高校专区
耦合变分强化学习用于语言模型通用推理
机构 * Chinese Information Processing Laboratory, Institute of Software, Chinese Academy of Sciences（中国科学院软件研究所信息处理实验室） ； University of Chinese Academy of Sciences（中国科学院大学）
AI总结 提出CoVRL方法，通过混合采样策略耦合先验和后验分布，将变分推理与强化学习结合，以解决无验证器强化学习中探索效率低和推理轨迹与答案不一致的问题，在数学和通用推理基准上提升性能。
Comments Accepted to ICML 2026
Uni-DPO：大语言模型动态偏好优化的统一范式
机构 * Harbin Institute of Technology, Shenzhen（哈尔滨工业大学（深圳）） ； Xi’an Jiaotong University（西安交通大学） ； The Chinese University of Hong Kong（香港中文大学） ； University of Chinese Academy of Sciences（中国科学院大学） ； Tsinghua University（清华大学） ； Huazhong University of Science and Technology（华中科技大学）
AI总结 针对现有DPO方法忽略数据质量和学习难度差异的问题，提出Uni-DPO统一框架，通过自适应重加权偏好对实现更有效的数据利用和更优性能。
Comments Accepted by ICLR 2026. Code & models: https://github.com/pspdada/Uni-DPO
MuellerPT: 穆勒偏振测量中密集学习的分解驱动预训练
机构 * Department of Computing, Imperial College London（帝国理工学院计算机系） ； Hamlyn Centre for Robotic Surgery, Imperial College London（帝国理工学院机器人外科中心） ； Department of Surgery and Cancer, Imperial College London（帝国理工学院外科与癌症系） ； Xi’an Institute of Optics and Precision Mechanics, Chinese Academy of Sciences（中国科学院西安光学精密机械研究所） ； University of Chinese Academy of Sciences（中国科学院大学）
AI总结 提出MuellerPT，一种通过预测Lu-Chipman分解图进行物理引导预训练的方法，在少样本分割和分类任务中显著提升标签效率和跨样本泛化能力。
Comments Accepted to 29th International Conference on Medical Image Computing and Computer Assisted Intervention (MICCAI 2026)
MemAudit：通过因果归因和结构异常检测对中毒代理记忆进行事后审计
机构 * Institute of Information Engineering, Chinese Academy of Sciences（中国科学院信息工程研究所） ； Qiyuan Tech（齐元科技） ； Laboratory of Multimedia Information Processing, School of Computer Science, Peking University（北京大学计算机科学学院多媒体信息处理实验室） ； 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 提出MemAudit框架，结合反事实记忆影响评分和记忆一致性图，对记忆增强型LLM代理中的恶意注入记忆进行事后因果审计，显著降低攻击成功率。
USIM 和 U0：面向通用水下机器人的视觉-语言-动作数据集与模型
机构 * The Key Laboratory of Cognition and Decision Intelligence for Complex Systems, Institute of Automation, Chinese Academy of Sciences（认知与决策智能复杂系统重点实验室，自动化研究所，中国科学院） ； Baidu Inc.（百度公司） ； The School of Artificial Intelligence, University of Chinese Academy of Sciences（中国科学院大学人工智能学院）
AI总结 提出一个统一框架，通过数据合成管道构建模拟数据集 USIM 和视觉-语言-动作模型 U0，实现水下机器人从避障导航到三维移动操作的多任务执行，在离线动作预测误差和在线成功率上达到最优。
Comments Project Page: https://vincentgu2000.github.io/u0project/
并非所有任务量化平等：面向视觉几何Transformer的Fisher引导量化
