University of Chinese Academy of Sciences（中国科学院大学）

Component-Based Out-of-Distribution Detection

基于组件的分布外检测

Wenrui Liu, Hong Chang, Ruibing Hou, Shiguang Shan, Xilin Chen

机构 * The State Key Laboratory of AI Safety, Institute of Computing Technology, Chinese Academy of Sciences, Beijing, 100190, China（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，北京，100190，中国） ； The University of Chinese Academy of Sciences, Beijing 100049, China（中国科学院大学，北京 100049，中国） 纠错

AI总结 本文提出基于组件的分布外检测框架，通过分解输入为功能组件，解决传统方法在检测组合分布外样本时的不足，提升对局部外观变化和跨组件不一致性的检测能力。

Instance-level Visual Active Tracking with Occlusion-Aware Planning

实例级视觉主动跟踪与遮挡感知规划

Haowei Sun, Kai Zhou, Hao Gao, Shiteng Zhang, Jinwu Hu, Xutao Wen, Qixiang Ye, Mingkui Tan

机构 * South China University of Technology（南方科技大学） ； Pazhou Laboratory（Pazhou实验室） ； Key Laboratory of Big Data and Intelligent Robot, Ministry of Education（教育部大数据与智能机器人重点实验室） ； University of Chinese Academy of Sciences（中国科学院大学） 纠错

AI总结 本文提出OA-VAT方法，通过实例感知原型初始化、在线原型增强跟踪和遮挡感知轨迹规划模块，解决遮挡和相似干扰问题，实现高精度实时跟踪。

Comments CVPR 2026 Poster

Understanding and Mitigating Spurious Signal Amplification in Test-Time Reinforcement Learning for Math Reasoning

理解并缓解测试时间强化学习在数学推理中的虚假信号放大

Yongcan Yu, Lingxiao He, Jian Liang, Kuangpu Guo, Meng Wang, Qianlong Xie, Xingxing Wang, Ran He

机构 * NLPR & MAIS, Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所NLPR与MAIS实验室） ； School of Artificial Intelligence, University of Chinese Academy of Sciences（中国科学院大学人工智能学院） ； Meituan（美团） ； University of Science and Technology of China（中国科学技术大学） 纠错

AI总结 本文研究了测试时间强化学习在数学推理中因标签噪声导致的虚假信号放大问题，提出DDRL框架通过频率采样、去偏优势估计和共识-off-policy优化来缓解该问题，实验表明其优于现有基线方法。

Comments Accepted to ACL 2026 Findings

Unlocking the Power of Large Language Models for Multi-table Entity Matching

解锁大型语言模型在多表实体匹配中的潜力

Yingkai Tang, Taoyu Su, Wenyuan Zhang, Xiaoyang Guo, Tingwen Liu

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） 纠错

AI总结 本文提出LLM4MEM框架，通过多风格提示增强模块、传递共识嵌入匹配模块和密度感知修剪模块，提升多表实体匹配的准确性和效率，实验表明在六个数据集上F1得分提升5.1%。

Comments Accepted by NLPCC 2025

PLAF: Pixel-wise Language-Aligned Feature Extraction for Efficient 3D Scene Understanding

PLAF：基于像素级语言对齐特征提取的高效3D场景理解

Junjie Wen, Junlin He, Fei Ma, Jinqiang Cui

机构 * Pengcheng Laboratory（鹏城实验室） ； School of Artificial Intelligence, University of Chinese Academy of Sciences（中国科学院大学人工智能学院） 纠错

AI总结 PLAF通过像素级语言对齐特征提取，实现2D场景中密集且准确的语义对齐，同时提升3D场景理解的开放词汇表达能力与效率。

Comments Accepted by ICCA 2026

Spec-o3: A Tool-Augmented Vision-Language Agent for Rare Celestial Object Candidate Vetting via Automated Spectral Inspection

Spec-o3：一种工具增强的视觉-语言代理，用于通过自动化光谱检查验证稀有天体候选体

Minghui Jia, Qichao Zhang, Ali Luo, Linjing Li, Shuo Ye, Hailing Lu, Wen Hou, Dongbin Zhao

机构 * SKL-MAIS, Institute of Automation, CAS（SKL-MAIS，自动化研究所，中国科学院） ； School of Advanced Interdisciplinary Sciences, UCAS（交叉科学学院，中国科学院大学） ； National Astronomical Observatories, CAS（国家天文台，中国科学院） ； School of Artificial Intelligence, UCAS（人工智能学院，中国科学院大学） 纠错

AI总结 本文提出Spec-o3，一种工具增强的视觉-语言代理，通过多模态链式推理实现天文学家对稀有天体候选体的自动化光谱检查，提升验证效率和准确性。

Comments Accepted to ACL 2026 Main Conference

Adaptive Soft Error Protection for Neural Network Processing

神经网络处理的自适应软错误防护

Xinghua Xue, Cheng Liu, Feng Min, Yinhe Han

机构 * Hangzhou Institute for Advanced Study, University of Chinese Academy of Sciences（中国科学院大学杭州高等研究院） ； 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国家处理器实验室） ； Institute of Computing Technology, Chinese Academy of Sciences（中国科学院计算技术研究所） ； Jinan Inspur Data Technology Co., Ltd.（济南Inspur数据技术有限公司） 纠错

AI总结 本文提出基于动态输入依赖性的自适应软错误防护框架，利用轻量级图神经网络预测神经网络组件的软错误脆弱性，降低计算开销并提升保护效率。