高校专区
PriorVLA: 为视觉-语言-动作模型保留先验进行适应
机构 * Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所） ； Dexmal ； University of Chinese Academy of Sciences（中国科学院大学） ； Zhongguancun Academy（中关村学院） ； Nanjing University of Aeronautics and Astronautics（南京航空航天大学）
AI总结 PriorVLA通过保留预训练先验和学习有效适应方法，在机器人操作任务中实现了比全微调和现有基线更好的性能，特别是在分布外和少样本情况下表现更优。
Comments 32 pages. Project page: https://priorvla.github.io/
在SemEval-2026任务3中，ICT-NLP采用‘少即是多’策略：多语言编码器联合训练与自适应集成用于维度方面情感回归
机构 * State Key Laboratory of AI Safety（人工智能安全国家重点实验室） ； 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）
AI总结 本文提出一个轻量高效的多语言编码器系统，通过联合多语言多领域训练、有界回归转换和自适应集成策略，实现跨语言迁移和数据稀疏性缓解，实验显示在多个任务中表现优异。
PaperFit：科学文档中的视觉闭环排版优化
机构 * University of Chinese Academy of Sciences（中国科学院大学） ； Shanghai Artificial Intelligence Laboratory（上海人工智能实验室） ； School of Automation and Intelligent Sensing, Shanghai Jiao Tong University（上海交通大学自动化与智能感知学院）
AI总结 PaperFit通过视觉闭环优化将可编译的LaTeX文档转化为高质量PDF，解决排版问题并提升文档自动化流程的完整性。
Comments 47 pages, 17 figures, 17 tables
CLEAR: 基于上下文的端到端无掩码推理的自适应视频字幕移除
机构 * University of Electronic Science and Technology of China（电子科技大学） ； University of Chinese Academy of Sciences（中国科学院大学） ； Technical University of Munich（慕尼黑技术大学） ； Shanghai Jiao Tong University（上海交通大学） ； National University of Singapore（新加坡国立大学）
AI总结 CLEAR通过上下文感知的自适应学习实现端到端无掩码推理，有效区分字幕与背景内容，提升多语言字幕移除性能。
Comments Accepted by ICML 2026 (Spotlight)
弹性混合专家：解锁混合专家模型的推理时间可扩展性
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）
AI总结 本文提出弹性混合专家（EMoE）框架，通过训练专家协作和路由选择，解决混合专家模型在推理时激活专家数量增加导致性能下降的问题，提升了模型在不同预算下的鲁棒性。
NEXT: 通过文本调制的多粒度专家混合实现多模态物体重识别
机构 * State Key Laboratory of Opto-Electronic Information Acquisition and Protection Technology（光电信息采集与防护技术国家重点实验室） ； Anhui Provincial Key Laboratory of Multimodal Cognitive Computation（安徽省多模态认知计算重点实验室） ； School of Artificial Intelligence（人工智能学院） ； Anhui University（安徽大学） ； State Key Laboratory of Multimodal Artificial Intelligence Systems（多模态人工智能系统国家重点实验室） ； New Laboratory of Pattern Recognition（模式识别新实验室） ； CASIA（中国科学院自动化所） ； University of Chinese Academy of Sciences（中国科学院大学） ； School of Computing and Mathematical Sciences（计算与数学科学学院） ； University of Greenwich（格林威治大学）
AI总结 本文提出NEXT框架，通过文本调制分离语义和结构分支，融合多粒度专家特征，提升多模态物体重识别性能。
Arcane：通过语义聚类和MCTS引导的规则探索的断言减少框架
机构 * State Key Lab of Processors, Institute of Computing Technology, CAS, Beijing, China（处理器国家重点实验室，计算技术研究所，中国科学院，北京，中国） ； University of Chinese Academy of Sciences, Beijing, China（中国科学院大学，北京，中国）
AI总结 本文提出Arcane框架，通过语义聚类和MCTS引导的规则探索，有效减少断言数量，同时保持形式覆盖和突变检测能力，实验表明断言数量减少达76.2%，模拟时间加速2.6至6.1倍。
Comments 6 pages, 6 figures
TRACER：多模态工具使用代理的可验证生成溯源
机构 * Shenyang Institute of Computing Technology, Chinese Academy of Sciences（中国科学院沈阳计算技术研究所） ； University of Chinese Academy of Sciences（中国科学院大学） ； MAIS, Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所MAIS） ； Key Laboratory of Computing Power Network and Information Security, Ministry of Education, Shandong Computer Science Center (National Supercomputer Center in Jinan), Qilu University of Technology (Shandong Academy of Sciences)（教育部计算电力网络与信息安全重点实验室，山东计算机科学中心（济南国家超算中心），齐鲁工业大学（山东省科学院））