机构 * Department of Electronic and Computer Engineering, HKUST（香港科技大学电子与计算机工程系） ； State Key Laboratory of AI Safety, Institute of Computing Technology, Chinese Academy of Sciences（中国科学院人工智能安全国家重点实验室） ； University of Chinese Academy of Sciences（中国科学院大学） ； School of Data Science and Engineering, South China Normal University（华南师范大学数据科学与工程学院）
AI总结 提出Fisher引导量化方法，利用Fisher信息矩阵量化不同任务、块和通道的敏感性，在量化校准中保护关键通道和块，以解决前馈3D重建模型量化时任务间敏感性差异导致的精度损失问题。
PixelPonder: 动态补丁自适应增强多条件文本到图像生成
机构 * Fudan University（复旦大学） ； Tencent Youtu Lab（腾讯优图实验室） ； Western University（西澳大学） ； University of Chinese Academy of Sciences（中国科学院大学）
AI总结 提出PixelPonder统一控制框架，通过补丁级自适应条件选择和时间感知控制注入机制，解决多条件文本到图像生成中结构失真和伪影问题，在保持文本语义一致性的同时提升空间对齐精度。
在两个流形交集上的优化
机构 * State Key Laboratory of Mathematical Sciences, Academy of Mathematics and Systems Science, Chinese Academy of Sciences, and University of Chinese Academy of Sciences, China（数学科学国家重点实验室，数学与系统科学研究院，中国科学院，以及中国科学院大学，中国）
AI总结 本文提出了一种几何方法，通过在单个流形上进行重新参数化，并在两个正交方向上更新迭代点，以解决两个流形交集上的优化问题，证明了清洁交集和内在横贯性是等价的，并展示了该方法在稀疏和低秩优化问题中的有效性。
Comments 26 pages, 5 figures, 3 tables
SegCompass: 探索通过稀疏自编码器实现可解释对齐以增强推理分割
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） ； Peng Cheng Laboratory（鹏城实验室） ； Harbin Institute of Technology, Shenzhen（哈尔滨工业大学（深圳）） ； Meituan, Beijing（美团，北京） ； University of Chinese Academy of Sciences（中国科学院大学） ； College of Computer Science and Technology, Jilin University（吉林大学计算机科学与技术学院）
AI总结 本文提出SegCompass，一种通过稀疏自编码器实现可解释对齐的端到端模型，以提升推理分割的性能和可解释性。
Comments Accepted by CVPR 2026. 15 pages, 9 figures, 6 tables
4D-GSW: 4D高斯点散布的运动感知空间-时间一致水印技术
机构 * Southeast University（东南大学） ； Guangdong Laboratory of Artificial Intelligence and Digital Economy（广东人工智能与数字经济实验室） ； University of Chinese Academy of Sciences（中国科学院大学）
AI总结 本文提出4D-GSW，一种运动感知的空间-时间一致水印技术，用于在4D高斯点散布中嵌入鲁棒的版权信息，同时保持高空间-时间一致性。
Comments 9 pages main paper, 7 figures, 18 pages in total
学习预见：揭示在线蒸馏的解锁效率
机构 * USTC（中国科学技术大学） ； Tencent（腾讯） ； NUS（新加坡国立大学） ； HKUST(GZ)（香港科技大学（广州）） ； UCAS-IIE（中国科学技术大学国际交流学院） ； SHU（上海大学）
AI总结 本文研究了在线蒸馏（OPD）的效率来源，提出EffOPD方法通过适应性选择 extrapolation 步长和沿当前更新方向移动来加速OPD，实现了3倍的训练加速同时保持最终性能。
迈向真实世界的人类行为模拟：在长时间跨度、跨场景、异质行为轨迹上对大语言模型进行基准测试
机构 * Chinese Information Processing Laboratory, Institute of Software, Chinese Academy of Sciences（中国科学院软件研究所信息处理实验室） ； University of Chinese Academy of Sciences（中国科学院大学） ； Kuaishou Technology（快手科技）
AI总结 本文提出OmniBehavior基准测试，通过真实世界数据整合长周期、跨场景和异质行为模式，揭示现有模型在模拟复杂人类行为时的局限性，包括对正向平均人的趋同、人格同质化和乌托邦偏见，为未来高保真模拟研究指明方向。
Comments Project page: https://OmniBehavior.github.io
Faithful-MR1: 通过锚定和强化视觉注意力实现忠实的多模态推理
