高校专区
ATTNPO：基于注意力的高效推理过程监督
机构 * Institute of Information Engineering, Chinese Academy of Sciences（中国科学院信息工程研究所） ； School of Cyber Security, University of Chinese Academy of Sciences（中国科学院大学网络安全学院） ； Baidu Inc.（百度公司） ； Tianjin University（天津大学）
AI总结 本文提出ATTNPO，通过利用模型内在注意力信号进行步骤级信用分配，有效减少推理长度并提升性能，适用于9个基准测试。
Comments Accepted by ACL 2026 Main
层次编码扩散用于视频到语音生成
机构 * Fudan University（复旦大学） ； Institute of Computing Technology, Chinese Academy of Sciences（中国科学院计算技术研究所） ； University of Chinese Academy of Sciences（中国科学院大学） ； Harbin Institute of Technology (Shenzhen)（哈尔滨工业大学（深圳））
AI总结 本文提出HiCoDiT，利用残差向量量化编码的层次结构，通过低层和高层块生成不同层级的语音令牌，以实现强音频视觉对齐，实验表明其在保真度和表达性上优于基线。
Comments CVPR 2026
突破十亿参数通用机器学习互原子势的训练障碍
机构 * State Key Lab of Processors, Institute of Computing Technology, Chinese Academy of Sciences（中国科学院计算技术研究所 processors 国家重点实验室） ； University of Chinese Academy of Sciences（中国科学院大学） ； Independent Researcher（独立研究者） ； Sun Yat-Sen University（中山大学）
AI总结 本文提出MatRIS-MoE和Janus框架，解决十亿参数uMLIP训练中的高维分布式训练与计算效率问题，将训练时间从周缩短至小时，为AI4S基础模型树立新标杆。
Comments 11 pages, 8 figures
连续手眼校准用于开放世界机器人操作
机构 * School of Automation Science and Engineering, South China University of Technology（华南理工大学自动化科学与工程学院） ； State Key Laboratory of Robotics, the Institutes for Robotics and Intelligent Manufacturing, Chinese Academy of Sciences（中国科学院机器人研究所） ； University of Chinese Academy of Sciences（中国科学院大学）
AI总结 本文提出连续手眼校准框架，通过空间重放策略和结构保持蒸馏，解决开放世界中持续学习中的灾难性遗忘问题，实验验证其在多个数据集上的有效性。
通过关键信息的分步注意力混合层蒸馏提升小模型的推理能力
机构 * Institute of Information Engineering, Chinese Academy of Sciences（中国科学院信息工程研究所） ； School of Cyber Security, University of Chinese Academy of Sciences（中国科学院大学网络安全学院）
AI总结 本文提出一种基于分步注意力的混合层蒸馏方法，通过引导学生模型逐步聚焦关键信息，提升小模型的推理能力，并在多个数学和常识推理数据集上取得一致性能提升。
Comments Accepted at EMNLP 2025
TopFeaRe: 在拓扑-特征纠缠视角下定位图的对抗鲁棒性临界状态
机构 * State Key Laboratory of AI Safety, Institute of Computing Technology, Chinese Academy of Sciences（人工智能安全国家重点实验室，计算技术研究所，中国科学院） ； University of Chinese Academy of Sciences（中国科学院大学） ； Dalian University of Technology（大连理工大学） ； Beihang University（北京航空航天大学）
AI总结 本文提出TopFeaRe方法，通过定位图的对抗鲁棒性临界状态，结合复杂动态系统理论，创新性地建模对抗攻击、设计拓扑-特征纠缠函数，并验证了在多个真实数据集上的有效性。
HiFi-Inpaint：迈向高保真参考基于修复生成细节保留的人-产品图像
机构 * University of Chinese Academy of Sciences（中国科学院大学） ； The Chinese University of Hong Kong（香港中文大学） ； Zhejiang University（浙江大学）
AI总结 本文提出HiFi-Inpaint框架，通过Shared Enhancement Attention和Detail-Aware Loss解决人-产品图像生成中的细节保留问题，并构建了HP-Image-40K数据集，实验表明其在生成高保真图像方面表现优异。
Comments Accepted by CVPR 2026 (Project page: https://correr-zhou.github.io/HiFi-Inpaint/)
SurgMotion: 一种用于外科视频通用理解的视频原生基础模型
