Automatic Reward Shaping from Multi-Objective Human Heuristics
多目标人类启发式自动奖励塑造
机构 * Tsinghua University（清华大学） ； Shanghai Jiao Tong University（上海交通大学）
AI总结 MORSE通过双层优化框架自动整合多目标人类启发式奖励，提升机器人任务性能。
高校专区
Shanghai Jiao Tong University（上海交通大学）
DenoiseRotator: Enhance Pruning Robustness for LLMs via Importance Concentration
DenoiseRotator: 通过重要性集中增强大语言模型的剪枝鲁棒性
机构 * Shanghai Jiao Tong University（上海交通大学） ； HKUST（香港科技大学） ； Meituan（美团）
AI总结 DenoiseRotator通过重要性集中提升大语言模型剪枝鲁棒性，采用可学习正交变换优化参数重要性分布，有效减少稀疏性约束下的性能下降。
Comments Accepted at NeurIPS 2025
Fast and Accurate Causal Parallel Decoding using Jacobi Forcing
快速且准确的因果并行解码使用雅可比强迫
机构 * UC San Diego（UC圣迭戈大学） ； Shanghai Jiao Tong University（上海交通大学） ； Snowflake（Snowflake公司）
AI总结 本文提出雅可比强迫方法，通过渐进蒸馏将AR模型转化为高效的并行解码器，实现3.8倍的速度提升并保持性能，同时引入多块解码与拒绝回收进一步提升效率。
Native Intelligence Emerges from Large-Scale Clinical Practice: A Retinal Foundation Model with Deployment Efficiency
原生智能源自大规模临床实践：一种具有部署效率的视网膜基础模型
机构 * School of Biomedical Engineering, Tsinghua Medicine, Tsinghua University（生物医学工程学院，清华大学医学部，清华大学） ； School of Information and Electronics, Beijing Institute of Technology（信息与电子学院，北京理工大学） ； Beijing Key Laboratory of Intelligent Diagnosis Technology and Equipment for Optic Nerve-Related Eye Diseases（北京智能诊断技术与设备重点实验室） ； School of Medical Technology, Beijing Institute of Technology（医学技术学院，北京理工大学） ； Beijing Tongren Hospital, Capital Medical University（北京同仁医院，首都医科大学） ； School of Biomedical Engineering, Shanghai Jiaotong University（生物医学工程学院，上海交通大学） ； Beijing Visual Science and Translational Eye Research Institute (BERI), Beijing Tsinghua Changgung Hospital Eye Center, School of Clinical Medicine, Tsinghua Medicine, Tsinghua University Institute of Ophthalmology（北京视觉科学与转化眼研所（BERI），北京清华长庚医院眼科中心，临床医学学院，清华大学医学部，清华大学眼科学院）
AI总结 ReVision通过直接从真实临床数据中学习，实现了在低资源环境下高效部署的视网膜基础模型，无需额外标注即可在多种医学任务中取得优异性能。
A4-Agent: An Agentic Framework for Zero-Shot Affordance Reasoning
A4-Agent: 一种用于零样本 affordance 推理的代理框架
机构 * HKUST(GZ)（香港科技大学（广州）） ； HKUST（香港科技大学） ； SJTU（上海交通大学） ； Knowin
AI总结 A4-Agent 提出一种无需训练的代理框架，通过三个阶段的流水线实现零样本 affordance 推理，优于现有监督方法。
Layer-wise Weight Selection for Power-Efficient Neural Network Acceleration
分层权重选择用于高效能神经网络加速
机构 * Shanghai Jiao Tong University（上海交通大学） ； Technical University of Darmstadt（达姆斯塔特技术大学） ； Stevens Institute of Technology（斯蒂文斯理工学院）
AI总结 本文提出了一种分层权重选择框架，通过优化能耗准确度和分层调度，实现CNN加速器的高效能压缩，实验显示能耗降低达58.6%且准确率仅下降2-3%。
DART: Difficulty-Adaptive Reasoning Truncation for Efficient Large Language Models
DART: 为高效大语言模型的难度自适应推理截断
机构 * School of Artificial Intelligence, Shanghai Jiao Tong University（上海交通大学人工智能学院） ； CSE Department, The Chinese University of Hong Kong（香港中文大学计算机科学与工程系） ； Research and Development Department, SIMMIR Tech（Simmir科技研发部） ； School of Information Science and Technology, Xiamen University Tan Kah Kee College（厦门大学信息科学与技术学院） ； The University of Hong Kong（香港大学）
