高校专区
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。
一种用于高效视觉-语言-动作推理的具有质心重用的运动感知向量量化框架
机构 * School of Computer Science, Shanghai Jiao Tong University（上海交通大学计算机科学与工程系） ； Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所）
AI总结 针对VLA模型推理延迟高问题，提出VQVLA算法-硬件协同设计框架，利用MotionVQ动态调整量化精度，采用合并质心向量量化通用矩阵乘法范式，设计加速器，实验表明其相比多种方法有显著加速且精度损失小。
迈向高级语义智能
机构 * Shanghai Jiao Tong University（上海交通大学） ； Nanjing University（南京大学） ； Shanghai Artificial Intelligence Laboratory（上海人工智能实验室）
AI总结 综述从语义复杂性角度审视人工智能语义智能发展，系统调研高级语义任务研究，总结理解和生成的相关方法及策略，旨在推动人工智能向高级语义智能持续发展。
基于恢复流匹配的MIMO语义通信信道细化与均衡校正
机构 * Beijing University of Posts and Telecommunications（北京邮电大学） ； ZGC Institute of Ubiquitous-X Innovation and Applications（中关村泛在X创新与应用研究院） ； Shanghai Jiao Tong University（上海交通大学）
AI总结 针对MIMO语义通信中信道和均衡问题，提出基于恢复流匹配的框架，含CRFM和SRFM模块，通过双锚点扰动训练策略增强鲁棒性，经ODE求解器推理，实验证明提高了相关指标且采样步骤少。
MS-GPT：将串联质谱的从头结构解析重新思考为分子语言模型的谱诱导后验查询
机构 * ByteDance Inc.（字节跳动公司） ； Shanghai Jiao Tong University（上海交通大学）
AI总结 研究针对MS/MS分子结构解析问题，提出MS-GPT方法，将指纹介导的从头解析重铸为谱诱导后验查询分子语言模型，经校准、排序等操作，在NPLIB1和MassSpecGym上达新最优水平，提升召回率且增加少量推理成本。
Comments 18 pages, 14 figures, and 9 tables, including appendices. Source code and model checkpoints are available at https://github.com/VIKI623/MS-GPT
通过协作元知识增强进行痴呆病因诊断
机构 * School of Computer Science, Fudan University（复旦大学计算机科学学院） ； Cooperative Medianet Innovation Center, Shanghai Jiao Tong University（上海交通大学协同媒体网络创新中心） ； Microsoft Research Asia（微软亚洲研究院） ； School of Artificial Intelligence, Shanghai Jiao Tong University（上海交通大学人工智能学院）
AI总结 针对痴呆病因诊断中因数据异质性导致的挑战，提出协作元知识增强（COME）框架，将多中心采集语义等作为异质性感知嵌入注入Transformer架构，并设计优化方案。该方法在多队列中性能达最优，有良好泛化能力，还能与生物标志物及临床严重程度一致。
语言模型会收敛到自身吗？递归自精炼作为文本松弛
机构 * Pfizer（辉瑞公司） ； University of California San Diego（加利福尼亚大学圣地亚哥分校） ； Institute for Medical Philosophy and Future Artificial Intelligence（医学哲学与未来人工智能研究所） ； Tongji University（同济大学） ； Shanghai Jiao Tong University（上海交通大学） ； Institute of Humanities and Social Science Data, Fudan University（复旦大学人文社会科学数据研究所）
AI总结 研究大语言模型递归自精炼工作流程的长期动态。通过生成精炼轨迹并分析多种指标，发现轨迹迅速饱和，编辑多在前几次迭代，确定性解码表现更好，平均编辑幅度呈指数松弛，收敛摘要有多种优势，支持动态系统观点并推动停止标准。
VibeVoice-ASR-BitNet技术报告
机构 * Microsoft Research（微软研究院） ； Shanghai Jiao Tong University（上海交通大学） ； Fudan University（复旦大学） ； University of Chinese Academy of Sciences（中国科学院大学）
AI总结 介绍VibeVoice-ASR-BitNet，针对边缘CPU实时推理优化。采用异构量化及渐进式量化感知训练，在ggml框架实现自定义内核和运算符，可比模型大小下速度快1.6 - 2.3倍，准确性略降。
Comments Technical Report
AgenticNav：零样本视觉与语言导航作为工具调用框架
机构 * Shanghai Jiao Tong University（上海交通大学） ； Huawei Technologies Ltd（华为技术有限公司）
AI总结 提出AgenticNav，通过将动作、深度和记忆作为可调用工具暴露给VLM，实现零样本连续环境导航，在R2R-CE基准上达到SOTA性能。
Transformer 如何通过多令牌预测学习规划
机构 * University of California, Los Angeles（加州大学洛杉矶分校） ； Shanghai Jiao Tong University（上海交通大学） ； University of Pennsylvania（宾夕法尼亚大学） ； RIKEN Center for Advanced Intelligence Project（日本理化学研究院先进智能项目中心） ； The Institute of Statistical Mathematics（统计数学研究所）
AI总结 本文研究多令牌预测如何促进推理，特别是规划，通过实验和理论分析展示其优于单令牌预测的性能及背后的机制。
