高校专区
DVD：一种检测大规模语言模型评估中变体污染的稳健方法
机构 * Beihang University（北京航空航天大学） ； Peking University（北京大学） ； Beijing University of Posts and Telecommunications（北京邮电大学） ； Shanghai Jiao Tong University（上海交通大学） ； Tsinghua University（清华大学）
AI总结 DVD通过分析生成分布的方差检测大规模语言模型评估中的变体污染，优于多种现有检测方法。
剪除无意义的：通过首词意外度实现高效的LLM推理
机构 * Shanghai Jiao Tong University（上海交通大学） ； Fudan University（复旦大学） ； East China Normal University（华东师范大学） ； Chongqing University（重庆大学）
AI总结 本文提出ASAP方法，通过锚点引导和首词意外度度量实现高效的CoT压缩，提升推理效率并降低训练成本。
Comments Code and model available at https://github.com/Zengwh02/ASAP
3D-Agent：三模态多智能体协作用于可扩展的3D物体标注
机构 * Sun Yat-sen University（中山大学） ； Shanghai Jiao Tong University（上海交通大学） ； Snap Inc.（Snap公司）
AI总结 Tri MARF通过三模态多智能体协作提升大规模3D物体标注效率与精度
Comments Accepted at NeurIPS 2025
LEGATO: 优良的身份遗忘是连续的
机构 * HKUST（香港科技大学） ； University of Cambridge（剑桥大学） ； Central South University（中南大学） ； Shanghai Jiaotong University（上海交通大学） ； SenseTime Research（商汤科技研究院） ； Tsinghua University（清华大学）
AI总结 LEGATO通过连续轨迹建模实现生成模型的身份遗忘，采用轻量级神经ODE适配器实现可控且稳定的遗忘过程，避免灾难性崩溃并提升性能。
一战接一战：通过一个演进框架探测LLMs在多轮指令遵循中的极限
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） ； Jilin University（吉林大学）
AI总结 本文提出EvolIF演进框架，通过多轮对话测试LLMs的指令遵循能力，揭示失败恢复和细粒度指令遵循的不足，GPT-5在鲁棒性上表现最佳。
GAPO：面向现实世界代码LLM的鲁棒优势估计
机构 * Shanghai Jiao Tong University（上海交通大学） ； Tencent（腾讯） ； Zhejiang University（浙江大学） ； Shenzhen University（深圳大学） ； Peking University（北京大学）
AI总结 GAPO通过自适应Q机制提升代码编辑LLM的鲁棒性，实现领域内和领域外精确匹配的显著提升。
通过政策对齐推理和分层标注实现可信的多模态审核
机构 * Shanghai Jiao Tong University（上海交通大学） ； Xiaohongshu Inc.（小红书公司） ； Huazhong University of Science and Technology（华中科技大学）
AI总结 Hi-Guard通过政策对齐推理和分层标注提升多模态审核的准确性、泛化性和可解释性。
Comments Accepted by KDD 2026. Code is available at https://github.com/lianqi1008/Hi-Guard
从LLM隐藏状态中挖掘内在奖励以实现高效的Best-of-N采样
机构 * Zhiyuan College, Shanghai Jiao Tong University（上海交通大学紫阳学院） ； National University of Singapore（新加坡国立大学） ； Tongji University（同济大学） ； University of Illinois Chicago（伊利诺伊大学芝加哥分校）
AI总结 SWIFT通过从LLM隐藏状态中挖掘内在奖励，实现高效Best-of-N采样，提升模型性能并减少计算成本。
Comments Accepted by KDD 2026 (Research Track). Project page: https://aster2024.github.io/swift-website/
PM4Bench: 通过平行多语言多模态多任务语料库对大型视觉-语言模型进行基准测试
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） ； Peking University（北京大学） ； Sun Yat-Sen University（中山大学） ； Chinese University of Hong Kong（香港中文大学）
AI总结 PM4Bench通过平行多语言多模态多任务语料库评估大型视觉-语言模型，揭示跨语言性能差异与OCR能力的关系。
Comments Equal contribution: Junyuan Gao, Jiahe Song, Jiang Wu; Corresponding author: Conghui He
EvolMem：一种基于认知的多会话对话记忆基准
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） ； Fudan University（复旦大学）
AI总结 EvolMem提出了一种基于认知的多会话对话记忆基准，用于评估LLMs和智能体系统的多会话记忆能力，揭示了不同模型在多维记忆任务中的表现差异。
Comments 14 pages, 7 figures, 8 tables
Deploy-Master：在一天内自动化部署50,000多个准备就绪的科学工具
机构 * DP Technology Beijing China（DP技术北京中国） ； AI for Science Institute Beijing China（AI for Science研究院北京中国） ； Shanghai Jiao Tong University Shanghai China（上海交通大学上海中国）
AI总结 Deploy-Master通过自动化部署50,000多个科学工具，提升AI4S和代理工作流的可重复性和实用性。
通过丰富的推理链生成叙事图像
