高校专区
突破内存瓶颈：支持百万级上下文的高效训练系统
机构 * Key Laboratory of Multimedia Trusted Perception and Efficient Computing Ministry of Education of China（教育部多媒体可信感知与高效计算重点实验室） ； Xiamen University（厦门大学） ； Peking University（北京大学） ； University of Illinois Urbana-Champaign（伊利诺伊大学香槟分校） ； Shanghai Jiao Tong University（上海交通大学） ； Shanghai AI Laboratory（上海人工智能实验室）
AI总结 OOMB通过高效内存管理实现百万级上下文LLM训练，显著降低内存开销，提升训练效率。
DiSRouter: 分布式自路由用于大语言模型选择
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系X-LANCE实验室） ； Shanghai Innovation Institution, Shanghai, China（上海创新机构） ； Jiangsu Key Lab of Language Computing, Suzhou, China（江苏省语言计算重点实验室） ； AISpeech Co., Ltd., Suzhou, China（AISpeech公司） ； Suzhou Laboratory, Suzhou, China（苏州实验室）
AI总结 DiSRouter通过分布式自路由机制，利用LLM的自我认知能力，实现更灵活、可扩展的多代理系统。
UniFlow：一种统一的像素流标记器用于视觉理解和生成
机构 * Shanghai Jiao Tong University（上海交通大学） ； Shanghai AI Laboratory（上海人工智能实验室） ； Beihang University（北京航空航天大学） ； Shenzhen Key Lab of Computer Vision and Pattern Recognition, Shenzhen Institutes of Advanced Technology, Chinese Academy of Sciences（深圳计算机视觉与模式识别重点实验室，深圳先进技术研究院，中国科学院） ； Nanjing University（南京大学） ； University of Science and Technology of China（中国科学技术大学） ； School of Artificial Intelligence, University of Chinese Academy of Sciences（中国科学院大学人工智能学院）
AI总结 UniFlow是一种统一的像素流标记器，通过灵活适配视觉编码器和轻量级解码器，在视觉理解和生成任务中实现了性能的双赢。
Comments ICLR 2026
连接感知与规划：面向信号时序逻辑任务的端到端规划
机构 * School of Automation & Intelligent Sensing, Shanghai Jiao Tong University（自动化与智能感知学院，上海交通大学） ； University of Minnesota, Twin Cities（明尼苏达大学，双城分校） ； School of Information Science and Technology, University of Science and Technology of China（信息科学与技术学院，中国科学技术大学）
AI总结 本文提出了一种端到端的STL规划器，通过结构感知的混合专家模型，实现对信号时序逻辑任务的高效规划与执行。
FastAvatar: 向统一且快速的3D人像重建迈进：基于大高斯重建变换器
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） ； AKool
AI总结 FastAvatar通过大高斯重建变换器实现快速且统一的3D人像重建，利用多种输入数据提升重建质量和效率。
CineTrans: 通过掩码扩散模型学习生成具有电影过渡的视频
机构 * Fudan University（复旦大学） ； Shanghai Artificial Intelligence Laboratory（上海人工智能实验室） ； Shanghai Jiao Tong University（上海交通大学）
AI总结 CineTrans通过掩码扩散模型生成具有电影风格的多镜头视频，利用镜头边界与注意力图的对应关系，实现稳定且高质量的视频过渡。
Comments ICLR2026 Accept; Project Page:https://uknowsth.github.io/CineTrans/
通过渐进式概念构建推进复杂视频对象分割
机构 * Shanghai Jiao Tong University（上海交通大学） ； Shanghai Innovation Institute（上海创新研究院） ； Shanghai Artificial Intelligence Laboratory（上海人工智能实验室） ； The Chinese University of Hong Kong（香港中文大学） ； Harbin Institute of Technology（哈尔滨工业大学） ； CPII under InnoHK（InnoHK下的CPII）
