高校专区
InfiniPipe：弹性流水线并行用于高效可变长度长上下文LLM训练
机构 * Tsinghua University（清华大学） ； Peking University（北京大学） ； Shanghai Jiao Tong University（上海交通大学） ； Beijing University of Posts and Telecommunications（北京邮电大学）
AI总结 本文提出弹性流水线并行和阶段感知切片级自适应检查点，以应对资源和工作负载异质性，实验证明InfiniPipe比现有系统快1.69倍。
基于观测不匹配的交通信号控制的适应性模块化世界模型规划
机构 * Shanghai Jiao Tong University（上海交通大学）
AI总结 本文提出适应性模块化模型，用于解决观测不匹配下的交通信号控制问题，通过模块化规划架构提升性能和数据效率。
Comments Accepted by ICAPS 2026
AWQ：基于激活的权重量化用于LLM压缩与加速
机构 * MIT（麻省理工学院） ； Shanghai Jiao Tong University（上海交通大学） ； NVIDIA（英伟达） ； Tsinghua University（清华大学） ； UMass Amherst（马萨诸塞大学阿姆赫斯特分校）
AI总结 本文提出AWQ方法，通过识别重要权重通道减少量化误差，实现低比特权重量化，提升LLM的压缩与加速性能，并在多个基准测试中表现优异。
Comments MLSys 2024 Best Paper Award. Code available at: https://github.com/mit-han-lab/llm-awq
FlowForge：用于流场预测的分阶段局部展开引擎
机构 * Shanghai Jiao Tong University（上海交通大学） ； University of Michigan Ann Arbor（密歇根大学安娜堡分校）
AI总结 FlowForge通过分阶段局部展开引擎在流场预测中提高精度和鲁棒性，减少计算延迟。
Comments Main paper: 13 pages, 6 figures, 2 tables. Appendix: 17 pages, 7 figures, 1 table. arXiv preprint
GOSPA和T-GOSPA准度量用于多目标跟踪算法评估
机构 * Information Processing and Telecommunications Center, ETSI de Telecomunicación, Universidad Politécnica de Madrid（信息处理与电信中心，电信工程学院，马德里理工大学） ； Department of Electrical Engineering and Electronics, University of Liverpool（电子工程与电子系，利物浦大学） ； Department of Electrical Engineering, Chalmers University of Technology（电气工程系，查尔姆斯理工大学） ； Department of Automation and Intelligent Sensing, Shanghai Jiao Tong University（自动化与智能感知系，上海交通大学） ； Department of Cybernetics, University of West Bohemia（自动化系，西波大学）
AI总结 本文提出两种准度量用于评估多目标跟踪算法性能，扩展了GOSPA和T-GOSPA，可衡量对象集和轨迹集的差异，支持不同惩罚成本和非对称定位误差。
Comments Matlab code of GOSPA and T-GOSPA q-metrics is provided at https://github.com/Agarciafernandez/MTT. Python code of the T-GOSPA q-metric is provided at https://github.com/Agarciafernandez/T-GOSPA-metric-python
Journal ref IEEE Transactions on Aerospace and Electronic Systems, 2026
图到视觉：利用视觉-语言模型进行多图理解与推理
机构 * Nanyang Technological University（南洋理工大学） ； Shandong University（山东大学） ； Fudan University（复旦大学） ； Shanghai Jiao Tong University（上海交通大学）
AI总结 本文提出首个评估和提升视觉语言模型多图推理能力的基准，涵盖四种常见图类型并支持复杂任务，评估了多种先进模型并验证了数据集的有效性。
Comments 26 pages, 23 figures
通过高效概率包络生成进行神经网络的概率验证
机构 * Shanghai Jiao Tong University（上海交通大学） ； University of New Mexico（新墨西哥大学）
AI总结 本文提出一种新颖的概率验证框架，通过高效生成安全和不安全概率包络，计算安全概率的保证范围，采用回归树进行状态空间划分、边界感知采样和迭代优化，验证结果在多个基准上优于现有方法。
Comments 22 pages, 5 figures
探索合成数据增强在可控人类中心视频生成中的作用
机构 * Hunan University（湖南大学） ； Westlake University（西湖大学） ； Shanghai Jiaotong University（上海交通大学） ； Zhejiang University（浙江大学） ； Shanghai Innovation Institute（上海创新研究院） ； Sun Yat-Sen University（中山大学）
AI总结 本文研究合成数据对可控人类视频生成的影响，提出基于扩散的框架实现细粒度控制，并通过实验揭示合成与真实数据的互补作用，为高效选择合成样本提升视频真实感提供方法。
StreamMeCo：用于高效流视频理解的长期智能体内存压缩
机构 * Shanghai Jiao Tong University（上海交通大学） ； Fudan University（复旦大学） ； Shanghai AI Laboratory（上海人工智能实验室） ； Hong Kong University of Science and Technology（香港科学与技术大学） ； MemTensor (Shanghai) Technology Co., Ltd.（MemTensor（上海）技术有限公司）