AI总结 TRACER通过生成带结构溯源记录的答案句子，解决多模态工具使用代理中缺乏的 claim-level 依赖结构问题，提升工具使用可验证性和优化性。
TIDE-Bench：面向任务的工具整合推理评估
机构 * University of Chinese Academy of Sciences（中国科学院大学） ； Institute of Software, Chinese Academy of Sciences（中国科学院软件研究所）
AI总结 本文提出TIDE-Bench，一个高效全面的工具整合推理评估基准，通过多样任务设置、任务感知评估协议和高质量评价集，揭示工具整合推理中的持续瓶颈。
Comments 10 pages, 5 figures, 10 tables
漂移是一种采样误差：面向长时间 horizon 的机器人规划的 SNR 意识功率分布
机构 * Chongqing Institute of Green and Intelligent Technology, Chinese Academy of Sciences（中国科学院重庆绿色智能技术研究院） ； Chongqing School, University of Chinese Academy of Sciences（中国科学院大学重庆学院）
AI总结 本文提出 CAPS 框架，通过功率分布增强全局轨迹概率，结合 SNR 机制实现动态切换，提升长horizon 机器人规划的鲁棒性。
Comments Accepted at ICML 2026
自适应3D卷积用于遥感图像融合
机构 * State Key Laboratory of Multimodal Artificial Intelligence Systems, Institute of Automation, Chinese Academy of Sciences（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） ； School of Artificial Intelligence, University of Chinese Academy of Sciences（中国科学院大学人工智能学院） ； School of Mathematical Sciences/Multi-Hazard Early Warning Key Laboratory of Sichuan Province, University of Electronic Science and Technology of China（数学科学学院/四川省多灾种早期预警重点实验室，电子科技大学） ； Centre for Artificial Intelligence and Robotics, Hong Kong Institute of Science and Innovation, Chinese Academy of Sciences（人工智能与机器人中心，香港科学院，中国科学院）
AI总结 本文提出自适应3D卷积方法，通过生成内容感知的3D卷积核，有效整合空间和光谱信息，提升遥感图像融合的精度与效率。
Comments Accepted by IEEE Transactions on Image Processing (TIP), Early Access, 2026
TileQ: 一种高效的混合专家低秩量化方法基于二维铺砖
机构 * Institute of Software Chinese Academy of Sciences（中国科学院软件研究所） ； University of Chinese Academy of Sciences（中国科学院大学）
AI总结 TileQ通过二维铺砖结构低秩量化方法，在不进行微调的情况下实现混合专家模型的高效量化，显著降低内存使用和推理延迟，同时保持最先进的准确性。
从自身学习点击位置：面向GUI定位的在线自蒸馏
机构 * Institute of Information Engineering, Chinese Academy of Sciences（中国科学院信息工程研究所） ； VCIP & TMCC & DISSec, College of Computer Science, Nankai University（南开大学计算机学院） ； 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GUI-SD框架，通过视觉增强上下文和熵引导蒸馏提升GUI定位性能，实验显示其在准确性和训练效率上优于现有方法。
Comments under review
MuonEq: 在正交化前平衡以实现轻量级均衡
机构 * Shenzhen Institute of Advanced Technology, Chinese Academy of Sciences（深圳先进技术研究院，中国科学院） ； Shenzhen University of Advanced Technology（深圳大学） ； Pengcheng Laboratory（鹏城实验室） ； Sun Yat-sen University（中山大学） ； Southern University of Science and Technology（南方科技大学） ； George Washington University（乔治华盛顿大学） ； University of Chinese Academy of Sciences（中国科学院大学）
AI总结 MuonEq通过在正交化前平衡动量矩阵，改进了矩阵参数的训练，其核心方法包括RC、R和C三种归一化形式，提升了正交化所见的几何结构，并在LLaMA2预训练中表现优异。
UPA：基于树状搜索与选择的无监督提示代理
机构 * MAIS, CASIA（中国科学院自动化研究所） ； SAI, UCAS（中国科学技术大学人工智能学院） ； Mininglamp Technology（Mininglamp技术公司） ； IIE, CAS（中国科学院信息研究所） ； SCSE, FIE, M.U.S.T（慕斯科技大学信息工程系）
AI总结 本文提出UPA，一种无需真实奖励信号的无监督提示代理，通过树状结构搜索和基于Bradley-Terry-Luce模型的两阶段框架实现高效提示优化。
关于穆斯和更高级的收敛性
