高校专区
AfriMTEB 和 AfriE5：为非洲语言构建和适应文本嵌入模型的基准测试
机构 * University of Toronto（多伦多大学） ； Mila - Quebec AI Institute, McGill University（魁北克AI研究院，麦吉尔大学） ； Saarland University, Saarland Informatic Campus（萨尔兰大学，萨尔兰信息学院） ； Canada CIFAR AI Chair（加拿大CIFAR人工智能主席）
AI总结 本文提出 AfriMTEB 和 AfriE5，为非洲语言构建和适应文本嵌入模型的基准测试，通过引入新任务和跨语言对比蒸馏方法，提升了模型性能。
Comments Accepted to EACL 2026 (main conference)
MERLIN：多阶段课程对齐用于多语言编码器-大语言模型集成的跨语言推理
机构 * University of Toronto（多伦多大学） ； Mila-Quebec AI Institute, McGill University（魁北克AI研究所，麦吉尔大学） ； OntarioTech University（安大略技术大学） ； Saarland University（萨尔兰州立大学） ； Canada CIFAR AI Chair（加拿大CIFAR人工智能主席）
AI总结 MERLIN通过多阶段课程对齐方法提升多语言编码器-大语言模型在跨语言推理中的性能，特别是在低资源语言上表现突出。
Comments Accepted to EACL 2026 (main conference)
分区量子分类器的对抗鲁棒性
机构 * Department of Electrical and Computer Engineering, University of Toronto（电气与计算机工程系，多伦多大学）
AI总结 研究分区量子分类器在对抗扰动下的鲁棒性，揭示扰动与中间层对抗门实现的联系，并从理论和实验角度探讨相关问题。
理解上下文学习中演示冲突的动力学
机构 * University of Toronto（多伦多大学） ； King Abdullah University of Science（卡布斯国王科学大学） ； Mohamed bin Zayed University of Artificial Intelligence（穆罕默德·本·扎耶德人工智能大学）
AI总结 本研究探讨了上下文学习中演示冲突的处理机制，发现模型在冲突证据下表现出两阶段计算结构，通过注意力头分析揭示了模型对腐败证据的敏感性，并验证了针对性消融对性能提升的显著影响。
Comments 19 pages,12 figures,4 tables
DiffusionHarmonizer: 通过在线扩散增强器连接神经重建与逼真模拟
机构 * NVIDIA ； University of Toronto（多伦多大学） ； Cornell University（康奈尔大学） ； Technion（技术学院）
AI总结 DiffusionHarmonizer通过在线扩散增强器提升神经重建与逼真模拟的结合，解决动态物体整合与伪影问题，提高模拟保真度。
Comments For more details and updates, please visit our project website: https://research.nvidia.com/labs/sil/projects/diffusion-harmonizer
四旋翼航点飞行的感知感知时间最优规划
机构 * University of Toronto Institute for Aerospace Studies (UTIAS)（多伦多大学航空航天研究所在加拿大） ； Robotics and Perception Group（机器人与感知组）
AI总结 本文提出了一种感知意识时间最优轨迹优化框架，结合动力学、视觉约束和环境几何，提升四旋翼飞行的感知可靠性与效率。
语言模型何时会支持人权原则的限制？
机构 * Max Planck Institute for Intelligent Systems（马克斯·普朗克智能系统研究所） ； Jinesis AI Lab, University of Toronto & Vector Institute（Jinesis AI实验室，多伦多大学及向量研究所） ； University of Michigan（密歇根大学） ； University of Copenhagen（哥本哈根大学） ； EuroSafeAI
AI总结 本文研究了语言模型在人权原则限制上的偏见，发现模型在不同语言和提示下表现出系统性差异，揭示了AI在高风险互动中的伦理挑战。
Comments EACL Findings 2026
H-WM：由分层世界模型引导的机器人任务和运动规划
机构 * Huawei Noah’s Ark Lab（华为诺亚实验室） ； University of Toronto（多伦多大学） ； University of British Columbia（不列颠哥伦比亚大学） ； McGill University（麦吉尔大学）
AI总结 H-WM通过结合逻辑和视觉世界模型，实现机器人任务和运动规划中的鲁棒长视界推理与稳定引导。
Comments 8 pages, 4 figures
通过对比学习增强归一化流用于异常分割
机构 * University of Toronto（多伦多大学） ； MDA Space（MDA空间）
AI总结 FlowCLAS通过对比学习增强归一化流，有效提升异常分割性能，达到多个机器人异常分割基准的最先进水平。
Comments WACV 2026 Camera Ready
扩散变换器的扩展定律
机构 * University of Toronto（多伦多大学） ； Vector Institute（向量研究所） ； The Chinese University of Hong Kong（香港中文大学） ； The University of Hong Kong（香港大学）
AI总结 本文研究了扩散变换器的扩展定律，通过实验验证了模型大小、数据需求与计算预算之间的幂律关系，并展示了预训练损失与生成性能的一致性，为模型性能和数据质量评估提供了可预测的基准。
