高校专区
B$^2$F-Map：基于贝叶斯B样条融合的众包制图
机构 * Zenseact ； Department of Electrical Engineering, Linköping University（Linköping大学电子工程系） ； Department of Automation and Perception, Shanghai Jiao Tong University（上海交通大学自动化与感知系） ； Chalmers University of Technology（查尔姆斯技术大学）
AI总结 B$^2$F-Map通过贝叶斯B样条融合技术，利用轻量级地图和消费级传感器，在无需高精度地图的情况下实现高效众包制图。
Comments Accepted to ICRA 2026
IDProxy：小红书广告与推荐中基于多模态大语言模型的冷启动CTR预测
机构 * Xiaohongshu Inc.（小红书公司） ； Shanghai Jiao Tong University（上海交通大学） ； Fudan University（复旦大学）
AI总结 IDProxy通过多模态大语言模型生成代理嵌入，解决广告和推荐系统中物品冷启动的CTR预测问题，实现与现有嵌入空间的对齐和端到端优化，已在小红书大规模应用。
LFPO：基于掩码扩散模型的似然自由策略优化
机构 * Shenzhen University（深圳大学） ； Hong Kong University of Science（香港科学大学） ； Guangdong Laboratory of Artificial Intelligence（广东省人工智能与数字经济实验室） ； University of Science（科学技术大学） ； Shanghai Jiao Tong University（上海交通大学） ； Carleton University（卡尔顿大学） ； Southeast University（东南大学）
AI总结 LFPO通过似然自由策略优化提升掩码扩散模型的生成质量与推理效率。
具有延迟的连续控制状态-动作修复扩散器
机构 * University of Pennsylvania（宾夕法尼亚大学） ； Shanghai Jiaotong University（上海交通大学） ； Microsoft Research Asia（微软亚洲研究院）
AI总结 SAID通过结合动力学学习和策略优化，提出了一种具有延迟的连续控制新方法，实现了最先进的性能。
PhotoBench: 超越视觉匹配，迈向个性化意图驱动的图片检索
机构 * Shanghai Jiao Tong University（上海交通大学）
AI总结 PhotoBench 是首个基于真实个人相册构建的基准，旨在通过多源意图驱动推理提升个性化图片检索能力。
Comments Under review
SFCo-Nav: 通过慢LLM与快速属性图对齐的协作实现高效的零样本视觉语言导航
机构 * Shanghai Key Laboratory of Navigation and Location Based Services, Shanghai Jiao Tong University（上海导航与位置基于服务重点实验室，上海交通大学）
AI总结 SFCo-Nav通过慢LLM与快速属性图对齐的协作，实现了高效的零样本视觉语言导航，显著提升效率并降低计算成本。
Comments Accepted by 2026 IEEE International Conference on Robotics and Automation (ICRA)
自适应增长随机神经网络用于多值非线性一阶偏微分方程的水平集计算
机构 * School of Mathematics and Statistics, Xi’an Jiaotong University, Xi’an, Shaanxi 710049, China（数学与统计学学院，西安交通大学，西安，陕西 710049，中国） ； School of Mathematical Sciences & Institute of Natural Sciences, Shanghai Jiao Tong University, Shanghai 200240, China（数学科学学院及自然科学研究所，上海交通大学，上海 200240，中国） ； School of Mathematics and Statistics & State Key Laboratory of Multiphase Flow in Power Engineering, Xi’an Jiaotong University, Xi’an, Shaanxi 710049, China（数学与统计学学院及电力工程多相流国家重点实验室，西安交通大学，西安，陕西 710049，中国）
AI总结 本文提出自适应增长随机神经网络方法，用于高效计算具有双曲特征的非线性一阶偏微分方程的多值解。
超越全局相似性：面向细粒度、多条件多模态检索
机构 * Shanghai Jiao Tong University（上海交通大学） ； Institute of Digital Twin, Eastern Institute of Technology（数字孪生研究院，东部技术研究所） ； Ningbo Key Laboratory of Spatial Intelligence and Digital Derivative（宁波空间智能与数字衍生关键实验室）
AI总结 MCMR提出一个多条件多模态检索基准，通过细粒度多模态检索评估模型在复杂查询中的条件感知推理能力。
Comments Accepted by CVPR 2026
OmniZip: 一种用于多模态数据的统一且轻量级无损压缩器
机构 * Shanghai Jiao Tong University（上海交通大学） ； Ant Group（蚂蚁集团）
AI总结 OmniZip是一种用于多模态数据的统一且轻量级无损压缩器，通过三种关键组件实现高效压缩，并在多个数据集上实现了更高的压缩效率。
Comments 8 figures, 10 tables
具有低频截断的自适应上下文长度优化用于多智能体强化学习
机构 * Shanghai Jiao Tong University（上海交通大学） ； University of Waterloo（滑铁卢大学）
AI总结 本文提出了一种具有低频截断的自适应上下文长度优化方法，通过动态优化上下文长度和过滤冗余信息，提升多智能体强化学习在长期依赖任务中的性能。
DAG-Math: 图思维引导的大型语言模型数学推理