AI总结 StreamMeCo通过内存图连通性引入边自由minmax采样和边感知权重剪枝，有效压缩内存并保持精度，实验表明在70%压缩下实现1.87倍检索速度提升和1.0%的准确率提升。
Comments 2026ACL Findings
FGAS：基于固定解码器网络的音频隐写术与对抗扰动生成
机构 * School of Communication & Electronic Engineering, East China Normal University（东华大学通信与电子工程学院） ； Shanghai Innovation Institute（上海创新研究院） ； School of Computer Science, Fudan University（复旦大学计算机科学学院） ； School of Electronic Information and Electrical Engineering, Shanghai Jiao Tong University（上海交通大学电子信息与电气工程学院）
AI总结 本文提出FGAS，一种基于固定解码器网络的音频隐写术，通过生成对抗扰动提升音频质量与抗隐写分析性能，实验显示其在PSNR和抗攻击方面优于现有方法。
多视角证据综合与推理用于无监督多模态实体链接
机构 * The University of New South Wales（新南威尔士大学） ； Shanghai Jiao Tong University（上海交通大学） ； University of Technology Sydney（技术大学悉尼）
AI总结 本文提出MSR-MEL框架，通过多视角证据综合与推理提升无监督多模态实体链接性能，采用图神经网络和大语言模型进行证据整合与推理，实验表明优于现有方法。
基于ISO合规感知-计算-控制架构的LLM引导安全代理用于边缘机器人
机构 * Shanghai Jiao Tong University（上海交通大学） ； SIMMIR Tech（SIMMIR科技）
AI总结 本文提出一种基于ISO合规架构的LLM引导安全代理，通过将安全规范转化为可执行谓词，实现边缘机器人中的功能安全，支持ISO 13849 Category 3和PL d的实用部署。
鲁棒的分布外随机优化
机构 * Department of Automation, Tsinghua University（清华大学自动化系） ； Antai College of Economics & Management, Shanghai Jiao Tong University（上海交通大学安泰经济管理学院） ； Institute of Image Processing and Pattern Recognition, Shanghai Jiao Tong University（上海交通大学图像处理与模式识别研究所）
AI总结 本文提出一种新的数据驱动框架，用于在未知分布下进行鲁棒决策。通过学习不确定性集和min-max随机规划，提供分布外泛化保证，并在多物品新闻供应商和投资组合优化中验证了其性能。
少语言，少令牌：一种高效的统一逻辑跨语言推理框架
机构 * Harbin Institute of Technology, Shenzhen（哈尔滨工业大学（深圳）） ； Central South University（中南大学） ； Text Computing and Cognitive Intelligence Ministry of Education Engineering Research Center, Guizhou University（贵州省教育厅Text Computing and Cognitive Intelligence工程研究中心，贵州大学） ； University of Science and Technology Beijing（北京科技大学） ； Shanghai Jiao Tong University（上海交通大学） ； Shanghai Innovation Institute（上海创新研究院）
AI总结 本文提出UL-XCoT框架，通过减少语言和令牌数量提升跨语言推理效率，实验证明在多语言任务中准确率高且令牌成本降低超50%。
Comments Accepted by ACL2026 Main
CreativeGame：迈向机制感知的创意游戏生成
机构 * University of Bristol（布里斯托大学） ； Shanghai Jiao Tong University（上海交通大学） ； Shandong University（山东大学） ； Nanjing University（南京大学） ； Sreal AI Project（Sreal AI项目）
AI总结 本文提出CreativeGame系统，通过机制感知规划循环和跨版本经验积累，实现迭代式HTML5游戏生成，支持可解释的版本间进化。
大语言模型中的隐藏可靠性风险：系统性识别精度诱导的输出分歧
机构 * Shanghai Jiao Tong University（上海交通大学） ； Beihang University（北航） ； Nanyang Technological University（南洋理工大学） ； Singapore Management University（新加坡管理学院）
AI总结 本文提出PrecisionDiff框架，用于系统检测大语言模型在不同精度下的行为分歧，通过生成精度敏感测试输入并进行跨精度比较分析，揭示传统方法难以发现的细微差异，实验表明此类分歧在多个开源对齐LLM中普遍存在，PrecisionDiff在检测此类问题上表现优异。
Comments 12 pages, 5 figures
X-VC：在编码空间中实现零样本语音转换
机构 * Shanghai Jiao Tong University Shanghai China ； Tianjin University Tianjin China ； Shanghai Jiao Tong University, Shanghai Innovation Institute Shanghai China ； State Key Laboratory of Complex \& Critical Software Environment Changsha China ； Shanghai Innovation Institute Shanghai China ； Fudan University, Shanghai Innovation Institute Shanghai China ； Shanghai Jiao Tong University ； Tianjin University ； Shanghai Jiao Tong University, Shanghai Innovation Institute ； State Key Laboratory of Complex \& Critical Software Environment ； Shanghai Innovation Institute ； Fudan University, Shanghai Innovation Institute
