高校专区
MAMBO-G：基于幅度的提升引导抑制
机构 * Shanghai Jiao Tong University（上海交通大学） ； The University of Hong Kong（香港大学） ； University of Science and Technology of China（中国科学技术大学） ； University of Waterloo（滑铁卢大学） ； Chinese Academy of Sciences（中国科学院） ； Zhongguancun Academy（中关村学院）
AI总结 MAMBO-G通过动态优化引导幅度，显著降低计算成本，实现视频生成任务的高效加速。
通过谱约束的长跳连接实现稳定高效的扩散变换器
机构 * Shanghai Jiao Tong University（上海交通大学） ； Shanghai Artificial Intelligence Laboratory（上海人工智能实验室） ； The University of North Carolina at Chapel Hill（北卡罗来纳大学教堂山分校） ； SKL-IOTSC, CIS, University of Macau（澳门大学SKL-IOTSC、CIS） ； Huazhong University of Science and Technology（华中科技大学） ； The Chinese University of Hong Kong（香港中文大学）
AI总结 通过引入长跳连接和谱约束，Skip-DiT实现了图像和视频生成中的稳定高效扩散变换器，显著提升了训练和推理效率。
Comments 17 pages, 8 figures
视点中心多目标跟踪与透视匹配在移动无人机中的应用
机构 * MoE Key Laboratory of Brain-inspired Intelligent Perception and Cognition, University of Science and Technology of China（脑启发智能感知与认知教育部重点实验室，中国科学技术大学） ； Singapore University of Technology and Design（新加坡科技设计大学） ； Alibaba Group（阿里巴巴集团） ； 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）
AI总结 本文提出HomView-MOT框架，利用视角仿射变换解决移动无人机场景下的多目标跟踪问题，通过快速仿射估计和多视角特征学习实现最先进的跟踪性能。
Comments TGRS 2026
DLLM-Searcher: 为搜索代理适应扩散大语言模型
机构 * Renmin University of China（中国人民大学） ； Shanghai Jiao Tong University（上海交通大学）
AI总结 DLLM-Searcher通过优化基于dLLM的搜索代理，解决代理能力不足和延迟挑战，提升推理效率。
Efficient-LVSM: 通过解耦共细化注意力实现更高效、更经济、更优质的大型视角合成模型
机构 * Institute of Trustworthy Embodied AI (TEAI)（可信具身人工智能研究院） ； Sch. of Computer Science & Sch. of Artificial Intelligence（计算机科学学院与人工智能学院） ； Shanghai Jiao Tong University（上海交通大学）
AI总结 Efficient-LVSM通过解耦共细化注意力机制，实现了更高效、更经济、更优质的大型视角合成模型，提升了PSNR性能并加快了训练和推理速度。
Comments Accepted at ICLR 2026
euphonium：通过过程奖励梯度引导的随机动态控制视频流匹配
机构 * Huazhong University of Science and Technology（华中科技大学） ； Shanghai Jiao Tong University（上海交通大学） ； Tencent Hunyuan（腾讯混元） ； University of Chinese Academy of Sciences（中国科学院大学）
AI总结 Euphonium通过过程奖励梯度引导动态，提升视频流匹配的生成效率和对齐性。
CoBA-RL：面向大语言模型强化学习的基于能力的预算分配
机构 * Zhejiang University（浙江大学） ； Nanjing University（南京大学） ； National University of Singapore（新加坡国立大学） ； Shanghai Jiao Tong University（上海交通大学）
AI总结 CoBA-RL通过基于能力的价值函数和堆贪心策略，优化大语言模型强化学习中的预算分配，提升训练效率和泛化能力。
D$^2$Quant: 高精度低比特后训练权重量化用于大语言模型
机构 * Shanghai Jiao Tong University（上海交通大学） ； Tencent Hunyuan（腾讯文心）
AI总结 D$^2$Quant通过双尺度量化器和偏差感知修正提升低比特权重量化精度，实现更高效的LLM部署。
MAGIC: 一种共进化攻击者-防御者对抗游戏用于鲁棒大语言模型安全
机构 * Shanghai AI Laboratory（上海人工智能实验室） ； Shanghai Jiao Tong University（上海交通大学） ； Zhejiang University（浙江大学）
AI总结 MAGIC通过共进化对抗游戏提升大语言模型的安全性，攻击者与防御者智能体在多轮强化学习中相互演化，有效识别并抵御未知攻击模式。
通过类型引导的程序合成学习保证类型正确性
机构 * Peking University（北京大学） ； University of Michigan（密歇根大学） ； Shanghai Jiao Tong University（上海交通大学） ； Institute of Software, Chinese Academy of Sciences（中国科学院软件研究所） ； Tencent（腾讯）
AI总结 TyFlow 通过内部化类型推理，提升代码生成的类型正确性与功能正确性。
SWE-Dev：评估和训练自主的基于特征驱动的软件开发
机构 * Shanghai Jiao Tong University（上海交通大学） ； Beijing University of Aeronautics and Astronautics（北京航空航天大学） ； The Chinese University of Hong Kong（香港中文大学） ； University of Michigan（密歇根大学）
