Shanghai Jiao Tong University（上海交通大学）

V-CAGE: Vision-Closed-Loop Agentic Generation Engine for Robotic Manipulation

V-CAGE：用于机器人操作的视觉闭环代理生成引擎

Yaru Liu, Ao-bo Wang, Nanyang Ye

机构 * University of Cambridge（剑桥大学） ； Wuhan University（武汉大学） ； Shanghai Jiao Tong University（上海交通大学） 纠错

AI总结 V-CAGE通过闭环代理生成框架实现机器人数据合成，结合语义布局规划和视觉自验证，提升环境生成的语义结构和可达性，解决传统方法在场景生成中的不足。

AudioGS: Spectrogram-Based Audio Gaussian Splatting for Sound Field Reconstruction

AudioGS：基于频谱的音频高斯点云用于声音场重建

Chunhao Bi, Houqiang Zhong, Zhixin Xu, Li Song, Zhengxue Cheng

机构 * 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） ； Institute of Cultural and Creative Industry, Shanghai Jiao Tong University（上海交通大学文创学院） 纠错

AI总结 AudioGS通过频谱构建音频高斯点云，无需视觉先验，有效重建空间音频，实验显示其在MAG和DPAM指标上优于现有方法。

Delve into the Applicability of Advanced Optimizers for Multi-Task Learning

深入研究先进优化器在多任务学习中的适用性

Zhipeng Zhou, Linxiao Cao, Pengcheng Wu, Peilin Zhao, Chunyan Miao

机构 * Nanyang Technological University（南洋理工大学） ； Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）） ； School of Artificial Intelligence, Shanghai Jiao Tong University（上海交通大学人工智能学院） 纠错

AI总结 本文研究了先进优化器在多任务学习中的应用，提出APT框架通过自适应动量机制平衡优化器与多任务学习的强项，并引入轻方向保持方法提升Muon的正交化效果，实验表明APT显著提升了多任务学习性能。

Comments 12 pages, 5 figures

SIM1: Physics-Aligned Simulator as Zero-Shot Data Scaler in Deformable Worlds

SIM1：物理对齐的模拟器作为零样本数据放大器在变形世界中

Yunsong Zhou, Hangxu Liu, Xuekun Jiang, Xing Shen, Yuanzhen Zhou, Hui Wang, Baole Fang, Yang Tian, Mulin Yu, Qiaojun Yu, Li Ma, Hengjie Li, Hanqing Wang, Jia Zeng, Jiangmiao Pang

机构 * Shanghai AI Lab（上海人工智能实验室） ； Fudan University（复旦大学） ； Shanghai Jiao Tong University（上海交通大学） ； Peking University（北京大学） 纠错

AI总结 SIM1通过物理对齐的仿真方法，将稀疏观测转化为高保真的合成监督，实现变形物体 manipulation 的高效训练，取得与真实数据相当的性能。

Comments Website: https://internrobotics.github.io/sim1.github.io/

ActivityEditor: Learning to Synthesize Physically Valid Human Mobility

ActivityEditor: 学习合成物理有效的行人移动

Chenjie Yang, Yutian Jiang, Anqi Liang, Wei Qi, Chenyu Wu, Junbo Zhang

机构 * Southwest Jiaotong University（西南交通大学） ； HKUST (Guangzhou)（香港科技大学（广州）） ； Shanghai Jiao Tong University（上海交通大学） ； Tsinghua University（清华大学） ； JD Technology（京东科技） 纠错

AI总结 本文提出ActivityEditor，一种双LLM代理框架，用于零样本跨区域轨迹生成。通过意图生成代理和编辑代理协同工作，结合强化学习和物理约束，实现高保真轨迹生成。

Thermally Activated Dual-Modal Adversarial Clothing against AI Surveillance Systems

热激活双模对抗性服装对抗AI监控系统

Jiahuan Long, Tingsong Jiang, Hanqing Liu, Chao Ma, Weien Zhou, Yang Yang, Wen Yao