机构 * Department of Statistics, University of Warwick（沃里克大学统计系） ； Google DeepMind（谷歌DeepMind） ； Department of Applied Mathematics, Hong Kong Polytechnic University（香港理工大学应用数学系） ； School of Mathematical Sciences, Institute of Natural Sciences and MOE-LSC, Shanghai Jiao Tong University（上海交通大学数学科学学院）
AI总结 DAG-Math通过构建图思维引导的数学推理框架，评估LLM的推理能力，揭示了推理忠实度与最终答案准确性的差异。
Comments Accepted by ICLR 2026
多模态强化学习中的token感知聚焦
机构 * Shanghai AI Laboratory（上海人工智能实验室） ； Shanghai Jiao Tong University（上海交通大学） ； The Chinese University of Hong Kong（香港中文大学） ； Nanjing University（南京大学） ； Wuhan University（武汉大学）
AI总结 本文提出VPPO算法，通过token感知优化提升多模态强化学习的视觉推理能力。
Comments Accepted by ICLR 2026, project page: https://github.com/huaixuheqing/VPPO-RL
回望以推导前行：用于长上下文LLM代理的可回溯记忆
机构 * University of Science and Technology of China（中国科学技术大学） ； National University of Singapore（新加坡国立大学） ； Shanghai Jiao Tong University（上海交通大学） ； DP Technology（DP科技） ； Meituan（美团）
AI总结 ReMemR1通过整合记忆检索机制和多级奖励设计，提升长上下文问答任务的推理能力与效率。
Prune2Drive: 一种用于自动驾驶中加速视觉-语言模型的即插即用框架
机构 * Shanghai Jiao Tong University（上海交通大学） ； Shanghai AI Laboratory（上海人工智能实验室） ； Carnegie Mellon University（卡内基梅隆大学） ； Sichuan University（四川大学） ； University of Chinese Academy of Sciences（中国科学院大学） ； The University of Hong Kong（香港大学）
AI总结 Prune2Drive通过视觉令牌修剪框架在自动驾驶中加速视觉-语言模型，实现显著速度提升和内存节省，性能影响小。
Comments Accepted by CVPR 2026
OSDM-MReg: 基于一步扩散模型的多模态图像配准
机构 * Shanghai Key Laboratory of Intelligent Sensing and Recognition（上海智能感知与识别重点实验室） ； Shanghai Jiao Tong University（上海交通大学） ； Center of Digital Innovation（数字创新中心）
AI总结 OSDM-MReg通过一步扩散模型和多模态融合策略，实现多模态图像配准的高效准确配准。
为拟合物体操纵的物理常识知识而引入分析概念
机构 * School of Artificial Intelligence, Shanghai Jiao Tong University（上海交通大学人工智能学院） ； School of Computer Science, Shanghai Jiao Tong University（上海交通大学计算机学院） ； Shanghai Innovation Institute（上海创新研究院）
AI总结 本文提出通过引入分析概念，将语义级常识知识接地到物理世界，以提升机器人对关节物体的通用精确操纵能力。
ROMA: 一种基于只读存储器的QLoRA加速器
机构 * Shanghai Jiao Tong University（上海交通大学） ； Huixi Intelligence（汇溪智能） ； Peking University（北京大学） ； Microsoft Research Asia（微软亚洲研究院）
AI总结 ROMA是一种基于只读存储器的QLoRA加速器，通过混合存储架构和B-ROM设计，实现高效存储和加速LLM在边缘设备上的部署。
Openfly：面向空中视觉-语言导航的综合性平台
机构 * Shanghai AI Laboratory（上海人工智能实验室） ； Northwestern Polytechnical University（西北工业大学） ； Beihang University（北航） ； Shanghai Jiao Tong University（上海交通大学） ； The University of Hong Kong（香港大学） ； Zhejiang University（浙江大学） ； University of Science and Technology of China（中国科学技术大学） ； East China University of Science and Technology（东华大学） ； Fudan University（复旦大学） ； Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所） ； TeleAI
AI总结 OpenFly平台通过整合多种渲染引擎和自动化工具链，构建大规模空中VLN数据集，并提出关键帧感知的VLN模型，提升户外空中视觉-语言导航的研究与应用。
Comments accepted by ICLR 2026
Grounding-IQA: 多模态语言模型的接地图像质量评估
机构 * Shanghai Jiao Tong University（上海交通大学） ； Joy Future Academy（京东探索研究院） ； Huawei Noah’s Ark Lab（华为诺亚实验室） ； Westlake University（西湖大学） ； Huawei（华为）
AI总结 本文提出grounding-IQA任务范式，通过结合多模态指称与图像质量评估，实现更细粒度的图像质量感知。
Comments Accepted to ICLR 2026. Code is available at: https://github.com/zhengchen1999/Grounding-IQA
MLRecon: 通过粗到细的姿态估计实现鲁棒的无标记自由手3D超声重建