AI总结 SWE-Dev是一个大规模数据集，用于评估和训练自主编码系统在特征驱动软件开发中的能力，通过提供可运行环境和单元测试提升模型性能。
探测大型视觉-语言模型中的知觉恒常性
机构 * Johns Hopkins University（约翰霍普金斯大学） ； Emory University（埃默里大学） ； University of Washington（华盛顿大学） ； University of California San Diego（加州大学圣地亚哥分校） ； University of North Carolina at Chapel Hill（北卡罗来纳大学教堂山分校） ； University of Southern California（南加州大学） ； Washington University in St. Louis（圣路易斯华盛顿大学） ； Shanghai Jiao Tong University（上海交通大学） ； East China Normal University（华东师范大学） ； Stanford University（斯坦福大学） ； University of California, Berkeley（加州大学伯克利分校） ； University of Michigan（密歇根大学） ； Carnegie Mellon University（卡内基梅隆大学）
AI总结 本文研究了大型视觉-语言模型在颜色、大小和形状恒常性任务中的表现，发现模型在不同任务上的性能存在显著差异。
Comments Under Review
PhenoLIP：将表型本体知识整合到医学视觉-语言预训练中
机构 * School of Artificial Intelligence, Shanghai Jiao Tong University（上海交通大学人工智能学院） ； Shanghai Artificial Intelligence Laboratory（上海人工智能实验室）
AI总结 PhenoLIP通过整合表型本体知识提升医学视觉-语言模型的表型识别与跨模态检索性能。
RISE-Video: 视频生成器能否解码隐含的世界规则？
机构 * Shanghai Jiao Tong University（上海交通大学） ； Tencent Youtu Lab（腾讯优图实验室） ； Xidian University（西安电子科技大学） ； Beijing Normal University（北京师范大学） ； The Chinese University of Hong Kong（香港中文大学）
AI总结 RISE-Video通过多维评估框架评估视频生成模型在隐含世界规则推理能力，揭示其在复杂场景模拟中的不足，推动未来生成模型的发展。
Comments 38 pages, 16 figures, 3 tables; Code: https://github.com/VisionXLab/RISE-Video; HuggingFace: https://huggingface.co/datasets/VisionXLab/RISE-Video
LongR: 通过密集效用奖励的强化学习解锁长上下文推理
机构 * Peking University（北京大学） ； Shanghai Jiao Tong University（上海交通大学） ； Tsinghua University（清华大学） ； Beijing University of Posts and Telecommunications（北京邮电大学）
AI总结 LongR通过整合动态'思考与阅读'机制和上下文密度奖励，提升长上下文推理性能，在多个基准测试中取得显著成效。
Disco：通过邻接感知的协作着色实现密集重叠细胞实例分割
机构 * Shanghai Academy of Artificial Intelligence for Science（上海人工智能科学研究院） ； Fudan University（复旦大学） ； Shanghai Innovation Institute（上海创新研究院） ； School of Life Sciences and Biotechnology, Shanghai Jiao Tong University（上海交通大学生命科学与生物技术学院） ； Lingang Laboratory（临港实验室） ； Renji Hospital, School of Medicine, Shanghai Jiao Tong University（仁济医院，上海交通大学医学院）
AI总结 Disco通过邻接感知协作着色解决复杂细胞实例分割问题，结合拓扑标注与深度学习解决冲突。
Comments 17 pages, 10 figures; ICLR 2026
REArtGS++: 通过平面高斯散射的时序几何约束实现通用的关节重建
机构 * Hefei Institutes of Physical Science, Chinese Academy of Sciences（合肥物理科学研究院，中国科学院） ； University of Science and Technology of China（中国科学技术大学） ； Hefei University of Technology（合肥工业大学） ； RoboticsX, Tencent（腾讯机器人院） ； Shanghai Jiao Tong University（上海交通大学）
AI总结 REArtGS++通过引入时序几何约束和平面高斯散射，提升关节物体在不同状态下的通用表面重建和参数估计能力。
Comments 10 pages, 7 figures
迈向集体人工智能的科学：基于LLM的多智能体系统需要从盲目试错转向严谨的科学
机构 * Shanghai Jiao Tong University（上海交通大学） ； Fudan University（复旦大学） ； Tsinghua University（清华大学） ； King’s College London（伦敦大学国王学院） ； Peng Cheng Laboratory（鹏城实验室）
AI总结 本文提出通过建立协作收益度量（Γ）和因素归因范式，推动多智能体系统从盲目试错向严谨科学转变。
通过显式语义和隐式纹理实现超低比特率的双表示图像压缩
机构 * 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 本文提出了一种融合显式语义和隐式纹理的图像压缩框架，通过无训练的方式提升超低比特率下的压缩性能。
近光色光度立体摄影用于单色非兰伯特表面
机构 * Beijing University of Posts and Telecommunications（北京邮电大学） ； Shanghai Jiao Tong University（上海交通大学） ； Peking University（北京大学）