CAD-Tokenizer: 向基于文本的CAD原型设计迈进：通过模态特定的分词
机构 * University of Toronto（多伦多大学） ； Microsoft Research Asia（微软亚洲研究院） ； Fudan University（复旦大学）
AI总结 CAD-Tokenizer通过模态特定的分词策略，提升文本引导的CAD原型设计效率与生成质量。
Comments ICLR2026 Camera-ready version
针对体力活动的定制行为改变信息：整合上下文老虎机和大型语言模型
机构 * University of Toronto（多伦多大学） ； Ludwig Boltzmann Institute for Digital Health（卢德维希·玻尔兹曼数字健康与预防研究所） ； Stanford University（斯坦福大学）
AI总结 本文提出了一种结合上下文老虎机和大型语言模型的混合方法，用于个性化体力活动干预，通过动态上下文因素优化信息内容，提升干预效果和可解释性。
MERG3R: 一种用于大规模神经视觉几何的分而治之方法
机构 * University of Toronto（多伦多大学） ； Vector Institute（向量研究所）
AI总结 MERG3R通过分而治之的方法提升大规模神经视觉几何重建的准确性、内存效率和可扩展性。
Comments Project page: https://leochengkx.github.io/MERG3R/
CamDirector: 向长期一致的视频轨迹编辑迈进
机构 * McMaster University（麦克 master 大学） ； University of Toronto（多伦多大学） ； The University of Hong Kong（香港大学） ； McGill University（麦吉尔大学） ； Concordia University（Concordia 大学） ； MBZUAI
AI总结 CamDirector通过混合变形方案和历史引导的自回归扩散模型，实现长期一致的视频轨迹编辑，并提出新的VTE基准iPhone-PTZ。
KILO-EKF：基于Koopman的学得观测扩展卡尔曼滤波器
机构 * University of Toronto Robotics Institute（多伦多大学机器人研究所） ； Department of Mechanical Engineering（机械工程系） ； McGill University（麦吉尔大学）
AI总结 KILO-EKF通过学习Koopman启发式测量模型，实现高效、准确的传感器校准与状态估计，适用于实时四旋翼定位任务。
Comments Submitted to IEEE/RSJ IROS. 8 pages, 9 figures, 1 table
PreSight：通过区域先验形态学和患者特异性加权进行帕金森病术前预后预测
机构 * Beijing Jiaotong University（北京交通大学） ； Nanyang Technological University（南洋理工大学） ； Institute of Medical Technology, Peking University（北京大学医学技术研究院） ； Beijing Tiantan Hospital, Capital Medical University（北京天坛医院） ； University Health Network, University of Toronto（多伦多大学健康网络） ； Suzhou Institute for Advanced Research, University of Science and Technology of China（中国科学技术大学苏州研究院）
AI总结 PreSight通过结合临床先验与区域自适应形态学，实现帕金森病术前预后预测，提升术后运动改善预测的准确性和临床实用性。
SCATR: 通过二次分配和轨迹查询丢弃缓解基于LiDAR的跟踪-注意力中的新实例抑制
机构 * University of Toronto（多伦多大学）
AI总结 SCATR通过二次分配和轨迹查询丢弃缓解基于LiDAR的跟踪-注意力中的新实例抑制，实现性能提升
当RL帮助医疗VLMs时？解构视觉、SFT和RL增益
机构 * University of Toronto, Canada（多伦多大学） ； Vector Institute, Canada（向量研究所） ； KITE Research Institute, University Health Network, Canada（KITE研究机构） ； York University, Canada（约克大学）
AI总结 研究通过解构视觉、SFT和RL增益，发现RL在模型已有支持时最有效，SFT扩展支持使RL有效，提出边界意识的配方并实现强性能。
语义XPath：面向对话AI的结构化代理内存访问
机构 * University of Toronto（多伦多大学） ； Vector Institute of Artificial Intelligence（人工智能向量研究所）
AI总结 本文提出语义XPath，一种基于树状结构的对话AI内存模块，通过提升性能和降低token消耗，为任务导向的对话系统提供新方法。
VoMP：预测体积机械属性场
机构 * NVIDIA ； University of Toronto（多伦多大学）
AI总结 VoMP通过训练几何变换器预测3D物体的体积机械属性场，结合多视角特征和现实世界数据集，实现高精度和高速度的属性估计。
Comments Project Page and hi-res paper: https://research.nvidia.com/labs/sil/projects/vomp
训练大型语言模型以并行推理与全局分叉标记
机构 * University of Toronto（多伦多大学） ； Amazon（亚马逊） ； Vector Institute（向量研究所）
AI总结 本文提出SSFT和GFPO方法，通过集合基于的损失和双射匹配，提升大型语言模型在并行推理中的多样性和准确性，从而在数学推理和代码生成任务中取得优于传统SFT的性能。
