高校专区
找到它们全部：揭示MLLMs用于多功能人物重识别
机构 * School of Computer Science and Technology, East China Normal University（东华大学计算机科学与技术学院） ； Institute of Image Communication and Information Processing, Shanghai Jiao Tong University（上海交通大学图像通信与信息处理研究所） ； Macao Polytechnic University（澳门 polytechnic 大学） ； Shanghai AI Laboratory（上海人工智能实验室）
AI总结 本文提出VP-ReID基准，利用MLLMs提升人物重识别的多功能性和有效性，同时揭示其在处理某些模态时的局限性。
基于边界的Out-Of-Distribution数据生成
机构 * The University of Hong Kong, Hong Kong, China（香港大学） ； School of AI, Shanghai Jiao Tong University, Shanghai, China（上海交通大学人工智能学院） ； Department of Computer Science, Harbin Institute of Technology (Shenzhen), Shenzhen, China（哈尔滨工业大学（深圳）计算机科学系）
AI总结 BOOD通过在潜在空间中识别决策边界并生成高质量OOD特征，提升OOD检测性能，实验显示在CIFAR-100数据集上显著优于现有方法。
Comments 14 pages, 8 figures, To be published in the Proceedings of the International Conference on Machine Learning (ICML) 2025
Evo-0：具有隐式空间理解的视觉-语言-动作模型
机构 * School of AI, Shanghai Jiao Tong University（上海交通大学人工智能学院） ； EvoMind Tech（EvoMind科技） ； IAAR-Shanghai（IAAR-上海） ； University of Cambridge（剑桥大学）
AI总结 Evo-0通过隐式整合3D几何特征，提升视觉-语言-动作模型在现实世界中的空间理解能力。
强化学习真的能激励大语言模型在基础模型之外提升推理能力吗？
机构 * LeapLab, Tsinghua University（清华大学 LeapLab） ； Shanghai Jiao Tong University（上海交通大学）
AI总结 本研究发现RLVR方法未有效激发LLMs的新型推理能力，而蒸馏方法能更有效地扩展模型推理能力。
Comments 31 pages, 27 figures
Journal ref NeurIPS 2025 Oral; ICML 2025 AI4MATH workshop best paper
合成课程强化组合文本到图像生成
机构 * Southeast University（东南大学） ； Xiaohongshu Inc.（小红书公司） ； Monash University（墨尔本大学） ； Shanghai Jiao Tong University（上海交通大学） ； Anhui University（安徽大学）
AI总结 CompGen通过课程强化学习框架提升文本到图像生成的组合能力，采用场景图和自适应采样算法优化模型性能。
MagicWand: 一个通用代理用于生成与评估，与用户偏好对齐
机构 * Shanghai Jiao Tong University（上海交通大学） ； De Artificial Intelligence Lab（德人工智能实验室） ； The Chinese University of Hong Kong, Shenzhen China（香港中文大学（深圳））
AI总结 MagicWand通过结合用户偏好数据集和先进生成模型，实现高质量内容生成与偏好对齐评估。
通过统一多模态伪造学习巩固扩散生成视频检测
机构 * School of Computer Science, Shanghai Jiao Tong University（上海交通大学计算机科学学院） ； School of Information Science and Electronic Engineering, Shanghai Jiao Tong University（上海交通大学信息科学与电子工程学院） ； Shanghai Artificial Intelligence Laboratory（上海人工智能实验室） ； Department of Computer Science and Engineering, Michigan State University（密歇根州立大学计算机科学与工程系）
AI总结 本文提出MM-Det++算法，通过统一多模态学习检测扩散生成视频，结合时空分支和多模态分支，提升视频伪造检测的准确性和泛化能力。
Comments Code and dataset are available at https://github.com/SparkleXFantasy/MM-Det-Plus
VITAL：面向视觉质量评估的LMMs视觉编码器预训练
机构 * Shanghai Jiaotong University（上海交通大学） ； Shanghai Artificial Intelligence Laboratory（上海人工智能实验室）
AI总结 VITAL提出了一种以视觉编码器为中心的生成预训练流程，通过构建大规模训练数据集和多任务训练流程，提升了视觉质量评估LMMs的通用性和可迁移性。
UniRSCD：一种用于遥感变化检测的统一新型架构范式
机构 * College of Artificial Intelligence, Southwest University（西南大学人工智能学院） ； School of Artificial Intelligence, Shanghai Jiaotong University（上海交通大学人工智能学院） ； LIESMARS, Wuhan University（武汉大学LIESMARS） ； CS, Chongqing University（重庆大学计算机学院） ； School of Geodesy and Geomatics, Wuhan University（武汉大学测绘学院）