AI总结 DART通过自适应调整推理长度提升大语言模型效率，实现81.2%的推理截断和5.33倍的计算加速。
SDAR-VL: Stable and Efficient Block-wise Diffusion for Vision-Language Understanding
SDAR-VL: 稳定且高效的块状扩散用于视觉语言理解
机构 * Zhejiang University（浙江大学） ； Shanghai AI Laboratory（上海人工智能实验室） ； Tsinghua University（清华大学） ； Shanghai Jiao Tong University（上海交通大学） ； ByteDance（字节跳动）
AI总结 SDAR-VL通过高效的块状扩散方法，在视觉语言理解中实现了更高的训练效率、收敛稳定性及任务性能，优于传统块扩散并匹敌强AR基线。
POLAR: A Portrait OLAT Dataset and Generative Framework for Illumination-Aware Face Modeling
POLAR：一个面向光照感知面部建模的 Portrait OLAT 数据集和生成框架
机构 * Shanghai Jiao Tong University（上海交通大学） ； PICO
AI总结 POLAR 提出了一种基于大规模 OLAT 数据集和 POLARNet 生成模型的光照感知面部建模框架，实现可扩展和可控的面部重映射。
Comments 19 pages, 19 figures
EDGC: Entropy-driven Dynamic Gradient Compression for Efficient LLM Training
EDGC: 基于熵驱动的动态梯度压缩用于高效大语言模型训练
机构 * University of Shanghai for Science and Technology（上海科学技术大学） ； Shanghai Jiao Tong University（上海交通大学） ； Zhejiang University（浙江大学） ； Alibaba Group（阿里巴巴集团）
AI总结 EDGC通过动态梯度压缩减少LLM训练的通信延迟和训练时间，提升效率的同时保持模型准确性。
A Scientific Reasoning Model for Organic Synthesis Procedure Generation
有机合成过程生成的科学推理模型
机构 * Microsoft Research AI for Science（微软研究院人工智能科学部） ； Peking University（北京大学） ； Shanghai Jiao Tong University（上海交通大学）
AI总结 QFANG通过化学引导推理框架生成高质量合成程序，提升计算机辅助合成规划与自动化实验室合成的衔接。
MedCEG: Reinforcing Verifiable Medical Reasoning with Critical Evidence Graph
MedCEG: 通过关键证据图强化可验证的医学推理
机构 * Shanghai Jiao Tong University（上海交通大学） ； SII
AI总结 MedCEG通过关键证据图强化医学推理，提升临床决策的可靠性与有效性。
PoseAnything: Universal Pose-guided Video Generation with Part-aware Temporal Coherence
PoseAnything: 通用姿态引导视频生成与部分感知时间一致性
机构 * Shanghai Jiao Tong University（上海交通大学）
AI总结 PoseAnything是一种通用姿态引导视频生成框架，能够处理人类和非人类角色，通过引入部分感知时间一致性模块和解耦CFG策略，提升了视频生成的精度和泛化能力。
Integrated Prediction and Multi-period Portfolio Optimization
集成预测与多期投资组合优化
机构 * Shanghai Jiao Tong University（上海交通大学） ； The University of Chicago（芝加哥大学）
AI总结 本文提出IPMO模型，通过集成预测与多期投资组合优化，提升风险调整后的绩效并实现更一致的资产分配路径。
Comments 23 pages, 6 figures, and 4 tables
Repulsor: Accelerating Generative Modeling with a Contrastive Memory Bank
Repulsor：利用对比记忆库加速生成建模
机构 * School of Artificial Intelligence and Data Science, University of Science and Technology of China（人工智能与数据科学学院，中国科学技术大学） ； Shanghai Jiao Tong University（上海交通大学） ； HKU（香港大学） ； CUHK（香港大学） ； Fudan University（复旦大学） ； Nanjing University（南京大学）
AI总结 Repulsor通过对比记忆库机制，无需外部编码器，实现高效的生成建模，显著提升收敛速度和生成质量。
Comments 19 pages, 19 figures
Light-X: Generative 4D Video Rendering with Camera and Illumination Control
Light-X：具有摄像机和照明控制的生成式4D视频渲染
机构 * S-Lab, NTU（NTU的S-Lab） ； BAAI ； HUST（华中科技大学） ； AIR,THU（清华大学人工智能研究院） ； FNii, CUHKSZ（CUHKSZ的FNii） ； SJTU（上海交通大学） ； EIT (Ningbo)（宁波工程学院）