机构 * Defense Innovation Institute, Chinese Academy of Military Science（军事科学院国防创新研究院） ； MoE Key Lab of Artificial Intelligence, AI Institute, Shanghai Jiao Tong University（上海交通大学人工智能研究院教育部人工智能重点实验室） ； Intelligent Game and Decision Laboratory（智能博弈与决策实验室） 纠错

AI总结 本文提出一种热激活的对抗性可穿戴设备，通过温致变色染料和柔性加热单元，在加热时激活衣物上的对抗性图案，有效规避可见和红外监控。

Comments accepted by CVPR 2026 (Highlight)

ActiveGlasses: Learning Manipulation with Active Vision from Ego-centric Human Demonstration

ActiveGlasses: 从第一人称人类示范中学习 manipulation 与 active vision

Yanwen Zou, Chenyang Shi, Wenye Yu, Han Xue, Jun Lv, Ye Pan, Chuan Wen, Cewu Lu

机构 * Shanghai Jiao Tong University（上海交通大学） ； Shanghai Innovation Institute（上海创新研究院） ； Noematrix Ltd（Noematrix有限公司） 纠错

AI总结 ActiveGlasses 通过主动视觉从第一人称人类示范中学习机器人 manipulation，实现零样本迁移，优于基线方法并在不同机器人平台间泛化。

TASU2: Controllable CTC Simulation for Alignment and Low-Resource Adaptation of Speech LLMs

TASU2：用于语音大语言模型对齐和低资源适应的可控CTC模拟

Jing Peng, Chenghao Wang, Yi Yang, Lirong Qian, Junjie Li, Yu Xi, Shuai Wang, Kai Yu

机构 * X-LANCE Lab, 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X-LANCE实验室） ； MoE Key Lab of Artificial Intelligence（教育部人工智能重点实验室） ； Jiangsu Key Lab of Language Computing（江苏省语言计算重点实验室） ； AISpeech Ltd（思必驰科技股份有限公司） ； Nanjing University（南京大学） 纠错

AI总结 TASU2通过可控CTC模拟生成文本监督，提升语音大语言模型的对齐和低资源适应性能，优于TASU和文本细调等基线方法。

Rethinking the Value of Agent-Generated Tests for LLM-Based Software Engineering Agents

重新思考基于LLM的软件工程代理生成测试的价值

Zhi Chen, Zhensu Sun, Yuling Shi, Chao Peng, Xiaodong Gu, David Lo, Lingxiao Jiang

机构 * Singapore Management University（新加坡管理大学） ； Shanghai Jiao Tong University（上海交通大学） 纠错

AI总结 研究探讨了LLM软件工程代理生成测试的有效性，发现测试主要作为反馈渠道，而非提升问题解决效果。

AT-ADD: All-Type Audio Deepfake Detection Challenge Evaluation Plan

AT-ADD：所有类型音频深度伪造检测挑战评估计划

Yuankun Xie, Haonan Cheng, Jiayi Zhou, Xiaoxuan Guo, Tao Wang, Jian Liu, Weiqiang Wang, Ruibo Fu, Xiaopeng Wang, Hengyan Huang, Xiaoying Huang, Long Ye, Guangtao Zhai

机构 * Communication University of China（中国传媒大学） ； Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所） ； Beijing Institute of Technology（北京理工大学） ； Shanghai Jiao Tong University（上海交通大学） 纠错

AI总结 针对现有音频深度伪造检测方法在鲁棒性和泛化能力上的不足，AT-ADD挑战旨在通过标准化数据集和评估协议提升音频伪造检测的实用性和鲁棒性。

Comments Accepted to the ACM Multimedia 2026 Grand Challenge

Guiding a Diffusion Model by Swapping Its Tokens

通过交换令牌引导扩散模型

Weijia Zhang, Yuehao Liu, Shanyan Guan, Wu Ran, Yanhao Ge, Wei Li, Chao Ma

机构 * MoE Key Lab of Artificial Intelligence, AI Institute, Shanghai Jiao Tong University（上海交通大学人工智能研究院教育部人工智能重点实验室） ； vivo Mobile Communication Co., Ltd.（维沃移动通信有限公司） 纠错