AI总结 X-VC提出一种在编码空间中进行零样本语音转换的系统，通过双条件声学转换器和自适应归一化技术，在保持语言内容的同时实现高质量低延迟的语音转换。
定位后检查：基于区域的推理提升AI生成图像的检测
机构 * Shanghai Jiao Tong University（上海交通大学） ； Ant Group（蚂蚁集团）
AI总结 本文提出LTE框架，通过定位可疑区域并重新检查以提升AI生成图像检测的准确性和鲁棒性，提供可理解的区域级解释。
Comments 18 pages, 11 figures (including supplementary material)
在LLM中诊断CFG解释
机构 * X-LANCE Lab, School of Computer Science, Shanghai Jiao Tong University, Shanghai, China（上海交通大学计算机科学学院X-LANCE实验室） ； AISpeech Co., Ltd., Suzhou, China（上海AI语音有限公司） ； Shanghai Innovation Institution, Shanghai, China（上海创新研究所） ； Jiangsu Key Lab of Language Computing, Suzhou, China（江苏省语言计算重点实验室） ； Suzhou Laboratory, Suzhou, China（苏州实验室）
AI总结 研究LLM在处理新上下文无关文法时能否生成语法正确、行为功能和语义忠实的输出，揭示LLM在语法、行为和语义层面的层次退化问题。
HiGMem：一种分层且基于LLM的长期对话代理内存系统
机构 * East China Normal University（东华大学） ； Shanghai Jiao Tong University（上海交通大学）
AI总结 HiGMem通过分层事件-对话轮次内存系统，利用事件摘要作为语义锚点，提升检索效率和证据集可靠性，优于现有方法。
Comments Accepted to Findings of the Association for Computational Linguistics: ACL 2026. Camera-ready version. 10 pages, 2 figures. Code: https://github.com/ZeroLoss-Lab/HiGMem
从非干预复杂系统中解码干预性动力学因果性
机构 * Research Institute of Intelligent Complex Systems & CISOR, Fudan University（智能复杂系统研究所及CISOR，复旦大学） ； International Research Center for Neurointelligence, The University of Tokyo Institutes for Advanced Study, The University of Tokyo（神经智能国际研究中心，东京大学先进研究所，东京大学） ； School of Pharmacy, Shanghai University of Traditional Chinese Medicine（上海中医药大学药学院） ； Institute of AI and Robotics, College of Intelligent Robotics and Advanced Manufacturing, Fudan University（人工智能与机器人研究所，智能机器人与先进制造学院，复旦大学） ； Frontiers Science Center for Deep Ocean Multispheres and Earth System, Key Laboratory of Marine Chemistry Theory and Technology, Ministry of Education, Ocean University of China（深海多球体与地球系统前沿科学中心，海洋化学理论与技术重点实验室，教育部，中国海洋大学） ； School of Mathematical Sciences and School of AI, Shanghai Jiao Tong University（数学科学学院和人工智能学院，上海交通大学） ； Key Laboratory of Systems Health Science of Zhejiang Province, Hangzhou Institute for Advanced Study, University of Chinese Academy of Sciences, Chinese Academy of Sciences（浙江省系统健康科学重点实验室，杭州高级研究所，中国科学院大学，中国科学院）
AI总结 本文提出IntDC框架和IEE算法，通过延迟嵌入空间在不需干预或动力学模型的情况下，从观测数据中解码因果性，验证了其在因果分析中的有效性。
RMGS-SLAM：基于3D高斯散射的实时多传感器SLAM
机构 * Advanced Robotics Centre, National University of Singapore（新加坡国立大学先进机器人中心） ； School of Aeronautics and Astronautics, Shanghai Jiao Tong University（上海交通大学航空宇航学院） ； College of Computer Science, Sichuan University（四川大学计算机学院） ； Singapore-MIT Alliance for Research and Technology（新加坡-麻省理工联合研究技术联盟）
AI总结 本文提出一种实时多传感器SLAM框架，结合激光雷达、惯性导航和视觉数据，通过高斯散射实现高精度定位与真实感映射，解决了大规模环境中的实时SLAM挑战。
Comments The manuscript has been improved, with refined content and updated and corrected experimental results