机构 * X-LANCE Lab, School of Computer Science, Shanghai Jiao Tong University, China（X-LANCE实验室，计算机科学学院，上海交通大学，中国） ； Shanghai Artificial Intelligence Laboratory, China（上海人工智能实验室，中国） ； East China University of Technology, China（东华大学，中国） ； University of Texas at Arlington, USA（德克萨斯大学阿灵顿分校，美国）
AI总结 本文提出StorytellingPainter，通过结合大语言模型推理与文本到图像合成，生成具有丰富推理链的叙事图像，并引入评估框架和轻量级模型以提升生成效果。
通过基于大语言模型的嵌入器实现渐进式视觉-语言对齐的ProCLIP
机构 * Shanghai Jiao Tong University（上海交通大学） ； Beijing Institute of Technology（北京理工大学） ； DeepGlint（深图科技） ； Beijing University of Technology（北京工业大学） ； Tsinghua University（清华大学）
AI总结 ProCLIP通过课程学习逐步对齐CLIP图像编码器与基于大语言模型的嵌入器，提升长文本处理和多语言理解能力。
Comments 17 pages, 5 fiugres
OnlineMate: 基于大语言模型的多智能体伴侣系统用于在线学习中的认知支持
机构 * Shanghai Jiao Tong University（上海交通大学）
AI总结 OnlineMate通过基于LLM的多智能体系统，结合理论思维，为在线学习提供个性化认知支持，提升学习深度与情感参与。
Comments work in progress
CoreCodeBench：通过细粒度仓库级任务解耦代码智能
机构 * Shanghai Jiao Tong University（上海交通大学） ； Meituan（美团）
AI总结 CoreCodeBench通过细粒度仓库级任务解耦编码能力，揭示LLM在编程任务中的非单一性，提供更精确的评估框架。
通过扩散模型实现RIS辅助毫米波系统的信道估计
机构 * Cooperative Medianet Innovation Center, Shanghai Jiao Tong University（上海交通大学合作中研网创新中心） ； Lenovo Group, Lenovo Research（联想集团，联想研究）
AI总结 本文提出基于扩散模型的RIS辅助毫米波系统信道估计方法，通过改进的DDIMs采样算法和轻量级BRCNet网络，实现更高效的信道估计性能。
Comments 5 pages, 3 figures
Journal ref IEEE Communications Letters, vol.30, pp.597-601, 2026
上下文对齐：在时间序列中激活和增强大语言模型的能力
机构 * The Hong Kong Polytechnic University（香港理工大学） ； Ningbo Institute of Digital Twin（宁波数字孪生研究所） ； Eastern Institute of Technology（东部技术研究所） ； Shanghai Jiao Tong University（上海交通大学）
AI总结 本文提出上下文对齐方法，通过多模态输入和图神经网络增强LLMs在时间序列任务中的能力，提升逻辑和结构理解，提高预测性能。
Comments This paper has been accepted by ICLR 2025
ReCCur：一种递归角落案例校准框架，用于开放和边缘场景中的鲁棒视觉-语言理解
机构 * Nanyang Technological University（南洋理工大学） ； 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 ReCCur通过递归框架实现低计算量的角落案例校准，提升开放和边缘场景下的视觉-语言理解鲁棒性。
CMDAR：一个包含多样挑战的中文多场景动态音频推理基准
机构 * College of Computer Science and Artificial Intelligence, Fudan University（计算机科学与人工智能学院，复旦大学） ； Shanghai Jiao Tong University（上海交通大学） ； IEIT Systems Co Ltd（IEIT系统有限公司）
AI总结 CMDAR是一个中文多场景动态音频推理基准，旨在评估模型在复杂音频推理任务中的表现，通过精心设计的问题-答案对和多样化音频片段，揭示现有音频语言模型在复杂推理任务中的局限性。
Comments 25 pages, 7 figures
M-SEVIQ：一种多波段立体事件视觉-惯性四足机器人数据集，用于快速运动和恶劣光照下的感知
机构 * Shanghai Key Laboratory of Navigation & Location Based Services, Shanghai Jiao Tong University（上海导航与基于位置的服务关键实验室，上海交通大学） ； Beijing Aerospace Microsystem and Information Technology Research Institute（北京航天微系统与信息技术研究所）
AI总结 M-SEVIQ是一种多波段立体事件视觉-惯性四足机器人数据集，用于快速运动和恶劣光照下的感知研究。
Comments 6 pages, 7 figures
RxnCaption：将反应图解析重新表述为视觉提示引导的描述生成
机构 * Shanghai AI Laboratory（上海人工智能实验室） ； Shanghai Jiao Tong University（上海交通大学） ； Beihang University（北航） ； Peking University（北京大学） ； South China Normal University（华南师范大学） ； Northwestern Polytechnical University（西北工业大学）
AI总结 RxnCaption通过将反应图解析转化为视觉提示引导的描述生成任务，提升化学反应数据的机器可读性，并构建大规模数据集推动AI在化学领域的应用。
DenseSplat: 基于神经辐射先验的高密度高斯喷射SLAM