AI总结 本文提出一种简单方法，通过交换令牌实现条件和无条件生成的CFG引导，提升图像质量和提示对齐。

Comments Accepted by CVPR 2026 (Oral)

DP-DeGauss: Dynamic Probabilistic Gaussian Decomposition for Egocentric 4D Scene Reconstruction

DP-DeGauss：动态概率高斯分解用于眼动4D场景重建

Tingxi Chen, Zhengxue Cheng, Houqiang Zhong, Su Wang, Rong Xie, Li Song

机构 * Institute of Image Communication and Network Engineering, Shanghai Jiao Tong University（上海交通大学图像通信与网络工程研究所） ； Nvidia（英伟达） 纠错

AI总结 本文提出DP-DeGauss方法，通过动态概率高斯分解实现眼动4D场景重建，解决动态第一视角场景重建中的复杂运动、遮挡和手-物体交互问题，实现背景、手部和物体的解耦。

AnomalyAgent: Agentic Industrial Anomaly Synthesis via Tool-Augmented Reinforcement Learning

AnomalyAgent：通过工具增强强化学习进行代理工业异常合成

Jiaming Su, Tengchao Yang, Ruikang Zhang, Zhengan Yan, Haoyu Sun, Linfeng Zhang

机构 * Shanghai Jiao Tong University（上海交通大学） ； Tongji University（同济大学） ； Fudan University（复旦大学） 纠错

AI总结 本文提出AnomalyAgent，通过工具增强强化学习生成高语义真实性的工业异常样本，采用闭环优化和两阶段训练框架，实现自我反思与迭代改进。

MinerU2.5-Pro: Pushing the Limits of Data-Centric Document Parsing at Scale

MinerU2.5-Pro: 推动大规模数据导向文档解析的极限

Bin Wang, Tianyao He, Linke Ouyang, Fan Wu, Zhiyuan Zhao, Tao Chu, Yuan Qu, Zhenjiang Jin, Weijun Zeng, Ziyang Miao, Bangrui Xu, Junbo Niu, Mengzhang Cai, Jiantao Qiu, Qintong Zhang, Dongsheng Ma, Yuefeng Sun, Hejun Dong, Wenzheng Zhang, Jutao Xiao, Jiayong Shi, Pengyu Liao, Xiaomeng Zhao, Huaping Zhong, Liqun Wei, Jing Yu, Jie Yang, Wei Li, Shasha Wang, Qianqian Wu, Xuanhe Zhou, Weijia Li, Zhenxiang Li, Zhongying Tu, Jiang Wu, Lijun Wu, Chao Xu, Kai Chen, Wentao Zhang, Yu Qiao, Bowen Zhou, Dahua Lin, Conghui He

机构 * Shanghai Artificial Intelligence Laboratory（上海人工智能实验室） ； Peking University（北京大学） ； Shanghai Jiao Tong University（上海交通大学） 纠错

AI总结 本文提出MinerU2.5-Pro，通过数据工程和训练策略设计提升文档解析性能，无需改变模型架构，在OmniDocBench v1.6上取得95.69的高分。

Comments Technical Report

Fast and Interpretable Protein Substructure Alignment via Optimal Transport

通过最优传输实现快速且可解释的蛋白质亚结构对齐

Zhiyu Wang, Bingxin Zhou, Jing Wang, Yang Tan, Weishu Zhao, Pietro Liò, Liang Hong

机构 * Shanghai Jiao Tong University（上海交通大学） ； University of Cambridge（剑桥大学） 纠错

AI总结 本文提出PLASMA框架，通过最优传输解决蛋白质局部结构对齐问题，实现高效且可解释的残基级对齐，并通过实验验证其准确性与实用性。

Comments ICLR 2026

Walk the Talk: Bridging the Reasoning-Action Gap for Thinking with Images via Multimodal Agentic Policy Optimization