Comments COLM 2026
OS-Sentinel: 通过现实工作流中的混合验证实现安全增强的移动GUI代理
机构 * The University of Hong Kong（香港大学） ； Fudan University（复旦大学） ； Shanghai AI Laboratory（上海人工智能实验室） ； Nanyang Technological University（南洋理工大学） ； Nanjing University（南京大学） ； Shanghai Jiao Tong University（上海交通大学）
AI总结 OS-Sentinel通过结合形式验证器和VLM上下文判断者，提升移动GUI代理的安全性，实验显示在多个指标上优于现有方法。
Comments ACL 2026 (Oral) & Best Paper at AIWILD @ ICLR 2026
AuditRepairBench：用于评估智能体修复中评估器通道排名不稳定性的配对执行跟踪语料库
机构 * Shanghai Jiao Tong University（上海交通大学） ； Shanghai Maritime University（上海 Maritime University）
AI总结 研究智能体修复排行榜因评估器重新配置而重新排序的问题，通过AuditRepairBench语料库及模块化筛选架构实现评估器通道阻塞排名不稳定性评估，经多种验证和实验，证明筛选引导盲补丁能有效减少排名位移。
Comments The authors have identified substantial issues in the experimental design and evaluation that affect the validity of the main conclusions. Therefore, the authors have decided to withdraw this manuscript
CARA：用于可解释碰撞预测的概念感知风险注意力
机构 * Shanghai Jiao Tong University（上海交通大学） ； The University of Hong Kong（香港大学） ； Fudan University（复旦大学） ； The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）） ； University of Pennsylvania（宾夕法尼亚大学） ； Renmin University of China（中国人民大学）
AI总结 研究自动驾驶碰撞预测问题，提出CARA框架，从事故叙述中获取风险概念并与视频帧对齐成轨迹，将语义风险因素作为动态证据，结合可解释性与预测过程，实验证明其能提高预测准确性和预警及时性。
Comments Accepted to ACM Multimedia 2026(Oral)
BiWM：利用双向自回归推进开源交互式视频世界模型
机构 * LynnReal AI ； Shanghai Innovation Institute（上海创新研究院） ； Shanghai Jiao Tong University（上海交通大学） ； Fudan University（复旦大学）
AI总结 提出BiWM框架，通过双向自回归范式将预训练视频骨干转化为交互式世界模型，仅需两阶段训练（微调+分布匹配蒸馏），支持多尺度模型和长程生成，优于现有因果流水线。
熵梯度反转：迈向大型推理模型的内部机制
机构 * National University of Singapore（新加坡国立大学） ； Renmin University of China（中国人民大学） ； Shanghai Jiao Tong University（上海交通大学） ； Nanyang Technological University（南洋理工大学）
AI总结 本文发现大型推理模型中令牌熵与logit梯度之间的稳健负相关（熵梯度反转），并提出相关性正则化组策略优化（CorR-PO）将其嵌入强化学习奖励正则化，从而提升推理性能。
Comments 15 pages, 5 figures, 8 tables
Adam在持续学习中梯度修改的隐藏失败模式，以及自适应解耦动量路由作为修复
机构 * Shanghai Jiao Tong University（上海交通大学） ； Shanghai Maritime University（上海海洋大学）
AI总结 研究揭示了Adam在持续学习中梯度修改的隐藏失败模式，提出自适应解耦动量路由作为修复方法，通过调整动量路径提升模型稳定性与性能。
Comments The authors have identified substantial issues in the experimental design and evaluation that affect the validity of the main conclusions. Therefore, the authors have decided to withdraw this manuscript
低资源语言变体的语音强制对齐：成都话的模型训练与评估
机构 * Shanghai Jiao Tong University（上海交通大学） ； City University of Hong Kong（香港城市大学） ； The Hong Kong Polytechnic University（香港理工大学） ； Beijing Foreign Studies University（北京外国语大学）
AI总结 针对现有语音强制对齐系统缺乏低资源语言变体专门模型的问题，利用17小时语料库和自定义词典，训练成都话依赖文本与独立文本的对齐器，显著优于标准普通话基线，建立实用自训练管道。
Comments 5 pages, 1 figure
BasketEvent：理解篮球视频中谁在何时做了什么
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 该研究旨在解决篮球视频理解问题，提出以球员为中心的BasketEvent数据集，引入PlayNet推理框架，通过建模多种互动并聚合时间证据进行事件预测，实验证明其在体育视频理解上优于基线。
T-STAR：卫星视频中时空全景场景图生成的大规模基准测试
机构 * School of Remote Sensing and Information Engineering, Wuhan University（武汉大学遥感信息工程学院） ； School of Automation and Intelligent Sensing, Shanghai Jiao Tong University（上海交通大学自动化与智能感知学院）
