（MCML），德国） ； Shanghai Jiao Tong University, China（上海交通大学，中国）
AI总结 本研究提出DiM3方法，通过在共享语言模型骨干中融合残差更新，实现多语言和多模态能力的无缝整合，从而提升多语言性能并保持多模态能力。
C$^2$FG: 通过分数差异分析实现控制分类器无关引导
机构 * Shanghai Jiao Tong University（上海交通大学） ； vivo BlueImage Lab（vivo 蓝影实验室） ； vivo Mobile Communication Co., Ltd.（vivo 通信有限公司）
AI总结 本文提出C$^2$FG，一种基于分数差异分析的控制分类器无关引导方法，通过严格理论分析建立了条件分布与无条件分布在不同时间步的分数差异上界，从而为时间依赖引导提供了理论基础，并通过实验验证了其在多种生成任务中的有效性。
Comments Accepted to CVPR 2026 (Highlight)
MASFactory: 一种基于图的框架，用于通过Vibe图谱编排基于大语言模型的多智能体系统
机构 * 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 本文提出MASFactory，一种基于图的框架，用于通过Vibe图谱编排基于大语言模型的多智能体系统，解决了现有框架在实现复杂图工作流时需要大量手动工作、重用性差和难以整合异构外部上下文源的问题。
Comments Accepted to the ACL 2026 Demo Track. Camera-ready version. 10 pages, 6 figures. Code and documentation are available at: https://github.com/BUPT-GAMMA/MASFactory
VLANeXt: 构建强大VLA模型的配方
机构 * S-Lab, Nanyang Technological University（南洋理工大学S实验室） ； SenseTime Research（商汤科技研究院） ； Sun Yat-sen University（中山大学） ； Shanghai Jiao Tong University（上海交通大学）
AI总结 本文通过统一框架和评估设置重新审视VLA设计空间，系统分析了基础组件、感知要素和动作建模视角，总结出12项关键发现，提出了一种简单有效的VLA模型VLANeXt，并在LIBERO和LIBERO-plus基准测试中超越了现有方法，同时提供了易于使用的代码库。
Comments Accepted in ICML 2026, Project Page: https://dravenalg.github.io/VLANeXt/
Q-DiT4SR: 探索细节保留的扩散变换器量化以实现实景图像超分辨率
机构 * Shanghai Jiao Tong University（上海交通大学） ； Huawei（华为）
AI总结 本文提出Q-DiT4SR，一种专门针对基于扩散变换器的实现实景图像超分辨率的后训练量化框架，通过引入层次化SVD和变异性感知时空混合精度方法，在保持细节的同时实现高效的模型压缩和加速。
Comments Accepted to ICML 2026. Our code and models will be available at https://github.com/xunzhang1128/Q-DiT4SR
TimeRewarder: 通过帧间时间距离从被动视频中学习密集奖励
机构 * Institute for Interdisciplinary Information Sciences, Tsinghua University, Beijing, China（清华大学交叉信息研究院） ； Shanghai Qi Zhi Institute（上海启智研究院） ； Shanghai Jiao Tong University（上海交通大学） ； University of Pennsylvania（宾夕法尼亚大学）
AI总结 本文提出TimeRewarder方法，通过帧间时间距离从被动视频中学习密集奖励，以提升强化学习在稀疏奖励任务中的性能，实验表明其在多个任务中显著提高了成功率和样本效率。
Comments ICML 2026 spotlight paper
FlowLM: 通过扩散到流的适应实现少步语言建模
机构 * Shanghai Jiao Tong University（上海交通大学） ； Department of XXX, University of YYY, Location, Country（XXX系，YYY大学，地点，国家） ； School of ZZZ, Institute of WWW, Location, Country（ZZZ学院，WWW研究所，地点，国家）
AI总结 本文提出FlowLM，一种通过高效微调从预训练的扩散语言模型转换而来的流匹配语言模型，通过将扩散模型的弯曲采样轨迹重新对齐为直线流，实现了高质量的少步生成，其质量可与甚至超越2000步扩散采样。此外，作者提出了一种更有效的流匹配训练目标：预测干净数据以持续引导采样过程向真实数据分布靠近。
Comments 26 pages, 11 figures
SetCon: 通过集级概念预测实现开放式的指称分割
机构 * Shanghai Jiao Tong University（上海交通大学） ； Shanghai Innovation Institute（上海创新研究院） ； The Chinese University of Hong Kong（香港中文大学） ； Shanghai Artificial Intelligence Laboratory（上海人工智能实验室） ； Fudan University（复旦大学） ； University of Science and Technology of China（中国科学技术大学）
AI总结 本文提出SetCon，通过集级概念预测实现开放式的指称分割，利用LVLM生成的自然语言概念作为语义条件进行联合掩码-集解码，提高了分割的完整性和互斥性。
FlexDraft: 通过注意力调节和奖励引导校准实现灵活的推测解码
机构 * EPIC Lab, SJTU（上海交通大学EPIC实验室） ； UESTC ； School of Software Engineering, HUST（华中科技大学软件工程学院） ； Tsinghua University（清华大学） ； HKUST(GZ)（香港科技大学（广州）） ； Shanghai AI Laboratory（上海人工智能实验室）
AI总结 本文提出FlexDraft框架，通过注意力调节和奖励引导校准，灵活适应不同批处理大小，解决传统并行推测解码在大批次时的吞吐量下降问题。
为代理调优辩护：从文档到PostgreSQL中的行动