行走与言说：通过多模态代理策略优化弥合图像推理与行动之间的差距

Wenhao Yang, Yu Xia, Jinlong Huang, Shiyin Lu, Qing-Guo Chen, Zhao Xu, Weihua Luo, Kaifu Zhang, Yuchen Zhou, Xiaobo Xia, Yuanyu Wan, Lijun Zhang, Tat-Seng Chua

机构 * National Key Laboratory for Novel Software Technology, Nanjing University, China（南京大学计算机软件新技术国家重点实验室） ； School of Artificial Intelligence, Nanjing University, China（南京大学人工智能学院） ； AI Business, Alibaba Group（阿里巴巴集团智能计算研究院） ； School of Automation and Intelligent Sensing, Shanghai Jiao Tong University, China（上海交通大学自动化与智能感知学院） ； School of Intelligent Systems Engineering, Sun Yat-sen University, Shenzhen, China（中山大学智能工程学院（深圳）） ； School of Information Science and Technology, University of Science and Technology of China（中国科学技术大学信息科学技术学院） ； School of Software Technology, Zhejiang University, China（浙江大学软件学院） ； School of Computing, National University of Singapore, Singapore, Singapore（新加坡国立大学计算机学院） 纠错

AI总结 本文提出MAPO方法，通过强制生成视觉内容的显式文本描述，结合语义对齐与任务奖励，提升多模态推理能力，实验表明其在多个视觉推理基准上表现优异。

Reasoning Fails Where Step Flow Breaks

推理在步骤流断裂处失效

Xiaoyu Xu, Yulan Pan, Xiaosong Yuan, Zhihong Shen, Minghao Su, Yuanhao Su, Xiaofeng Zhang

机构 * Shanghai Jiao Tong University（上海交通大学） ； Fuzhou University（福州大学） ； Jilin University（吉林大学） 纠错

AI总结 研究提出StepFlow方法，通过修复信息流提升多步骤数学、科学和编码任务的推理准确性，揭示了浅层锁定和深层衰减两种信息流失效模式。

Comments Accepted at ACL 2026

AudioKV: KV Cache Eviction in Efficient Large Audio Language Models

AudioKV: 在高效大音频语言模型中实现KV缓存淘汰

Yuxuan Wang, Peize He, Xiyan Gui, Xiaoqian Liu, Junhao He, Xuyang Liu, Zichen Wen, Xuming Hu, Linfeng Zhang

机构 * EPIC Lab, Shanghai Jiao Tong University（上海交通大学EPIC实验室） ； Xidian University（西安电子科技大学） ； HKUST (GZ)（香港科技大学（广州）） 纠错

AI总结 本文提出AudioKV框架，通过硬件友好的语义-音频对齐机制优先处理音频关键注意力头，结合Spectral Score Smoothing技术提升缓存效率，实验表明其在压缩比40%时保持高精度。

Neural parametric representations for thin-shell shape optimisation

神经参数表示用于薄壳形状优化

Xiao Xiao, Fehmi Cirak

机构 * Shanghai Jiao Tong University（上海交通大学） ； University of Cambridge（剑桥大学） 纠错

AI总结 本文提出神经参数表示（NRep）用于薄壳结构的形状优化，通过梯度优化方法解决结构合规性问题，展示了其在复杂晶格皮肤结构中的潜力。

Comments 13 pages, 8 figures

ART: Attention Replacement Technique to Improve Factuality in LLMs

ART：通过注意力替换技术提升大语言模型的事实性

Ziqin Luo, Yihao Quan, Xiaofeng Zhang, Xiaosong Yuan, Chen Shen

机构 * Department of Automation and Intelligent Sensing, Shanghai Jiao Tong University（上海交通大学自动化与智能感知系） ； Fudan University（复旦大学） ； Alibaba Cloud Computing（阿里云计算） 纠错

AI总结 本文提出ART技术，通过替换大语言模型浅层的均匀注意力模式为局部注意力模式，减少幻觉问题，适用于多种LLM架构。

ForkKV: Scaling Multi-LoRA Agent Serving via Copy-on-Write Disaggregated KV Cache