机构 * Shenzhen Institute of Advanced Technology, Chinese Academy of Sciences（中国科学院深圳先进技术研究院） ； Shenzhen University of Advanced Technology（深圳大学） ； Pengcheng Laboratory（鹏城实验室） ； University of Chinese Academy of Sciences（中国科学院大学）
AI总结 本文研究了穆斯算法的理论极限，证明了在无 horizon 学习率调度下，穆斯-MVR2 可以达到最优收敛率，同时在 PL 条件下，穆斯-MVR1 和穆斯-MVR2 分别实现了最佳迭代率和最后迭代率。
LCGNav: 本地候选感知的几何增强以实现连续环境中的通用拓扑规划
机构 * The Aerospace Information Research Institute, Chinese Academy of Sciences, Beijing（中国科学院航空航天信息研究所，北京） ； The School of Electronic, Electrical and Communication Engineering, University of Chinese Academy of Sciences, Beijing（中国科学院大学电子电气与通信工程学院，北京） ； The Department of Computer Science, City University of Hong Kong, Hong Kong, SAR, China（香港城市大学计算机科学系，香港特别行政区，中国）
AI总结 LCGNav通过本地几何增强框架解决连续环境视觉语言导航中局部深度信息冗余和候选前沿关注不足的问题，提升拓扑规划性能。
面向视觉-语言-动作模型的后门基于所有权验证
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） ； A*STAR Institute of High Performance Computing (A*STAR IHPC)（新加坡A*STAR高性能计算研究所） ； A*STAR Centre for Frontier AI Research (A*STAR CFAR)（新加坡A*STAR前沿人工智能研究中心） ； College of Computing and Data Science, Nanyang Technological University（南洋理工大学计算机与数据科学学院） ； College of Design and Engineering, Nanyang Technological University（南洋理工大学设计与工程学院） ； Department of Computer Science, National University of Singapore（新加坡国立大学计算机科学系） ； State Key Laboratory of Information Engineering in Surveying, Mapping and Remote Sensing (LIESMARS), Wuhan University（武汉大学测绘遥感信息工程国家重点实验室（LIESMARS））
AI总结 本文提出GuardVLA，首个针对视觉-语言-动作模型的后门基于所有权验证框架，通过在训练中嵌入隐蔽无害的后门水印，实现可靠的模型所有权验证并保持正常任务性能。
基于结构剪枝的紧凑SO(3)等变原子基础模型
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状态关键实验室） ； University of Chinese Academy of Sciences（中国科学院大学）
AI总结 本文提出结构剪枝方法，通过保留完整块保持SO(3)等变性，减少计算成本同时保持高精度，验证了在Matbench Discovery leaderboard上优于小模型，并在下游应用中显著降低能量和力误差。
为何对齐的LLM仍可被劫持：拒绝-逃逸方向、操作级来源及安全-效用权衡
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）
AI总结 研究揭示对齐LLM仍易被劫持的原因，通过连续输入变换视角，发现拒绝-逃逸方向（RED）及操作级来源的结构漏洞，揭示安全与效用的权衡关系。
Comments 40 pages, 45 figures
ReST-KV: 基于分层输出重建与时空平滑的鲁棒KV缓存淘汰
机构 * Foundation Model Research Center, Institute of Automation, Chinese Academy of Sciences（基础模型研究中心，自动化研究所，中国科学院） ； School of Artificial Intelligence, University of Chinese Academy of Sciences（人工智能学院，中国科学院大学） ； University of Electronic Science and Technology of China（电子科技大学） ； Wuhan AI Research（武汉人工智能研究） ； Objecteye Inc.（Objecteye公司）
AI总结 本文提出ReST-KV方法，通过分层输出重建和时空平滑优化KV缓存淘汰，提升长序列生成效率，实测在多个基准测试中表现优异，同时显著降低解码延迟。
Comments Accepted at ICLR 2026. Project Page: https://github.com/an-yongqi/rest-kv
ElasticFlow: 语言引导操作中的弹性时间 horizon 的一步物理一致策略
机构 * Chongqing Institute of Green and Intelligent Technology, Chinese Academy of Sciences（中国科学院重庆绿色智能技术研究所） ； Chongqing School, University of Chinese Academy of Sciences（中国科学院大学重庆校区） ； Faculty of Information Technology and Electrical Engineering, University of Oulu, Finland（芬兰奥卢大学信息科技与电气工程学院）
AI总结 ElasticFlow通过弹性时间 horizon 机制和直接建模平均速度场，实现高效的一步映射，提升语言引导操作的物理一致性和效率。