AI总结 Light-X通过联合控制摄像机轨迹和光照，实现高质量4D视频生成，优于现有方法。
Comments Project Page: https://lightx-ai.github.io/ , Code: https://github.com/TQTQliu/Light-X
A Self-Conditioned Representation Guided Diffusion Model for Realistic Text-to-LiDAR Scene Generation
一种用于真实文本到LiDAR场景生成的自条件表示引导扩散模型
机构 * NJUST（南京理工大学） ； FBK（弗拉·恩里科·拉达基金会） ； SDU（山东大学） ； SJTU（上海交通大学）
AI总结 本文提出T2LDM模型，通过自条件表示引导技术提升文本到LiDAR场景生成的质量和可控性，构建了T2nuScenes基准并改进了生成效果。
SAC: Neural Speech Codec with Semantic-Acoustic Dual-Stream Quantization
SAC：具有语义-声学双流量化神经语音编解码器
机构 * X-LANCE Lab, Shanghai Jiao Tong University, China（上海交通大学X-LANCE实验室） ； Shanghai Innovation Institute, China（上海创新研究院） ； Soul AI Lab, China（Soul AI实验室）
AI总结 SAC通过语义-声学双流量化提升语音编解码器的重建与语义表示能力，实现更自然的语音生成和更高效的文本到语音转换。
ViCO: A Training Strategy towards Semantic Aware Dynamic High-Resolution
ViCO: 一种面向语义感知动态高分辨率的训练策略
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） ； Nanjing University（南京大学） ； Donghua University（东华大学） ； The Chinese University of Hong Kong（香港中文大学）
AI总结 ViCO通过动态调整视觉标记数量以适应图像语义复杂度，有效降低推理成本的同时保持模型性能。
HTMformer: Hybrid Time and Multivariate Transformer for Time Series Forecasting
HTMformer: 混合时间与多变量变换器用于时间序列预测
机构 * Northwestern Polytechnical University（北华理工大学） ； MoE Key Lab of Artificial Intelligence, AI Institute, Shanghai Jiao Tong University（人工智能教育部重点实验室，上海交通大学AI研究院） ； Ningbo Institute of Digital Twin, Eastern Institute of Technology（宁波数字孪生研究所，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）
AI总结 HTMformer通过混合时间与多变量嵌入提升时间序列预测的准确性和效率
Counting Hallucinations in Diffusion Models
扩散模型中hallucination的计数
机构 * University of Adelaide（阿德莱德大学） ； Meituan（美团） ； Shanghai Jiao Tong University（上海交通大学）
AI总结 本文提出了一种针对扩散模型中计数hallucination的评估方法，通过构建CountHalluSet数据集，系统分析不同采样条件对hallucination的影响，并揭示FID等指标无法捕捉计数hallucination的问题。
Embodied Image Compression
具身图像压缩
机构 * Shanghai Jiao Tong University（上海交通大学） ； Shanghai AI Lab（上海人工智能实验室） ； Nanyang Technological University（南洋理工大学）
AI总结 本文提出具身图像压缩问题，建立EmbodiedComp基准测试，证明现有模型在超低比特率下无法完成简单任务，推动具身AI在现实中的应用。
Comments 15 pages, 12 figures, 3 tables
Using GUI Agent for Electronic Design Automation
利用GUI代理进行电子设计自动化
机构 * College of Computing and Data Science, Nanyang Technological University（计算与数据科学学院，南洋理工大学） ； Center of AI Evaluation, Shanghai AI Laboratory（人工智能评估中心，上海人工智能实验室） ； School of Integrated Circuit Design, Shanghai Jiao Tong University（集成电路设计学院，上海交通大学） ； John Hopcroft Center, Shanghai Jiao Tong University（约翰·霍普克罗夫特中心，上海交通大学）
AI总结 本文首次将GUI代理应用于电子设计自动化领域，提出GUI-EDA数据集和EDAagent指标，解决EDA任务中的挑战。
Comments 17 pages, 15 figures, 8 tables
MultiEgo: A Multi-View Egocentric Video Dataset for 4D Scene Reconstruction
MultiEgo: 一种多视角第一人称视频数据集用于4D场景重建
机构 * Shanghai Jiao Tong University（上海交通大学） ； VisionStar Information Technology (Shanghai) Co., Ltd.（VisionStar信息科技（上海）有限公司）