通过近邻解耦实现无需遗忘的任务切换
机构 * Department of Computer Science, University of York, UK（英国约克大学计算机科学系） ； SEIEE, Shanghai Jiao Tong University, China（上海交通大学SEIEE学院） ； LIVIA, Dept. of Systems Engineering, ETS Montreal, Canada（加拿大蒙特利尔工程学院LIVIA部门） ； School of Communication and Electronic Eng., East China Normal University, China（华东师范大学通信与电子工程学院）
AI总结 本文提出通过操作符分裂分离任务学习与稳定性维持，提升持续学习的稳定性和适应性，无需使用回放缓冲区、贝叶斯采样或元学习组件。
Comments Submitted to IEEE TPAMI January 2026
模块化表示压缩：适应LLM以实现高效且有效的推荐
机构 * Shanghai Jiao Tong University（上海交通大学） ； Huawei Noah's Ark Lab（华为诺亚实验室） ； Antai College of Economics and Management, Shanghai Jiao Tong University（上海交通大学安泰经济管理学院）
AI总结 本文提出MARC方法，通过模块化调整和任务解耦，解决LLM表示压缩中的MRA问题，提升推荐系统效率与效果。
Comments SIGIR 2026
弥合时空：解耦的时空对齐用于视频定位
机构 * Shanghai Jiao Tong University（上海交通大学） ； ZTE Corporation（中兴通讯）
AI总结 本文提出Bridge-STG框架，通过解耦时空定位并保持语义连贯性，解决视频定位中时空对齐和视觉token冗余问题，实验表明其在多个基准上达到SOTA性能。
AD-Copilot：通过视觉上下文比较实现工业异常检测的视觉-语言助手
机构 * Department of Computer Science and Engineering, Southern University of Science and Technology（计算机科学与工程系，南方科技大学） ； Macau University of Science and Technology（澳门科技大学） ； Tencent YouTu Lab（腾讯YouTu实验室） ； Nanjing University（南京大学） ； Shanghai Jiao Tong University（上海交通大学） ； Centre for Frontier AI Research, A*STAR（前沿人工智能研究中心，A*STAR）
AI总结 AD-Copilot通过视觉上下文比较提升工业异常检测性能，采用新颖的数据筛选流程和比较编码器，在多个基准测试中取得优异成绩，超越人类专家水平。
Comments Code and models are released at https://github.com/jam-cc/AD-Copilot
DAG-STL：一种用于在信号临时逻辑规范下进行零样本轨迹规划的分层框架
机构 * School of Automation and Intelligent Sensing, Shanghai Jiao Tong University, Shanghai, China（自动化与智能感知学院，上海交通大学，上海，中国） ； Institute of Artificial Intelligence, Xiamen University, Xiamen, China（人工智能研究院，厦门大学，厦门，中国）
AI总结 本文提出DAG-STL框架，通过分解-分配-生成流程实现零样本轨迹规划，结合动态一致性度量和分层在线重规划机制，在复杂任务中表现出色。
SELF-EMO：从识别到一致表达的情感自我进化
机构 * SenseTime ； Tsinghua University（清华大学） ； Shanghai Jiao Tong University（上海交通大学） ； X-Humanoid
AI总结 SELF-EMO通过引入情感理解和表达辅助任务，结合角色自博弈机制和数据飞轮机制，实现情感识别与表达的自我进化，实验表明其在多个数据集上均取得最优性能。
Fisher Decorator：通过局部传输映射细化流策略
机构 * University College London（伦敦大学学院） ； Shanghai Jiao Tong University（上海交通大学） ； King’s College London（伦敦国王学院） ； Peking University（北京大学） ； Shanghai University of Finance and Economics（上海财经大学） ； Imperial College London（伦敦帝国学院）
AI总结 本文提出Fisher Decorator方法，通过局部传输映射细化流策略，解决离线强化学习中流策略在表达性、最优性和效率之间的权衡问题，通过几何视角分析并改进优化方向。
OneDrive: 统一的多范式驾驶与视觉-语言-动作模型
机构 * State Key Laboratory of Multimodal Artificial Intelligence Systems, CASIA School of Artificial Intelligence, University of Chinese Academy of Sciences AutoLab, School of Artificial Intelligence, Shanghai Jiao Tong University Voyager Research, Didi Chuxing School of Information Science（多模态人工智能系统国家重点实验室，中国科学院自动化所人工智能学院，中国科学院大学，AutoLab，上海交通大学人工智能学院，Voyager Research，滴滴出行，信息科学与技术学院）
AI总结 本文提出基于预训练视觉语言模型的统一自动驾驶框架，通过单一Transformer解码器整合异构解码行为，实现多任务联合优化，实验表明在nuScenes和NAVSIM上取得最优性能，且推理效率高。
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