机构 * Institute of Biomedical Manufacturing and Life Quality Engineering, School of Mechanical Engineering, Shanghai Jiao Tong University, Shanghai, China（生物医学制造与生命质量工程学院，机械工程学院，上海交通大学，上海，中国） ； Department of Ultrasound in Medicine, Shanghai Sixth People's Hospital Affiliated to Shanghai Jiao Tong University School of Medicine, Shanghai, China（医学超声科，上海第六人民医院（隶属于上海交通大学医学院）） ； Institute of Medical Robotics, Shanghai Jiao Tong University, Shanghai, China（医学机器人研究院，上海交通大学，上海，中国）
AI总结 MLRecon通过粗到细姿态估计实现无标记自由手3D超声重建，有效解决漂移问题，实现高精度的6D探头跟踪与高质量3D成像。
Comments 10 pages, 4 figures
HierKick：基于分层强化学习的视觉引导足球机器人控制
机构 * Tongji University（同济大学） ； Shanghai Innovation Institute（上海创新研究院） ； Shanghai Jiao Tong University（上海交通大学） ； Jiangxi University of Finance（江西财经大学） ； East China Normal University（华东师范大学）
AI总结 HierKick通过双频分层强化学习框架，结合视觉检测与任务选择，实现足球机器人多时间尺度决策控制，提升复杂环境下的任务成功率。
Comments 15 pages, 6 figures
TraceSIR: 一个用于结构化分析和报告代理执行轨迹的多代理框架
机构 * Beijing Institute of Technology（北京理工大学） ； Zhipu AI（智谱AI） ； Tsinghua University（清华大学） ； Shanghai Jiao Tong University（上海交通大学）
AI总结 TraceSIR通过多代理框架结构化分析和报告代理执行轨迹，提升故障诊断和根本原因分析效率。
异构协作感知中的模态隔离问题
机构 * Shanghai Jiao Tong University（上海交通大学） ； Nanjing University of Science and Technology（南京理工大学）
AI总结 CodeAlign通过跨模态特征-代码-特征翻译有效解决异构协作感知中的模态隔离问题，显著降低训练参数和通信负载，提升感知性能。
Comments Accepted by CVPR 2026
AI-IO：一种受空气动力学启发的实时惯性里程计用于四旋翼
机构 * Shanghai Jiao Tong University（上海交通大学）
AI总结 本文提出了一种基于变压器的AI-IO方法，通过引入旋翼速度测量提升四旋翼惯性里程计的精度和实时性能。
Comments 8 pages, 8 figures, 2026 IEEE International Conference on Robotics(ICRA 2026)
Jano：具有早期阶段收敛意识的自适应扩散生成
机构 * Shanghai Jiaotong University（上海交通大学） ； Shanghai AI Laboratory（上海人工智能实验室） ； Tsinghua University（清华大学）
AI总结 Jano通过自适应区域感知生成方法，提升扩散模型的生成效率，实现2.0至2.4倍的加速，同时保持生成质量。
视觉标记究竟编码了什么？揭示多模态大语言模型中的稀疏性与冗余性
机构 * Institute of Digital Twin, Eastern Institute of Technology（数字孪生研究所，东部技术研究所） ； Ningbo Key Laboratory of Spatial Intelligence and Digital Derivative（宁波空间智能与数字衍生关键实验室） ； Shanghai Jiao Tong University（上海交通大学） ； The Hong Kong Polytechnic University（香港理工大学）
AI总结 本研究揭示多模态大语言模型中视觉标记的稀疏性与冗余性，通过EmbedLens工具发现活跃标记在进入模型前已编码细粒度信息，并提出中层注入方法提升效率。
Comments Accepted by CVPR2026
LifeEval: 一种面向日常生活中自体视角的多模态基准，用于辅助AI
机构 * Shanghai Artificial Intelligence Laboratory（上海人工智能实验室） ； Shanghai Jiao Tong University（上海交通大学） ； East China Normal University（华东师范大学） ； Shanghai University of Electric Power（上海电力大学）
AI总结 LifeEval 是一个面向日常生活中自体视角的多模态基准，用于评估实时任务导向的人机协作，揭示了在动态环境中实现有效交互的挑战。
U-VLM：用于报告生成的分层视觉语言模型
机构 * Medical Image Insights Co. Ltd.（医疗影像洞察有限公司） ； Shanghai Jiao Tong University（上海交通大学）
AI总结 U-VLM通过分层视觉语言建模在CT-RATE和AbdomenAtlas 3.0上实现了最先进的报告生成性能，展示了精心设计的视觉编码器预训练的重要性。
DreamWorld: 视频生成中的统一世界建模
机构 * University of Science（科学技术大学） ； Shanghai Jiao Tong University, Shanghai, China.（上海交通大学） ； Nanjing University, Suzhou, China.（南京大学）
AI总结 DreamWorld通过联合世界建模范式和约束退火技术，提升视频生成的世界一致性，优于现有方法。
MuonRec: 在可扩展生成推荐中超越Adam的优化器范式
机构 * Shanghai Jiao Tong University（上海交通大学）
AI总结 MuonRec通过引入Muon优化器提升可扩展生成推荐系统的训练效率和排名质量，优于Adam/AdamW基线。
Comments Under Review
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