AI总结 UniRSCD提出了一种统一的遥感变化检测架构，通过统一编码器和解码器解决多任务变化检测中的信息损失问题，并在多个数据集上实现了优异性能。
L1样本流用于高效视觉-运动学习
机构 * Zhejiang University（浙江大学） ； Shanghai Innovation Institute（上海创新研究院） ； Westlake University（西湖大学） ； Shanghai Jiao Tong University（上海交通大学）
AI总结 L1流通过结合去噪模型的多模分布捕捉能力与L1回归的高效性，实现高效的视觉-运动学习。
MamTiff-CAD: 多尺度潜在扩散与Mamba+用于复杂参数序列
机构 * Northwestern Polytechnical University（西北工业大学） ； National University of Singapore（新加坡国立大学） ； Shanghai Jiao Tong University（上海交通大学） ； Nanchang University（南昌大学）
AI总结 MamTiff-CAD通过结合Mamba+和Transformer的多尺度潜在扩散模型，有效生成复杂CAD参数序列，实现长序列生成任务的高性能表现。
Comments ICCV 2025 Conference
细粒度GRPO用于流模型中的精确偏好对齐
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） ； Fudan University（复旦大学） ； Shanghai AI Laboratory（上海人工智能实验室） ； Shanghai Innovation Institute（上海创新研究院）
AI总结 本文提出细粒度GRPO框架，通过细粒度评估和多粒度整合模块提升流模型中偏好对齐的精度与鲁棒性。
Comments Project Page: https://bujiazi.github.io/g2rpo.github.io/
TBGRecall：一种用于电商推荐场景的生成检索模型
机构 * Shanghai Jiaotong University（上海交通大学） ； Alibaba Inc.（阿里巴巴公司）
AI总结 TBGRecall通过整合下一会话预测，提升电商推荐系统的生成检索能力，有效解决传统模型在多会话生成中的局限性。
Comments Both authors contributed equally to this research. Work done during internship at Alibaba. Corresponding author: Dunxian Huang (dunxian.hdx@alibaba-inc.com). Affiliations: (1) Shanghai Jiaotong University, Shanghai, China; (2) Alibaba Inc
FlowCut: 通过信息流重新思考冗余性以提高视觉-语言模型的效率
机构 * School of Computer Science and Technology, Huazhong University of Science and Technology（华中科技大学计算机科学与技术学院） ； Xiaohongshu Inc.（小红书公司） ； Shanghai Jiao Tong University（上海交通大学）
AI总结 FlowCut通过信息流视角改进视觉-语言模型的冗余识别，实现更高效的剪枝效果。
Comments Accepted by NeurIPS 2025
从代码到正确性：通过分层调试关闭代码生成的最后一公里
机构 * Shanghai Jiao Tong University（上海交通大学） ； University of California, Davis（加州大学戴维斯分校） ； East China Normal University（华东师范大学） ； University of Pennsylvania（宾夕法尼亚大学）
AI总结 本文提出MGDebugger，一种分层调试器，通过多粒度分析提升代码生成的准确性与修复效率。
Comments Accepted to ICSE 2026. Code and data available at https://github.com/YerbaPage/MGDebugger
TP-MDDN：任务优先的多需求驱动导航与自主决策
机构 * Fudan University（复旦大学） ； Shanghai Jiao Tong University（上海交通大学） ； Shanghai Innovation Institution（上海创新机构）
AI总结 TP-MDDN通过引入任务优先的多需求驱动导航与自主决策系统，提升复杂任务下的导航性能与环境理解能力。
Comments Accepted at NeurIPS 2025
一种用于在FPGA上部署学习图像压缩的多阶段优化框架
机构 * Shanghai Jiao Tong University, China（上海交通大学）
AI总结 本文提出了一种多阶段优化框架，通过动态范围感知量化和硬件感知优化，有效降低了FPGA上学习图像压缩的计算复杂度和BD-rate开销，提升了模型效率和质量。
ChainV: 原子视觉提示使多模态推理更短更优
机构 * School of Computer Science, Peking University（北京大学计算机科学学院） ； ByteDance Inc.（字节跳动公司） ； Shanghai Jiao Tong University（上海交通大学）
AI总结 ChainV通过动态整合视觉提示，提升多模态推理的效率和准确性，尤其在数学密集型基准测试中表现突出。
Comments 16 pages
通用视频时间定位与生成多模态大语言模型
机构 * SAI, Shanghai Jiao Tong University（上海交通大学SAI实验室） ； ByteDance Seed（字节跳动种子）
AI总结 本文提出UniTime模型，利用生成多模态大语言模型实现通用视频时间定位，有效处理多类型视频并提升VideoQA任务性能。
PhyBlock：通过3D积木组装实现物理理解和规划的渐进性基准