机构 * Institute of Software, Chinese Academy of Sciences（中国科学院软件研究所） ； University of Chinese Academy of Sciences（中国科学院大学） ； Key Laboratory of System Software (Chinese Academy of Sciences)（中国科学院系统软件重点实验室） ； Beihang University（北航） ； Peking University（北京大学） ； Shanghai Jiao Tong University（上海交通大学）
AI总结 本文提出通过动态行动替代静态文档进行系统调优，引入PerfEvolve工具，利用LLM代理实现版本一致性验证、工作负载特定分析和多参数联合优化，实验表明其在PostgreSQL上比现有文档驱动调优方法提升35.2%。
TravExplorer: 通过可 traversability-aware 3-D 规划实现跨楼层的 embodied 探索
机构 * Shanghai Jiao Tong University（上海交通大学）
AI总结 本文提出TravExplorer框架，结合零样本语义引导与可 traversability-aware 3-D 规划，实现跨楼层的 embodied 探索，通过统一的体积地图区分占用结构与机器人可达支撑面，并提取可 traversable 前沿区域，同时采用FOV-aware的主动感知策略解决跨楼层遍历中的不完整观测问题，最终在HM3D和MP3D上进行了4195次模拟实验，并在真实世界中验证了无需先验地图或人工干预的开放词汇目标搜索能力。
重新思考如何记忆：超越原子事实的终身LLM代理记忆
机构 * TMLR Group, Hong Kong Baptist University（香港 Baptist 大学 TMLR 实验组） ； 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） ； Sydney AI Center, The University of Sydney（悉尼大学悉尼人工智能中心）
AI总结 本文提出TriMem，一种能够维护三种共存表示粒度的内存系统，通过保留原始对话片段、提取原子事实以及合成轮廓来实现对积累对话历史的忠实存储、高效检索和深度推理，从而克服现有方法在细节丢失和推理能力不足的问题。
超越动作残差：通过瓶颈潜在强化学习实现现实世界机器人策略引导
机构 * School of Computing and Data Science, The University of Hong Kong（香港大学计算与数据科学学院） ； Shanghai Qizhi Institute（上海启智研究院） ； Shanghai Jiao Tong University（上海交通大学） ； Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所） ； Institute for Interdisciplinary Information Sciences, Tsinghua University（清华大学交叉信息研究院）
AI总结 本文提出了一种名为Z-Perturbation Reinforcement Learning（ZPRL）的方法，通过紧凑的瓶颈潜在空间来引导预训练策略，从而提高样本效率和最终性能，同时在现实世界任务中显著提升了成功率。
Dywave: 为异构物联网传感信号设计的事件对齐动态分词方法
机构 * University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； Hong Kong University of Science（香港科学大学） ； Shanghai Jiao Tong University（上海交通大学）
AI总结 本文提出Dywave，一种用于异构物联网传感信号的动态分词框架，通过小波基层次分解构建紧凑的输入表示，以适应内在时间结构和底层物理事件，从而在活动识别、压力评估和附近物体检测等任务中提升准确率并提高计算效率。
固定价格双边交易的紧懊悔界
机构 * Shanghai Jiao Tong University（上海交通大学） ； Huawei’s Taylor Lab（华为泰勒实验室） ； Shanghai University of Finance and Economics, Laboratory of Interdisciplinary Research of Computation and Economics (SUFE)（上海金融学院，计算与经济学交叉研究实验室（SUFE））
AI总结 本文研究了固定价格机制在双边交易中的懊悔最小化问题，针对独立值和相关/对抗值分别给出了紧致的懊悔界，并改进了现有结果。
SceneCode: 可执行的世界程序用于可编辑的室内场景及具有关节物体
机构 * The Chinese University of Hong Kong（香港中文大学） ； Shanghai Jiao Tong University（上海交通大学） ； Shanghai AI Laboratory（上海人工智能实验室） ； Microsoft（微软） ； University of Oxford（牛津大学）
AI总结 本文提出SceneCode，一种通过可执行程序生成可编辑的室内场景，解决了现有方法中物体结构控制不足的问题，提升了场景生成的精确性和可交互性。
m3BERT: 一种现代的、多语言的、俄罗斯套娃双向编码器
机构 * Xiamen University（厦门大学） ； Microsoft（微软公司） ； Shanghai Jiao Tong University（上海交通大学）
AI总结 本文提出m3BERT，一种现代多语言俄罗斯套娃双向编码器，通过联合优化Transformer层和多维嵌入表示，解决现有预训练模型在不同部署场景中适应性差的问题，展示了其在工业检索中的高效性和实用性。
Comments KDD 2026
PRISM：一个程序化空间-时间推理的基准测试
机构 * School of Artificial Intelligence, Shanghai Jiao Tong University（上海交通大学人工智能学院）
AI总结 本文提出PRISM基准测试，通过大规模人类校准的指令-代码对（共10,372个，比之前基准大20倍），评估语言模型生成空间正确动画输出的能力，并揭示执行成功率与空间正确率之间的显著差距。
领域自适应的通信速率优化用于仿真到现实的人形机器人无线XR远程操作
机构 * Cooperative Medianet Innovation Center（协作中位网创新中心） ； School of Information Science and Electronic Engineering（信息科学与电子工程学院） ； Shanghai Jiao Tong University（上海交通大学）
AI总结 本文提出了一种领域自适应的通信速率优化方法，通过在仿真到现实的分布偏移中平衡重建误差和通信能耗，利用PAC-Bayes泛化特性分析和密度比加权的PPO方法，结合离线真实域数据校正，以提高人形机器人无线XR远程操作的通信效率和重建精度。
Comments submitted to IEEE journal
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