AI总结 MultiEgo是首个多视角第一人称视频数据集，用于4D动态场景重建，包含五个社交互动场景，提供高精度姿态标注和亚毫秒级时间同步，适用于自由视角视频应用。
Comments ACM MM 2025 Dataset Track
CP-Env: Evaluating Large Language Models on Clinical Pathways in a Controllable Hospital Environment
CP-Env：在可控医院环境中评估大型语言模型在临床路径中的表现
机构 * Shanghai Jiao Tong University（上海交通大学） ； Shanghai Innovation Institute（上海创新研究院） ； The Chinese University of Hong Kong（香港中文大学） ； SenseTime Research（商汤科技研究院）
AI总结 CP-Env通过可控医院环境评估大型语言模型在复杂临床路径中的表现，揭示其在决策和伦理方面的挑战，并推动医疗AI的发展。
Octopus: Agentic Multimodal Reasoning with Six-Capability Orchestration
Octopus: 六种能力协同的代理多模态推理
机构 * Sun Yat-sen University（中山大学） ； Shanghai Jiao Tong University（上海交通大学） ； Zhejiang University（浙江大学） ； Tsinghua University（清华大学） ； Peking University（北京大学） ； The Hong Kong University of Science and Technology（香港科技大学） ； University of Chinese Academy of Sciences（中国科学院大学）
AI总结 Octopus通过六种能力协同实现多模态代理推理，有效提升复杂任务中的自主探索与动态能力选择能力。
FlowDirector: Training-Free Flow Steering for Precise Text-to-Video Editing
FlowDirector: 无需训练的流引导文本到视频编辑
机构 * AGI Lab, Westlake University（西湖大学AGI实验室） ； Central South University（中南大学） ； Shanghai Jiao Tong University（上海交通大学）
AI总结 FlowDirector通过直接在数据空间中建模编辑过程，无需训练和倒置步骤，实现了更精确的文本到视频编辑。
Comments Project Page is https://flowdirector-edit.github.io
FuncGenFoil: Airfoil Generation and Editing Model in Function Space
FuncGenFoil：函数空间中的机翼生成与编辑模型
机构 * Shanghai Artificial Intelligence Laboratory（上海人工智能实验室） ； Fudan University（复旦大学） ； Hong Kong University of Science and Technology（香港科学与技术大学） ； The Chinese University of Hong Kong（香港中文大学） ； State Key Lab of CAD&CG, Zhejiang University（浙江大学CAD&CG国家重点实验室） ； Shanghai Aircraft Design and Research Institute（上海飞机设计与研究院） ； Innovation Academy for Microsatellites of CAS（中国科学院微卫星创新院） ； Shanghai Jiao Tong University（上海交通大学）
AI总结 FuncGenFoil通过函数空间建模实现机翼生成与编辑，提升生成精度与多样性，为高保真空气动力学设计提供新框架。
Recent Advances in Discrete Speech Tokens: A Review
最近离散语音标记的进展：综述
机构 * MoE Key Lab of Artificial Intelligence, Jiangsu Key Lab of Language Computing（MoE人工智能关键实验室、江苏语言计算重点实验室；X-LANCE实验室、计算机科学与工程系、上海交通大学） ； X-LANCE Lab, Department of Computer Science and Engineering, Shanghai Jiao Tong University
AI总结 本文综述了离散语音标记的最新进展，分析了声音标记和语义标记的分类、方法及挑战，为未来研究提供方向。
Comments 26 pages, 8 figures, 3 tables. Accepted to IEEE TPAMI
MMSI-Video-Bench: A Holistic Benchmark for Video-Based Spatial Intelligence
MMSI-Video-Bench: 一个面向视频基于空间智能的综合基准
机构 * Shanghai AI Laboratory（上海人工智能实验室） ； Shanghai Jiaotong University（上海交通大学） ； The Chinese University of Hong Kong（香港中文大学） ； Zhejiang University（浙江大学） ； Beihang University（北京航空航天大学） ； Xi’an Jiaotong University（西安交通大学） ； University of Hong Kong（香港大学） ； Fudan University（复旦大学） ； University of California, Los Angeles（加州大学洛杉矶分校）
AI总结 MMSI-Video-Bench是一个综合评估视频基于空间智能的基准，通过多任务和多数据集评估25个MLLMs，揭示了人机推理差距和模型泛化不足的问题。