AI总结 SeC通过渐进式概念构建方法，在复杂视频对象分割任务中实现了显著性能提升，特别是在语义复杂场景下的表现优于现有方法。
Comments project page: https://rookiexiong7.github.io/projects/SeC/ ; code: https://github.com/OpenIXCLab/SeC ; dataset: https://huggingface.co/datasets/OpenIXCLab/SeCVOS
OmniSpatial：迈向视觉语言模型的空间推理综合基准
机构 * Tsinghua University（清华大学） ； Xian Jiaotong University（西安交通大学） ； Shanghai Jiao Tong University（上海交通大学） ； Galbot ； Peking University（北京大学） ； Shanghai Qi Zhi Institute（上海启智研究院）
AI总结 OmniSpatial是一个基于认知心理学的综合性空间推理基准，通过动态推理、复杂空间逻辑等四个类别，评估视觉语言模型在空间推理上的能力与局限。
Comments ICLR 2026
Tru-POMDP：通过假设树和开放性POMDPs在不确定性下进行任务规划
机构 * Shanghai Jiao Tong University（上海交通大学） ； Shanghai Innovation Institute（上海创新研究院） ； East China Normal University（华东师范大学） ； Beijing University of Posts and Telecommunications（北京邮电大学）
AI总结 Tru-POMDP通过结合LLM生成的信念与开放性POMDP规划，有效应对任务规划中的不确定性，提升规划效率与鲁棒性。
WorldSense: 评估多模态大语言模型的现实世界多模态理解
机构 * Xiaohongshu Inc.（小红书公司） ； Shanghai Jiao Tong University（上海交通大学）
AI总结 WorldSense是首个评估多模态大语言模型现实世界多模态理解能力的基准，通过多模态协作、多样化视频任务和高质量标注，全面评估模型在复杂场景中的表现。
Comments Accepted by ICLR2026
电动汽车用户充电行为分析：整合心理和环境因素：一种基于统计驱动的LLM代理方法
机构 * School of Electrical Engineering, Shanghai Jiaotong University（上海交通大学电气工程学院） ； School of Electrical and Electronic Engineering, Nanyang Technological University（南洋理工大学电子与电气工程学院） ； Psychological Consultation Center, East China University of Political Science and Law（中国政法大学政治学与法律系心理咨询中心） ； School of Electrical and Information Engineering, Tianjin University（天津大学电气与信息工程学院）
AI总结 本文提出一种基于统计驱动LLM的代理方法，整合心理和环境因素分析电动汽车用户充电行为，揭示行为异质性及决策影响因素。
Comments Accepted for publication in CSEE Journal of Power and Energy Systems
视频帧插值中的速度歧义消除
机构 * School of Artificial Intelligence, Shanghai Jiao Tong University（上海交通大学人工智能学院） ； Cornell University（康奈尔大学） ； Shanghai Artificial Intelligence Laboratory（上海人工智能实验室） ； OtoNexus Medical Technologies（OtoNexus医疗科技公司） ； Snap Inc（Snap公司）
AI总结 本文提出距离索引方法，通过显式提示对象移动距离来提升视频帧插值的精度和质量。
Comments ECCV2024 Oral; TPAMI
CT-Flow: 通过模型上下文协议服务器协调CT解释工作流
机构 * Qing Yuan Research Institute, Shanghai Jiao Tong University, Shanghai, China（清元研究院，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） ； Sensetime Research, Shanghai, China（senseTime研究院，上海，中国）
AI总结 CT-Flow通过模型上下文协议实现3D CT解释工作流的动态协调，提升诊断准确性和工具调用效率。
Comments submitting to ACL 2026
SimpleTool: 并行解码用于实时大语言模型功能调用
机构 * Shanghai Jiao Tong University, Shanghai, China（上海交通大学） ； Shanghai Innovation Institute, Shanghai, China（上海创新研究院） ； Fudan University, Shanghai, China（复旦大学）