机构 * Center for Artificial Intelligence and Robotics, Hong Kong Institute of Science and Innovation, Chinese Academy of Sciences, Hong Kong, China（人工智能与机器人中心，香港科学与创新研究院，中国科学院，香港，中国） ； State Key Laboratory of Multimodal Artificial Intelligence Systems, Institute of Automation, Chinese Academy of Sciences, Beijing, China（多模态人工智能系统国家重点实验室，自动化研究所，中国科学院，北京，中国） ； Computer Aided Medical Procedures, Technical University of Munich, Munich, Germany（医学辅助程序，慕尼黑技术大学，德国慕尼黑） ； Electronic Engineering Department, The Chinese University of Hong Kong, Hong Kong, China（电子工程系，香港中文大学，香港，中国） ； Neuromedical Centre, Hong Kong University Shenzhen Hospital, Shenzhen, China（神经医学中心，香港大学深圳医院，深圳，中国） ； University of Chinese Academy of Sciences, Beijing, China（中国科学院大学，北京，中国） ； Department of Respiratory Medicine, The First Affiliated Hospital of Sun Yat-sen University, Guangzhou, China（呼吸科，中山大学附属第一医院，广州，中国）
AI总结 SurgMotion通过引入视频原生基础模型，将学习范式从像素级重建转向潜在运动预测，通过三种关键技术改进提升外科视频理解能力，实验表明其在手术流程识别、动作三元组识别和技能评估等任务中均取得显著优势。
重新审视熵正则化：自适应系数解锁其在大语言模型强化学习中的潜力
机构 * State Key Lab of Processors, Institute of Computing Technology, CAS（处理器国家重点实验室，计算技术研究所，中国科学院） ； University of Science and Technology of China（中国科学技术大学） ； University of Chinese Academy of Sciences（中国科学院大学） ； StepFun Inc（StepFun公司）
AI总结 本文重新审视熵正则化在强化学习中的应用，提出自适应熵正则化框架，通过动态平衡探索与利用提升数学推理性能。
Comments 16 pages, 4 figures
DVP-MVS++: 融合深度-法线-边缘与协调视图先验以实现多视图立体摄影
机构 * Institute of Computing Technology, Chinese Academy of Sciences（中国科学院计算技术研究所） ； University of Chinese Academy of Sciences（中国科学院大学） ； DSLAB, School of Information Science & Engineering, Lanzhou University（兰州大学信息科学与工程学院DSLAB） ； School of Mathematical Science, Jiangsu University（江苏大学数学学院） ； MoE Key Laboratory of Brain-inspired Intelligent Perception and Cognition, University of Science and Technology of China（中国科学技术大学脑科学与智能感知教育部重点实验室） ； Agricultural Information Institute, Chinese Academy of Agricultural Sciences（中国农业科学院农业信息研究所） ； Key Laboratory of Agricultural Big Data, Ministry of Agriculture and Rural Affairs（农业农村部农业大数据重点实验室）
AI总结 本文提出DVP-MVS++方法，通过融合深度-法线-边缘对齐和协调跨视图先验，提升多视图立体摄影中鲁棒性和视图感知的补丁变形能力。
基于文本的人检索中合成数据验证的实证研究
机构 * School of Computer Science and Technology, Soochow University（苏州大学计算机科学与技术学院） ； Frontis ； Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所） ； Foundation Model Research Center, Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所基础模型研究中心） ； School of Artifcial Intelligence, University of Chinese Academy of Sciences（中国科学院大学人工智能学院） ； Wuhan AI Research, Wuhan, China（武汉人工智能研究所，武汉，中国） ； School of Computer Science, Wuhan University（武汉大学计算机学院）
AI总结 本文首次系统研究文本基于人检索中合成数据的有效性，提出统一合成 pipeline 并通过实验揭示其作为替代或补充的真实数据的实用性。
Comments 20 pages,13 figures
从有限标签到开放领域：一种用于无人机视角地理定位的高效学习方法
机构 * State Key Laboratory for Strength and Vibration of Mechanical Structures（强度与振动机械结构国家重点实验室） ； Shaanxi Key Laboratory of Environment and Control for Flight Vehicle（飞行器环境与控制陕西省重点实验室） ； School of Aerospace Engineering（航空工程学院） ； Xi’an Jiaotong University（西安交通大学） ； Institute of Automation（自动化研究所） ； Chinese Academy of Sciences（中国科学院） ； School of Artificial Intelligence（人工智能学院） ； University of Chinese Academy of Sciences（中国科学院大学） ； Peng Cheng Laboratory（鹏城实验室）
AI总结 本文提出CDIKTNet，通过有限监督实现无人机视角地理定位的跨域不变知识迁移，解决传统方法依赖配对数据和跨视图相关性学习难题，提升少样本和跨域初始化性能。
Comments Accepted by IEEE Transactions on Multimedia 2026
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