AI总结 本文针对卫星视频结构化理解难题，提出时空全景场景图生成任务，构建T-STAR大规模基准数据集，含超百万实例掩码和时空三元组，还提出统一框架，经实验验证其对卫星视频理解研究的重要性和框架有效性。
Comments 17 pages, 8 figures
因果智能体图像恢复：用于自适应图像恢复智能体的自进化因果记忆
机构 * Shanghai Jiao Tong University（上海交通大学） ； Harbin Institute of Technology（哈尔滨工业大学）
AI总结 针对图像恢复智能体知识存储局限，提出Causal-AgentIR框架，通过构建结构化因果记忆图及协作系统，支持智能体进行因果推理，依质量变化和反馈调整恢复经验，有效提升图像恢复能力。
RealVDeblur：用于通用真实世界视频去模糊的一步扩散法
机构 * Shanghai Jiao Tong University（上海交通大学） ； Shanghai AI Laboratory（上海人工智能实验室） ； CUHK MMLab（香港中文大学多媒体实验室） ； CPII under InnoHK（创新香港研究院下的CPII） ； Tsinghua University（清华大学）
AI总结 针对真实世界视频去模糊难题，提出RealVDeblur框架。构建模糊合成管道提供数据，利用视频扩散先验恢复，采用逐帧编码并简化采样为一步生成器，还有时间窗口掩码稳定推理，在多方面表现出色且提升3D重建鲁棒性。
Comments Project page with code: https://rbjin.github.io/RealVDeblur/
EvoSQL：用于文本到SQL的内存增强型评论家-生成器协同进化
机构 * Shanghai Jiao Tong University（上海交通大学） ； University of New South Wales（新南威尔士大学） ； Fudan University（复旦大学） ； Wuhan University of Technology（武汉理工大学）
AI总结 研究文本到SQL问题，提出EvoSQL协同进化框架，通过生成器与评论家迭代交互、维护内存、验证候选及自蒸馏策略优化微调等，在Spider和BIRD实验中持续改进开源模型，证明该方法是有效途径。
PILD：通过扩散进行物理引导学习
机构 * Shanghai Jiao Tong University, Shanghai, China（上海交通大学） ； The University of Texas at Austin, Austin, TX, USA（德克萨斯大学奥斯汀分校） ； Zhejiang University, Hangzhou, Zhejiang, China（浙江大学） ； Tongji University, Shanghai, China（同济大学） ； University of Wisconsin-Madison, Madison, WI, USA（威斯康星大学麦迪逊分校）
AI总结 PILD通过引入虚拟残差观测和条件嵌入模块，结合物理约束与扩散模型，提升工程和科学任务中生成模型的准确性、稳定性和泛化能力。
Comments 34 pages, 13 figures, 14 tables
用于功能性抗体设计的抗原特异性抗体多模态基础模型
机构 * Shanghai Jiao Tong University（上海交通大学）
AI总结 该研究针对抗原特异性抗体设计难题，引入AAMFM多模态基础模型，通过跨模态适配器整合抗原信息，用校准直接偏好优化微调，实现抗体 - 抗原相互作用联合建模，实验证明其在功能性抗体设计中性能最优，有抗原特异性抗体工程潜力。
论文化负载机器翻译的系统性挑战：以《红楼梦》为文化视角
机构 * School of Computer Science, Shanghai Jiao Tong University（上海交通大学计算机科学与工程系） ； School of Foreign Languages, East China University of Science and Technology（华东理工大学外国语学院） ； Mejiro University（目白大学）
AI总结 研究以《红楼梦》构建数据集，系统探究基于大语言模型的机器翻译系统中文化负载翻译的挑战，揭示任务、人工评估及自动评估方面的问题，为文化导向的翻译研究提供见解。
基于智能识别与生成的电子元件符号与引脚封装数据库
机构 * Ningbo Institute of Digital Twin, Eastern Institute of Technology（宁波数字孪生研究院，东方理工大学） ； Shanghai Jiao Tong University（上海交通大学） ； BTD Technology（BTD科技）
AI总结 研究利用多模态大语言模型开发电子元件符号和引脚封装智能识别与生成流程SFgen，其符号生成准确率86%，引脚封装生成准确率80%，并用此创建含1000个元件的SFnet数据库，为PCB设计自动生成奠定基础。
Comments Accepted by PRCV 2025
基于可重构智能表面的无线联邦学习中的收敛-延迟感知自适应调制与资源分配
机构 * Broadband Access Network Laboratory, Shanghai Jiao Tong University（宽带接入网络实验室，上海交通大学） ； School of Information Science and Engineering, Southeast University（信息科学与工程学院，东南大学） ； Data61, CSIRO（数据61，联邦科学与工业研究组织） ； Department of Electronic and Electrical Engineering, University College London（电子与电气工程系，伦敦大学学院） ； School of Internet of Things Engineering, Jiangnan University（物联网工程学院，江南大学）
AI总结 针对无线网络联邦学习中训练延迟和收敛性问题，考虑RIS辅助阻塞链路场景，通过刻画符号错误影响得出收敛上限，将联合收敛-延迟优化问题转化为MINLP问题，用低复杂度框架求解，实验表明该方案收敛快、准确率高。
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