高校专区
全景世界：真实世界全景生成
机构 * Insta360 Research（影石创新科技研究院） ； Institute of Automation Chinese Academy of Sciences（中国科学院自动化研究所） ； Tsinghua University（清华大学） ； Wuhan University（武汉大学） ； UC Merced（加州大学默塞德分校）
AI总结 该研究旨在解决全景世界模型的远程记忆挑战，提出PanoWorld，利用旋转等变特性简化相机轨迹，通过DPRC和GMA进行建模与记忆增强，经三阶段训练优化，构建World360数据集验证其有效性，优于其他方法且将公开模型、代码和数据集。
Comments Project page: https://lihaoy-ux.github.io/panoworld-page/ Code:https://github.com/Insta360-Research-Team/PanoWorld
门控线性：用于时间序列预测的互补线性基的自适应路由
机构 * Shenzhen International Graduate School, Tsinghua University（清华大学深圳国际研究生院）
AI总结 针对时间序列预测中多样动态难以用单一机制处理的问题，提出门控线性框架，通过三种专门机制及三因式融合门实现互补线性基的自适应路由，实验显示其在精度、可解释性和参数规模上表现出色。
ALICE：从视觉、视觉语言和玻片级专家学习通用病理学基础模型
机构 * Institute of Biopharmaceutical and Health Engineering, Tsinghua Shenzhen International Graduate School, Tsinghua University（清华大学生物医药与健康工程研究院，清华大学深圳国际研究生院） ； Department of Engineering Science, University of Oxford（牛津大学工程科学系） ； Department of Pathology, The First Affiliated Hospital of Sun Yat-sen University（中山大学附属第一医院病理科） ； Medical Optical Technology R&D Center, Research Institute of Tsinghua, Pearl River Delta（清华珠三角研究院医学光学技术研发中心）
AI总结 研究提出通过多阶段凝聚蒸馏训练的ALICE统一基础模型，将多种教师模型知识整合到单个主干。它在大量图像上预训练，经多场景多任务评估，在任务匹配病理基础模型中平均排名最佳，证明凝聚蒸馏可整合能力用于广泛病理学应用。
WAM-TTT：在测试时通过观察人类行为来引导世界行动模型
机构 * Peking University（北京大学） ； Galbot ； CASIA（中国科学院自动化所） ； Tsinghua University（清华大学）
AI总结 研究旨在解决引导机器人基础模型的难题，提出WAM-TTT框架，通过自监督视频预测吸收人类视频到自适应内存，经元训练阶段对齐人机行为，测试时仅用未标记人类视频，实现高效可重复引导且优于基线。
法律判决预测中的捷径学习：来自英国就业法庭的实证证据
机构 * Faculty of Law, University of Cambridge（剑桥大学法学院） ； The Psychometrics Centre, Cambridge Judge Business School, University of Cambridge（剑桥大学心理学测量中心，剑桥Judge商学院） ； Faculty of English, University of Cambridge（剑桥大学英语学院） ； Department of Statistics, Uppsala University（乌普萨拉大学统计系） ； Department of Computer Science and Technology, Tsinghua University（清华大学计算机科学与技术系） ； Department of Engineering, University of Cambridge（剑桥大学工程系）
AI总结 研究英国就业法庭判决中索赔结果预测的捷径学习，用33158条索赔语料库预测结果，发现基于事后司法文本训练的法律判决预测系统性能或被夸大，去除泄漏特征后模型仍能提取有用信号。
平滑缩放定律隐藏了逐步的令牌学习
机构 * Dots Studio, Xiaohongshu Inc.（dots studio，小红书公司） ； Shanghai Jiao Tong University（上海交通大学） ； Tsinghua university（清华大学）
AI总结 本文提出令牌级框架，将缩放定律分解为上下文令牌的局部学习事件，通过拟合S形曲线发现令牌学习集中在局部转换中，并利用学习时间谱定量重建验证损失导数，进而通过重塑训练分布实现11%的验证损失加速降低。
Comments 21 pages
DriveMA：基于可验证元动作的驾驶视觉-语言-动作模型
机构 * Shanghai Qi Zhi Institute（上海启智研究院） ； Tsinghua University（清华大学） ； Tongji University（同济大学）
AI总结 提出DriveMA框架，通过可验证元动作弥合语言与动作的差距，结合动作中心监督训练和强化学习实现端到端驾驶规划，在Waymo Open Dataset上取得最优性能。
Comments arXiv admin note: text overlap with arXiv:2605.21273
Memory-SAM：无需人工提示的舌头分割：通过检索生成提示
机构 * Tsinghua University, China（清华大学） ； The Fifth Affiliated Hospital of Wenzhou Medical University, China（温州医科大学第五附属医院） ； Shenzhen Traditional Chinese Medicine Hospital, China（深圳中医医院） ； Wenzhou Medical University, China（温州医科大学） ； The First Hospital of Hebei Medical University, China（河北医科大学第一医院） ； Chinese Medicine Guangdong Laboratory/Hengqin Laboratory, China（广东中医实验室/横琴实验室）
AI总结 Memory-SAM通过检索生成提示实现无需人工提示的舌头分割，利用密集DINOv3特征和FAISS检索自动生成有效提示，提升分割精度与鲁棒性。
RoboStream: 用记忆融合时空推理提升视觉语言模型在机器人中的应用
机构 * Shenzhen International Graduate School, Tsinghua University（深圳国际研究生院，清华大学） ； YXGN Robotics（YXGN机器人） ； China University of Mining and Technology（中国矿业大学） ； Shenzhen Technology University（深圳技术大学） ； Huazhong University of Science and Technology（华中科技大学） ； Xiamen University（厦门大学）
AI总结 RoboStream通过时空融合令牌和因果时空图实现持久记忆，解决机器人长时间任务中的几何锚定和状态追踪问题，提升长期任务表现。
Comments Accepted by ECCV 2026
H3Former：基于超图的语义感知聚合，通过双曲层次对比损失进行细粒度视觉分类
机构 * College of Computer Science and Technology, Jilin University（吉林大学计算机科学与技术学院） ； College of Software, Jilin University（吉林大学软件学院） ； School of Software, Tsinghua University（清华大学软件学院）
AI总结 针对细粒度视觉分类难题，提出H3Former框架，通过语义感知聚合模块利用多尺度上下文线索构建加权超图捕捉高阶语义依赖，引入双曲层次对比损失增强语义约束，实验验证了该框架在FGVC任务中的优越性。
Comments Accepted by IEEE Transactions on Image Processing
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