机构 * Department of Computer Science, Dalian University of Technology（大连理工大学计算机科学系） ； Department of Mechano-informatics, Information Science and Technology, The University of Tokyo（东京大学机械信息学系、信息科学与技术系） ； Institute of Medical Robotics and Department of Automation, Shanghai Jiao Tong University（上海交通大学医学机器人研究所、自动化系） ； Key Laboratory of System Control and Information Processing, Ministry of Education（教育部系统控制与信息处理重点实验室）
AI总结 DenseSplat结合NeRF和3DGS优势，通过稀疏关键帧和神经辐射先验实现高密度SLAM，提升地图完整性和跟踪精度。
Comments IEEE Transactions on Visualization and Computer Graphics
InfiniteVGGT：面向无限流的视觉几何Transformer
机构 * AutoLab, School of Artificial Intelligence, Shanghai Jiao Tong University（自动化实验室，人工智能学院，上海交通大学）
AI总结 InfiniteVGGT通过滚动内存机制实现无限流式处理，提升长期稳定性并引入Long3D基准验证连续3D几何估计。
360-GeoGS：用于360图像的几何一致前馈3D高斯点溅重建
机构 * Shanghai Key Laboratory of Navigation and Location Based Services（上海导航与基于位置的服务关键实验室） ； Shanghai Jiao Tong University（上海交通大学） ； State Key Laboratory of Submarine Geoscience（海底地球科学国家重点实验室） ； School of Automation and Intelligent Sensing（自动化与智能感知学院）
AI总结 本文提出了一种用于360图像的前馈3DGS框架，通过深度-法线几何正则化提升几何一致性，实现高质量的3D重建。
融合-PSRO：用于策略空间响应预言机的纳什策略融合
机构 * Huazhong University of Science \& Technology, Wuhan, China ； School of Software ； Microelectronics, Peking University, Beijing, China ； Institute for Artificial Intelligence, Peking University, Beijing, China ； Shanghai Jiao Tong University, Shanghai, China ； Guangdong HUST Industrial Technology Research Institute
AI总结 Fusion-PSRO通过纳什策略融合改进策略初始化，提升零和博弈中策略空间响应预言机的性能。
Comments Accepted by ECAI 2025
Journal ref Frontiers in Artificial Intelligence and Applications 413 (2025) 2562-2569
多子空间多模态建模用于扩散模型：估计、收敛与专家混合
机构 * Shanghai Jiao Tong University（上海交通大学） ； East China Normal University（华东师范大学）
AI总结 本文提出基于多子空间多模态建模的扩散模型，通过引入低秩混合高斯混合结构，有效捕捉多模态信息并提升生成性能。
AirSpatialBot: 一种空间感知的空中智能体用于细粒度车辆属性识别与检索
机构 * Department of Electronic Engineering, Shanghai Jiao Tong University（电子工程系，上海交通大学） ； Department of Automation, Shanghai Jiao Tong University（自动化系，上海交通大学）
AI总结 AirSpatialBot通过空间感知的VLM和两阶段训练策略，实现细粒度车辆属性识别与检索，解决遥感图像中的空间理解难题。
Comments 12 pages, 9 figures
HyperJoin: 基于大语言模型的超图链接预测用于可连接表发现
机构 * University of Technology Sydney（悉尼科技大学） ； University of New South Wales（新南威尔士大学） ； ACEM, Shanghai Jiao Tong University（ACEM，上海交通大学）
AI总结 HyperJoin通过构建超图并利用大语言模型增强的超图链接预测，提升可连接表发现的精度和召回率。
DVGBench: 面向无人机影像的隐式到显式视觉 grounding 评估基准
机构 * Hinton STAI Institute（Hinton STAI研究所） ； Key Laboratory of Geographic Information Science (Ministry of Education), East China Normal University（地理信息科学重点实验室（教育部）） ； School of Geospatial Artificial Intelligence, East China Normal University（地理空间人工智能学院） ； Zhejiang University（浙江大学） ； Shanghai Jiao Tong University（上海交通大学） ； Information Engineering University（信息工程大学）
AI总结 DVGBench 是一个面向无人机影像的隐式到显式视觉 grounding 评估基准，通过设计 DroneVG-R1 模型提升 LVLM 的推理能力。
Comments 20 pages, 17 figures
你有即兴能力吗？通过音频控制实现 expressive 人形 locomotion
机构 * BAAI（北京人工智能研究院） ； University of Sydney（悉尼大学） ； Harbin Institute of Technology（哈尔滨工业大学） ； Hong Kong University of Science and Technology（香港科学与技术大学） ； Shanghai Jiao Tong University（上海交通大学） ； Peking University（北京大学）
AI总结 RoboPerform 是首个通过音频直接生成音乐舞蹈和语音手势的人形运动框架，实现了低延迟、高保真的即兴运动表现。
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