机构 * Mohamed bin Zayed University of Artificial Intelligence（莫扎德·本·扎耶德人工智能大学） ； Tsinghua Shenzhen International Graduate School, Tsinghua University, China（清华大学深圳国际研究生院） ； Shenzhen Campus of Sun Yat-sen University（孙中山大学深圳校区） ； Spatialtemporal AI（时空人工智能） ； Shanghai Jiao Tong University（上海交通大学）
AI总结 PhyBlock通过3D积木组装任务评估VLMs在物理理解和规划能力，揭示其在复杂任务中的局限性。
QuantFace: 面部修复的高效量化方法
机构 * Shanghai Jiao Tong University（上海交通大学） ； ETH Zürich（苏黎世联邦理工学院）
AI总结 QuantFace通过低比特量化和自适应策略提升面部修复效率，优于现有方法。
REArtGS: 通过3D高斯散点与几何和运动约束进行姿态物体的重建与生成
机构 * Hefei Institutes of Physical Science Chinese Academy of Sciences（合肥物理研究所中国科学院） ； 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） ； Shanghai Jiao Tong University（上海交通大学） ； ByteDance（字节跳动）
AI总结 REArtGS通过引入几何和运动约束的3D高斯散点方法，实现姿态物体的高保真表面重建与生成。
Comments 11pages, 6 figures
Colo-ReID: 基于元学习的鉴别性表示嵌入用于结肠镜息肉重识别
机构 * School of Biomedical Engineering, Shanghai Jiao Tong University（生物医学工程学院，上海交通大学） ； Endoscopy Center, Zhongshan Hospital of Fudan University（复旦大学中山医院内窥镜中心）
AI总结 Colo-ReID通过元学习策略提升结肠镜息肉重识别性能，有效解决领域差距和自差异性问题。
渐进式超网络训练用于高效的视觉自回归建模
机构 * Tsinghua University, China（清华大学） ； Shanghai Jiao Tong University, China（上海交通大学） ； Rakuten, Singapore（Rakuten）
AI总结 VARiant通过渐进式超网络训练实现高效视觉自回归建模，减少内存消耗并提升部署灵活性。
Comments Submitted to CVPR 2025. 10 pages, 7 figures
CAMS：通过门控交叉注意力和多空间解耦实现组合零样本学习
机构 * The State Key Laboratory of Public Big Data（公共大数据国家重点实验室） ； Shanghai Jiao Tong University（上海交通大学） ； Nankai University（南开大学）
AI总结 CAMS通过门控交叉注意力和多空间解耦技术，提升组合零样本学习在封闭和开放世界中的性能。
协同强化学习用于统一多模态理解和生成
机构 * Shanghai Jiao Tong University（上海交通大学） ； Nanyang Technological University（南洋理工大学）
AI总结 本文提出CoRL框架，通过协同强化学习提升多模态大语言模型在生成与理解任务上的性能。
Comments NeurIPS 2025
对多步骤法律推理进行基准测试并分析思维链效应在大型语言模型中的表现
机构 * School of Artificial Intelligence, Beihang University, Beijing, China（北京航空航天大学人工智能学院） ； KoGuan School of Law, Shanghai Jiao Tong University, Shanghai, China（上海交通大学KoGuan法学院） ； School of Criminal Law, China University of Political Science and Law, Beijing, China（中国政法大学刑事法律学院）
AI总结 本文提出MSLR数据集，用于评估大型语言模型在多步骤法律推理中的表现，并通过实验展示自主生成的思维链提示提升了推理质量。
Comments 21 pages, 7 figures
VividFace: 高质量和高效的一步扩散用于视频面部增强
机构 * South China University of Technology（华南理工大学） ； Max Planck Institute for Informatics（马克斯·普朗克研究所（信息学）） ； University of Science and Technology of China（中国科学技术大学） ； The Chinese University of Hong Kong（香港中文大学） ； Nanjing University of Science and Technology（南京理工大学） ； Shanghai Jiao Tong University（上海交通大学）
AI总结 VividFace通过单步扩散框架和联合训练策略，高效提升视频面部增强的高质量与效率。
通过结构化多视频协作推理增强视频大语言模型
机构 * Shanghai Jiao Tong University（上海交通大学） ； Shanghai Innovation Institute（上海创新研究院） ； Fudan University（复旦大学）
AI总结 本文提出一种多视频协作框架，通过结构化视频表示和图融合模块提升视频大语言模型的推理能力。
ACEBench: 工具使用场景中谁胜出？
机构 * University of Science and Technology of China（中国科学技术大学） ； Huawei Noah’s Ark Lab（华为诺亚实验室） ； Shanghai Jiao Tong University（上海交通大学）
AI总结 ACEBench是一个用于评估大型语言模型工具使用能力的综合基准测试，通过三种类型的数据评估场景，深入分析LLMs在不同情境下的工具使用表现。
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