AI总结 SimpleTool通过并行解码技术实现大语言模型功能调用的实时加速，提升效率并降低延迟，适用于实时应用场景。
为随机障碍物的四旋翼赛车设计的课程强化学习
机构 * School of Automation and Perception, Shanghai Jiao Tong University（自动化与感知学院，上海交通大学） ； Faculty of Aerospace Engineering, Delft University of Technology（航空航天工程学院，代尔夫特理工大学）
AI总结 本文提出一种课程强化学习框架，通过多阶段学习和领域随机化提升四旋翼赛车在随机障碍物环境中的鲁棒性和速度
通过学习潜在控制动力学加速掩码图像生成
机构 * Shanghai Jiao Tong University, Shanghai, China（上海交通大学） ； Shanghai Artificial Intelligence Laboratory, Shanghai, China（上海人工智能实验室） ； Shanghai Innovation Institute, Shanghai, China（上海创新研究院） ； Nankai University, Tianjin, China（南开大学） ； University of Science（科学技术大学） ； Nanjing University, Nanjing, China（南京大学） ； The University of Sydney, Sydney, Australia（悉尼大学） ； Peking University, Beijing, China（北京大学）
AI总结 本文提出MIGM-Shortcut模型，通过学习潜在控制动力学加速掩码图像生成，在保持质量的同时实现文本到图像生成的四倍加速。
PointCoT: 一种用于显式3D几何推理的多模态基准
机构 * Xi'an Jiaotong University（西安交通大学） ； Tsinghua University（清华大学） ； Shanghai Jiao Tong University（上海交通大学） ； Zhejiang University（浙江大学） ； Nanyang Technological University（南洋理工大学） ； Harbin Institute of Technology, Shenzhen（哈尔滨工业大学（深圳）） ； Institute of Automation, CASIA（中国科学院自动化研究所） ； Taiyuan University of Technology（太原理工大学） ； Shanghai AI Laboratory（上海人工智能实验室）
AI总结 PointCoT通过显式链式推理提升3D几何推理能力，提出多模态基准和双流架构，实现对3D点云的高精度理解与推理。
利用几何先验不确定性与互补约束实现高保真的神经室内表面重建
机构 * Department of Automation, Shanghai Jiao Tong University（自动化系，上海交通大学） ； Department of Mechanical and Automation Engineering and T Stone Robotics Institute, The Chinese University of Hong Kong（机械与自动化工程系及T Stone机器人研究所，香港中文大学）
AI总结 GPU-SDF通过利用几何先验不确定性与互补约束，提升神经室内表面重建的细部特征恢复能力。
Comments Accepted by ICRA 2026
OmniTrack: 通过物理一致的参考进行通用运动追踪
机构 * Huazhong University of Science and Technology（华中科技大学） ； State Key Lab of General AI, Beijing Institute for General Artificial Intelligence (BIGAI)（通用人工智能国家重点实验室，北京通用人工智能研究院） ； Shanghai Jiao Tong University（上海交通大学）
AI总结 OmniTrack通过分离物理可行性与通用运动追踪，提升了机器人运动跟踪的准确性和稳定性，支持复杂动作和动态远程操作。
Comments website: https://omnitrack-humanoid.github.io/
UTPTrack: 向简单和统一的令牌剪枝迈进：视觉跟踪中的统一令牌剪枝
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） ； Munich Center for Machine Learning, LMU Munich（慕尼黑机器学习中心，慕尼黑大学）
AI总结 UTPTrack通过统一令牌剪枝框架，在视觉跟踪中实现高精度与高效能的平衡，同时支持多模态和语言引导任务。
Comments Accepted to CVPR 2026
HiDrop：通过晚期注入、凹形金字塔剪枝和早期退出实现MLLM中的层次视觉令牌减少
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） ； University of Science and Technology of China（中国科学技术大学） ； Shanghai Jiao Tong University（上海交通大学） ； Munich Center for Machine Learning, LMU Munich（慕尼黑大学机器学习中心，慕尼黑大学）