Comments Accepted to Findings of ACL 2026
Omni-DeepSearch：一种基于音频的多模态深度搜索基准
机构 * CASIA ； UCAS ； BAAI ； Peking University（北京大学） ； Tsinghua University（清华大学）
AI总结 本文提出Omni-DeepSearch基准，用于评估基于音频的多模态深度搜索能力，通过多跳推理生成客观答案，结果显示该任务极具挑战性。
Comments 43 pages
超越全能代理：企业工作流中角色专业化多代理协作的基准测试
机构 * BAAI（北京人工智能研究院） ； CASIA（中国科学院自动化研究所） ； UCAS（中国科学技术大学） ； Peking University（北京大学） ； Tsinghua University（清华大学）
AI总结 本文提出EntCollabBench，用于评估企业多代理协作，模拟权限隔离组织，包含工作流和审批两个子集，通过执行轨迹、数据库验证和确定性政策裁决评估代理系统，实验表明当前模型在企业协作中仍存在缺陷。
Comments 45 pages
打破僵局：用于社交语言代理的双尺度进化策略训练
机构 * MAIS, Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所MAIS部） ； School of Artificial Intelligence, University of Chinese Academy of Sciences（中国科学院大学人工智能学院） ； National University of Singapore（新加坡国立大学） ； Ritzz-AI
AI总结 本文提出双尺度进化策略训练方法，解决社交语言游戏中因策略空间庞大导致的进化停滞问题，通过动态优化景观干预，恢复梯度信号并促进持续战略探索。
Comments Accepted to the ACL 2026 Main Conference
ATAAT: 面向视觉-语言-动作模型后门攻击的自适应威胁感知对抗调制框架
机构 * Chongqing Institute of Green and Intelligent Technology, Chinese Academy of Sciences（重庆绿色智能技术研究院，中国科学院） ； Chongqing School, University of Chinese Academy of Sciences（重庆学校，中国科学院大学） ； Faculty of Information Technology and Electrical Engineering, University of Oulu, Finland（奥卢大学信息科技与电气工程学院，芬兰）
AI总结 本文提出ATAAT框架，解决视觉-语言-动作模型中后门攻击的梯度干扰问题，通过威胁-方法自适应映射机制实现高效攻击并保持隐蔽性，实验表明其在高成功率和低污染率下表现优异。
Comments Accepted to Findings of ACL 2026
ITBoost: 信息论信任用于鲁棒提升
机构 * Shenzhen Institutes of Advanced Technology, Chinese Academy of Sciences（深圳先进技术研究院，中国科学院） ； University of Chinese Academy of Sciences（中国科学院大学） ； Department of Software Engineering, Andalusian Research Institute in Data Science and Computational Intelligence (DaSCI), University of Granada（软件工程系，安达卢西亚数据科学与计算智能研究所（DaSCI），格拉纳达大学） ； College of Information Science and Technology, Beijing University of Chemical Technology（信息科学与技术学院，北京化工大学）
AI总结 ITBoost通过信息论方法评估样本可靠性，提升模型在噪声环境下的鲁棒性，同时保持清洁数据上的性能。
基于注意力的视觉文档检索增强
机构 * Alibaba Group（阿里巴巴集团） ； University of Chinese Academy of Sciences（中国科学院大学）
AI总结 本文提出AGREE框架，通过多模态大语言模型的注意力机制引导检索器识别相关文档区域，提升细粒度相关性建模，实验表明在ViDoRe V2基准上显著优于传统方法。
Comments Published as a conference paper at SIGIR 2026
HY-Himmel技术报告：分层交错多流运动编码用于长视频理解
机构 * Tencent（腾讯） ； University of Chinese Academy of Sciences（中国科学院大学） ； Beijing Forestry University（北京林业大学）
AI总结 HY-Himmel通过分层视频语言框架解决长视频理解中多模态语言模型的三个瓶颈问题，采用轻量级压缩域三流适配器编码密集帧，提升运动感知能力，实验证明其在Video-MME上性能优于32帧基准。
Comments 59 pages, 42 figures. Technical report
DataArc-SynData-Toolkit：多路径、多模态和多语言数据合成的统一闭环框架
机构 * DataArc Tech Ltd.（DataArc科技有限公司） ； IDEA Research（IDEA研究院） ； International Digital Economy Academy（国际数字经济学院） ； School of Advanced Interdisciplinary Sciences, UCAS（北京大学交叉学科研究院） ； Institute of Computing Technology, CAS（中国科学院计算技术研究所） ； The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州））
AI总结 本文提出DataArc-SynData-Toolkit，通过统一的合成范式和模块化架构，解决现有合成数据工具在流程复杂、标准碎片化和多模态扩展性方面的不足，提升数据生成效率和质量。
Comments 6 pages
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