ForkKV: 通过写时复制的 disaggregated KV 缓存实现多LoRA代理服务的扩展

Shao Wang, Rui Ren, Lin Gui

机构 * Shanghai Jiao Tong University（上海交通大学） 纠错

AI总结 ForkKV通过写时复制机制解耦KV缓存，解决多LoRA代理服务中的内存瓶颈问题，提升吞吐量3倍且不影响生成质量。

Automating Database-Native Function Code Synthesis with LLMs

利用大型语言模型自动合成数据库原生函数代码

Wei Zhou, Xuanhe Zhou, Qikang He, Guoliang Li, Bingsheng He, Quanqing Xu, Fan Wu

机构 * Shanghai Jiao Tong University（上海交通大学） ； Tsinghua University（清华大学） ； National University of Singapore（新加坡国立大学） 纠错

AI总结 本文提出DBCooker系统，通过多模块协同解决数据库原生函数合成难题，实现更高精度的自动代码生成，实验显示在SQLite、PostgreSQL和DuckDB上准确率提升34.55%。

Comments Please visit our homepage at: https://code4db.github.io/hi-opencook/. The code is available at: https://github.com/weAIDB/OpenCook

Robust Mesh Saliency Ground Truth Acquisition in VR via View Cone Sampling and Manifold Diffusion

通过视锥采样和流形扩散在VR中实现鲁棒的网格显著性真实值获取

Guoquan Zheng, Jie Hao, Huiyu Duan, Long Tang, Shuo Yang, Yucheng Zhu, Yongming Han, Liang Yuan, Patrick Le Callet, Guangtao Zhai

机构 * Shanghai Jiao Tong University（上海交通大学） ； Beijing University of Chemical Technology（北京化工大学） ； Nantes University（南特大学） 纠错

AI总结 本文提出一种鲁棒框架，通过视锥采样和混合流形-欧几里得约束扩散算法，解决VR中3D网格显著性真实值获取的鲁棒性问题，提升下游任务性能。

dMLLM-TTS: Self-Verified and Efficient Test-Time Scaling for Diffusion Multi-Modal Large Language Models

dMLLM-TTS：用于扩散多模态大语言模型的自验证和高效测试时间扩展

Yi Xin, Siqi Luo, Tianxiang Xu, Qi Qin, Haoxing Chen, Kaiwen Zhu, Zhiwei Zhang, Yangfan He, Rongchao Zhang, Jinbin Bai, Shuo Cao, Bin Fu, Junjun He, Yihao Liu, Yuewen Cao, Xiaohong Liu

机构 * Nanjing University（南京大学） ； Shanghai Innovation Institute（上海创新研究院） ； Shanghai AI Lab（上海人工智能实验室） ； Shanghai Jiao Tong University（上海交通大学） ； Peking University（北京大学） ； National University of Singapore（新加坡国立大学） 纠错

AI总结 本文提出dMLLM-TTS框架，通过轨迹探索扩展和迭代细化扩展两个互补的扩展轴，提升生成多样性和稳定性，同时通过自验证机制提高效率，实验表明在GenEval基准上生成质量显著提升且效率提高6倍。

Comments Project page: https://github.com/Alpha-VLLM/Lumina-DiMOO

SpecQuant: Spectral Decomposition and Adaptive Truncation for Ultra-Low-Bit LLMs Quantization

SpecQuant：基于频域分解和自适应截断的超低比特LLM量化

Zhixiong Zhao, Fangxin Liu, Junjie Wang, Chenyang Guan, Zongwu Wang, Li Jiang, Haibing Guan

机构 * Shanghai Jiao Tong University（上海交通大学） 纠错

AI总结 本文提出SpecQuant框架，通过频域分解和自适应截断实现超低比特LLM量化，提升模型压缩效率与精度，实现4比特量化，准确率损失仅1.5%，推理速度提升2倍，内存使用降低3倍。