AI总结 HiDrop通过晚期注入、凹形金字塔剪枝和早期退出机制，实现多模态大语言模型中视觉令牌的高效减少，提升训练效率并保持性能。
Comments Accepted to ICLR 2026
具身感知的通用专家蒸馏用于统一的人形机器人全身控制
机构 * Shanghai Jiao Tong University（上海交通大学） ； Shanghai AI Lab（上海人工智能实验室）
AI总结 EAGLE通过通用-专家蒸馏框架实现多形态人形机器人统一控制，提升跨形态迁移能力和复杂行为执行。
放射科助手：一种协调专用工具的代理框架以实现可靠的放射学报告
机构 * Shanghai Jiao Tong University, Shanghai, China（上海交通大学） ； SenseTime Research, Shanghai, China（商汤研究） ； Shanghai Innovation Institute, Shanghai, China（上海创新研究院）
AI总结 放射科助手通过协调专用工具实现全面的放射学报告流程，提升报告准确性和临床标准符合度。
Q-Save：迈向生成视频评估的评分与归因
机构 * Shanghai Jiao Tong University（上海交通大学） ； Shanghai Innovation Institute（上海创新研究院）
AI总结 Q-Save提出一个统一的生成视频评估模型和数据集，通过三阶段训练策略实现质量评分与归因生成，提升AIGV质量预测的准确性和可解释性。
Comments 20 pages, 11 figures
AnimateScene: 任意场景中的相机可控动画
机构 * Shanghai Jiao Tong University（上海交通大学） ； Tencent TEG（腾讯科技（北京）有限公司） ； East China Normal University（华东师范大学）
AI总结 AnimateScene通过统一框架解决3D场景重建与4D人体动画整合难题，实现人类在任意场景中自然放置、风格对齐及动态相机轨迹处理，生成高细节且时空一致的动画视频。
Comments Accepted by ICASSP 2026
在SFT的泛化上：从强化学习视角的奖励校正
机构 * Southeast University（东南大学） ； University of California, Los Angeles（加州大学洛杉矶分校） ； Shanghai Jiao Tong University（上海交通大学） ； Nanyang Technological University（南洋理工大学） ； University of California, Berkeley（加州大学伯克利分校） ； Wuhan University（武汉大学） ； University of California, Merced（加州大学默塞德分校）
AI总结 本文提出动态微调方法，通过奖励校正提升SFT的泛化能力，在多个任务中表现优于传统SFT。
Comments ICLR 2026
SemanticVocoder: 通过语义潜在空间弥合音频生成与音频理解
机构 * Peking University（北京大学） ； Tencent AI Lab（腾讯AI实验室） ； Shanghai AI Lab（上海AI实验室） ； SJTU（上海交通大学）
AI总结 SemanticVocoder通过引入语义潜在空间，实现了音频生成与理解的统一，提升了生成性能并推动了共享语义空间的研究。
Comments Demo: https://zeyuxie29.github.io/SemanticVocoder/
SettleFL：去中心化和可扩展的联邦学习奖励结算协议（扩展版）
机构 * Shanghai Jiao Tong University（上海交通大学） ； Queen's University Belfast（女王大学 Belfast分校） ； National University of Singapore（新加坡国立大学）
AI总结 SettleFL是一种去中心化且可扩展的奖励结算协议，通过优化链上成本和提供即时最终性，解决联邦学习中高频率训练与区块链成本的冲突问题。
深入探讨图像分类中的对抗迁移性：综述、基准测试与评估
机构 * HUST（华中科技大学） ； Xidian University（西安电子科技大学） ； Wuhan University（武汉大学） ； HFUT（合肥工业大学） ； SJTU（上海交通大学）
AI总结 本文通过综述和基准测试，探讨图像分类中对抗迁移性的问题，提出评估框架并分析提升迁移性的策略及潜在问题。
Comments Code is available at https://github.com/Trustworthy-AI-Group/TransferAttack
拒绝混合：用于高效DLLM推理的快速语义传播掩码标记
机构 * Cooperative Medianet Innovation Center, Shanghai Jiao Tong University（上海交通大学联合中位网创新中心，上海交通大学） ； School of Artificial Intelligence, Shanghai Jiao Tong University（上海交通大学人工智能学院）
AI总结 ReMix通过在离散扩散解码过程中引入连续混合状态，实现高效DLLM推理，提升速度同时保持质量。
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