Comments Accepted at ICLR 2026
Journal ref The Fourteenth International Conference on Learning Representations (ICLR 2026), https://openreview.net/forum?id=xBQvvkg4Wc
QANTIS：一种经过硬件验证的量子平台，用于POMDP规划和多目标数据关联
机构 * Neura Parse Ltd.（Neura Parse有限公司） ； Department of Computer Engineering, Boğaziçi University（博耶奇大学计算机工程系） ； Faculty of Engineering, University of Toronto（多伦多大学工程学院） ； Istanbul Technical University（伊斯坦布尔技术大学）
AI总结 QANTIS通过量子算法和优化方法，实现了在超导硬件上对POMDP规划和多目标数据关联的高效解决，并验证了量子计算在实际应用中的可行性。
Comments 31 pages, 4 figures, 12 tables; 45-experiment hardware study on IBM Heron QPUs
ArtiFixer：利用自回归扩散模型增强和扩展3D重建
机构 * NVIDIA ； NVIDIA Santa Clara USA（NVIDIA） ； NVIDIA Zurich Switzerland（NVIDIA） ； Cornell University（康奈尔大学） ； University of Toronto（多伦多大学） ； Vector Institute（向量研究所）
AI总结 ArtiFixer通过自回归扩散模型提升3D重建质量，解决现有方法在未观测区域的外推问题。
Comments Video results: https://artifixer2026.github.io/
Texterial: 一种基于文本作为材料的交互范式用于大语言模型辅助写作
机构 * Microsoft Research（微软研究院） ； MIT Media Lab（麻省理工学院媒体实验室） ； University of Toronto（多伦多大学）
AI总结 Texterial提出一种将文本视为可塑材料的交互范式，通过手势塑形和植物生长的机制，提升大语言模型辅助写作的用户体验和操作灵活性。
Journal ref Proceedings of the 2026 ACM CHI Conference on Human Factors in Computing Systems (ACM CHI 2026)
可扩展的高斯过程建模：参数化时空场的数据驱动学习
机构 * University of Toronto Institute for Aerospace Studies（多伦多大学航空航天研究所）
AI总结 本文提出了一种可扩展的高斯过程框架，结合深度乘积核，用于高精度参数化时空场的数据驱动学习，实现了高效的不确定性量化和高准确性。
当AI提供建议：评估AI与人类对在线寻求幸福建议的反应
机构 * University of Toronto（多伦多大学） ； Harvard University（哈佛大学） ； Purdue University（普渡大学）
AI总结 研究评估AI与人类在在线幸福建议寻求中的表现，发现LLMs在多项指标上优于人类，且人类建议可通过打磨与AI建议竞争。
Comments CHI 2026
Cora: 基于对应关系的图像编辑使用少量步骤扩散
机构 * Simon Fraser University（西蒙弗雷泽大学） ； Huawei（华为） ； University of Toronto（多伦多大学） ； Google Deepmind（谷歌DeepMind）
AI总结 Cora通过引入对应关系感知的噪声校正和插值注意力图，实现了在少量步骤下精准的图像编辑，有效保持结构、纹理和身份，优于现有方法。
Comments Published in SIGGRAPH 2025
通过基于表示擦除的偏好优化来净化大语言模型
机构 * McGill University（麦吉尔大学） ； Mila ； Google DeepMind（谷歌DeepMind） ； University of Toronto（多伦多大学） ； Vector Institute（向量研究所）
AI总结 本文提出REPO方法，通过基于表示擦除的偏好优化，有效净化大语言模型，提升其对抗鲁棒性。
超越离散域的近似SMT计数
机构 * Chennai Mathematical Institute, India IAI, TCG CREST, Kolkata, India（钦奈数学研究所，印度 IAI，TCG CREST，科利尔，印度） ； Georgia Institute of Technology, USA University of Toronto, Canada（佐治亚理工学院，美国 蒙特利尔大学，加拿大）
AI总结 pact是一种用于混合公式的SMT模型计数器，通过哈希技术实现高效解计数，显著提升了性能。
Comments A preliminary version of this paper appears at the proceedings of Design Automation Conference (DAC) 2025
VGG-T³：大规模离线前馈3D重建
机构 * NVIDIA ； Vector Institute（向量研究所） ； University of Toronto（多伦多大学）
AI总结 VGG-T³通过测试时训练将变长键值空间蒸馏为固定大小的MLP，实现大规模离线前馈3D重建，速度比基线方法快11.6倍，并在重建精度和视觉定位能力上表现优异。
Comments CVPR 2026, Project page: https://research.nvidia.com/labs/dvl/projects/vgg-ttt
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