Comments Accepted at AAAI 2026

Faithful-First Reasoning, Planning, and Acting for Multimodal LLMs

多模态大语言模型中的忠实优先推理、规划与行动

Junxian Li, Xinyue Xu, Sai Ma, Di Zhang, Sichao Li

机构 * Shanghai Jiao Tong University（上海交通大学） ； The Hong Kong University of Science and Technology（香港科技大学） ； The Australian National University（澳大利亚国立大学） ； Fudan University（复旦大学） ； University of Sydney（悉尼大学） 纠错

AI总结 本文提出Faithful-First RPA框架，通过逐步监督提升多模态推理的忠实度，实验表明其在多个基准上提升了24%的感知忠实度，且不降低任务准确性。

Comments Accepted by ACL 2026 Findings

TAMEn: Tactile-Aware Manipulation Engine for Closed-Loop Data Collection in Contact-Rich Tasks

TAMEn：用于接触密集任务闭环数据收集的触觉感知操作引擎

Longyan Wu, Jieji Ren, Chenghang Jiang, Junxi Zhou, Shijia Peng, Ran Huang, Guoying Gu, Li Chen, Hongyang Li

机构 * Fudan University（复旦大学） ； Shanghai Innovation Institute（上海创新研究院） ； OpenDriveLab at The University of Hong Kong（香港大学OpenDriveLab） ； Shanghai Jiao Tong University（上海交通大学） ； East China University of Science and Technology（华东理工大学） 纠错

AI总结 本文提出TAMEn，通过双模采集管道和触觉-视觉学习框架，提升机器人双臂操作任务的闭环策略优化效果，实验表明任务成功率从34%提升至75%。

A Robust 3D Registration Method via Simultaneous Inlier Identification and Model Estimation

一种通过同时识别内点和模型估计的鲁棒3D配准方法

Xianyun Qian, Fei Wen, Peilin Liu

机构 * School of Information Science and Electronic Engineering / School of Integrated Circuits, Shanghai Jiao Tong University（上海交通大学电子信息与电气工程学院/集成电路学院） 纠错

AI总结 本文提出了一种基于截断损失的鲁棒3D配准方法，通过同时识别内点和模型估计，降低拟合残差，采用交替最小化算法和半正定松弛方法提升鲁棒性，实验显示在高噪声和多异常情况下性能优异。

Scientific Graphics Program Synthesis via Dual Self-Consistency Reinforcement Learning

通过双自一致性强化学习实现科学图形程序合成

Juekai Lin, Yun Zhu, Honglin Lin, Sijing Li, Tianwei Lin, Zheng Liu, Xiaoyang Wang, Wenqiao Zhang, Lijun Wu

机构 * Zhejiang University（浙江大学） ； Shanghai Artificial Intelligence Laboratory, OpenDataLab（上海人工智能实验室，OpenDataLab） ； Shanghai Jiao Tong University（上海交通大学） ； Peking University（北京大学） 纠错

AI总结 本文提出双自一致性强化学习框架，结合高质量数据集和多维基准，提升科学图形到可编辑TikZ代码的转换能力，实现视觉与结构的高精度优化。

Appearance Decomposition Gaussian Splatting for Multi-Traversal Reconstruction

外观分解高斯点云法用于多遍重建

Yangyi Xiao, Siting Zhu, Baoquan Yang, Tianchen Deng, Yongbo Chen, Hesheng Wang

机构 * Department of Automation, Key Laboratory of System Control and Information Processing of Ministry of Education, State Key Laboratory of Avionics Integration and Aviation System-of-Systems Synthesis, Shanghai Jiao Tong University（上海交通大学自动化系，系统控制与信息处理教育部重点实验室，航空电子集成与航空系统综合国家重点实验室） 纠错

AI总结 本文提出ADM-GS框架，通过显式分解静态背景的外观，缓解多遍重建中的外观纠缠问题，采用神经光场和频率分离编码策略提升多遍一致性，实验证明在Argoverse 2和Waymo Open数据集上效果显著。