AI总结 本文提出了一种基于神经隐式表示的单色非兰伯特表面单次图像重建方法，并通过实验验证了其有效性。
Comments 5 pages 7figures
位置：LLM代理可用性的真正障碍是代理的ROI
机构 * Shanghai Jiao Tong University（上海交通大学） ； University of Science and Technology of China（中国科学技术大学）
AI总结 本文提出LLM代理可用性的核心问题在于其投资回报率，主张通过Z字型发展路径提升其在日常应用中的可用性和可扩展性。
一步扩散模型与新基准的人体恢复
机构 * Shanghai Jiao Tong University, China（上海交通大学） ； vivo Mobile Communication Co., Ltd, China（vivo移动通信有限公司）
AI总结 本文提出了一种一步扩散模型OSDHuman和新基准数据集PERSONA，用于提升人体恢复的视觉质量和定量指标。
Comments 8 pages, 9 figures. Accepted at ICML 2025
理解视觉退化
机构 * School of Artificial Intelligence, OPtics and ElectroNics (iOPEN), Northwestern Polytechnical University（人工智能学院、光学与电子学（iOPEN）、西北工业大学） ； Honors College, Northwestern Polytechnical University（荣誉学院、西北工业大学） ； Shanghai AI Laboratory（上海人工智能实验室） ； School of Artificial Intelligence, Shanghai Jiaotong University（人工智能学院、上海交通大学）
AI总结 本文提出DU-VLM模型，通过结构化奖励强化学习解决视觉退化理解问题，引入大规模数据集并实现高保真图像恢复。
Comments 17 pages
LCUDiff: 基于潜在空间升级的扩散模型用于忠实的人体图像修复
机构 * Shanghai Jiao Tong University（上海交通大学） ； Shenzhen Transsion Holdings Co., Ltd.（深圳Transsion控股有限公司）
AI总结 LCUDiff通过升级潜在空间和改进解码器路由，实现了更高质量的人体图像修复，提升了保真度和效率。
Comments 8 pages, 7 figures. The code and model will be at https://github.com/gobunu/LCUDiff
视觉能否取代文本在工作记忆中的作用？来自视觉-语言模型中空间n-Back任务的证据
机构 * Southeast University（东南大学） ； Shanghai Jiao Tong University（上海交通大学） ； Carnegie Mellon University（卡内基梅隆大学）
AI总结 研究通过空间n-Back任务评估视觉-语言模型中视觉与文本对工作记忆的影响，发现文本条件下的表现优于视觉条件，揭示了视觉信息处理中的计算差异。
HAODiff: 人类感知的单步扩散 via 双提示引导
机构 * Shanghai Jiao Tong University（上海交通大学） ； vivo Mobile Communication Co., Ltd（vivo移动通信有限公司）
AI总结 HAODiff通过双提示引导方法，针对人类运动模糊和通用噪声问题，提升图像修复的鲁棒性和视觉质量。
Comments 9 pages, 8 figures. Accepted at NeurIPS 2025
点亮你的脸：一个物理一致的数据集和扩散模型用于人脸填充光增强
机构 * Shanghai Jiao Tong University（上海交通大学）
AI总结 本研究提出LightYourFace-160K数据集和FiLitDiff模型，通过物理一致的渲染器和扩散模型实现高质量的人脸填充光增强，提升光照处理的可控性和保真度。
Comments 8 pages, 7 figures. The code and model will be available at https://github.com/gobunu/Light-Up-Your-Face
通过强化微调学习多模态大语言模型中的领域知识
机构 * MoE Key Lab of Artificial Intelligence, AI Institute, Shanghai Jiao Tong University, Shanghai, China（人工智能大规模并行计算实验室，人工智能研究院，上海交通大学，上海）
AI总结 本文提出通过强化微调框架在优化层面整合领域知识，提升多模态大语言模型在专门领域任务中的性能。
SurgiATM：一种基于物理的插件式模型，用于基于深度学习的腹腔镜手术烟雾去除
机构 * School of Computer Science, The University of Sydney（悉尼大学计算机科学学院） ； Institute of Medical Robotics, School of Biomedical Engineering, Shanghai Jiao Tong University（上海交通大学生物医学工程学院医学机器人研究所） ； Department of Radiology, Brigham and Women's Hospital, and Harvard Medical School（哈佛医学院放射科、布里洛女性医院）
AI总结 SurgiATM通过结合物理模型和深度学习，提出了一种轻量级插件式模型，用于有效去除腹腔镜手术中的烟雾，提升手术精度和效率。
Comments 21 pages, 9 figures, 10 tables. Code available at https://github.com/MingyuShengSMY/SurgiATM
通过多样性理解基于大语言模型的多智能体系统中的智能体扩展
机构 * Shanghai Jiao Tong University（上海交通大学） ； California Institute of Technology（加州理工学院） ； Johns Hopkins University（约翰霍普金斯大学）
AI总结 本文通过引入K*指标，揭示了基于大语言模型的多智能体系统中，异质性智能体配置比同质配置更有效，且性能受任务不确定性限制。
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