机构 * AMAP, Alibaba Group（阿里云实验室，阿里巴巴集团） ； University of Chinese Academy of Sciences（中国科学院大学） ； Tsinghua University（清华大学） ； Nanyang Technological University（南洋理工大学）
AI总结 本文提出Faithful-MR1框架，通过锚定和强化视觉注意力解决多模态推理中的忠实性问题，提升模型在多模态基准上的表现。
Comments 20 pages, 7 figures, 3 tables. Preprint
GA-VLN: 用于高效视觉-语言导航的几何感知鸟瞰图表示
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） ； Robbyant ； School of Computing, National University of Singapore（新加坡国立大学计算机学院） ； The Hong Kong University of Science and Technology（香港科技大学）
AI总结 本文提出GA-VLN框架，通过引入几何感知的鸟瞰图表示（GA-BEV），整合显式和隐式几何信息，提升视觉-语言导航的效率和性能，实验表明其在仅使用导航数据的情况下取得了最先进的结果。
ECPO：基于证据的策略优化用于证据认证的候选者排序
机构 * Institute of Information Engineering, Chinese Academy of Sciences（信息工程研究所，中国科学院） ； School of Cyber Security, University of Chinese Academy of Sciences（中国科学院大学网络安全学院） ； School of Artificial Intelligence, University of Chinese Academy of Sciences（中国科学院大学人工智能学院）
AI总结 本文研究了证据认证候选者排序问题，提出了一种名为ECPO的策略优化方法，通过结合排序和证据证书来提升排序效果和证据可靠性。
基于视觉优势的在线策略蒸馏用于视觉-语言模型
机构 * Institute of Automation, CAS（中国科学院自动化研究所） ； School of Advanced Interdisciplinary Sciences, UCAS（中国科学院大学(UCAS)先进交叉学科学院） ； Hello Group Inc.（Hello集团有限公司） ； Sun Yat-sen University（中山大学）
AI总结 本文提出了一种基于视觉优势的在线策略蒸馏方法，用于提升视觉-语言模型对视觉输入的依赖性，通过引入视觉优势指标来区分关键视觉token与语言token，从而提高蒸馏效果。
基于多阶段注意力网络的调制特征增强用于水下声学目标识别
机构 * Institute of Acoustics, Chinese Academy of Sciences（中国科学院声学研究所） ； University of Chinese Academy of Sciences（中国科学院大学） ； School of Computer Science and Electronics Engineering, University of Essex（埃塞克斯大学计算机科学与电子工程学院）
AI总结 本文提出了一种基于变分模态分解和3/2-D频谱的特征提取与融合方法，结合多阶段多类型注意力机制和可调类平衡焦点损失，提升水下声学目标识别性能。
Comments 31 pages, 14 figures, Accepted by Signal Processing
揭示大型语言模型的推理过程
机构 * Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所） ； School of Artificial Intelligence, University of Chinese Academy of Sciences（中国科学院大学人工智能学院）
AI总结 本文通过分析Transformer层中注意力头和层的信息转换，揭示了大型语言模型在数学和符号推理任务中，中间层将token级信息转化为可重用的关联结构的核心机制。
DeFacto: 通过图像进行反事实推理以强制证据支持和忠实推理
机构 * Department of Automation, Tsinghua University, Beijing, China（清华大学自动化系） ； Zhongguancun Academy, Beijing, China（中关村学院） ； School of Software, Xinjiang University, Urumqi, China（新疆大学软件学院） ； College of Materials Science and Engineering, Fuzhou University, Fuzhou, China（福州大学材料科学与工程学院） ； Institute of Automation, Chinese Academy of Sciences, Beijing, China（中国科学院自动化研究所） ； School of Artificial Intelligence, University of Chinese Academy of Sciences, Beijing, China（中国科学院大学人工智能学院） ； Beijing Qianjue Technology Co., Ltd., Beijing, China（北京千 jue 技术有限公司）
AI总结 本文提出DeFacto框架，通过整合正例、反事实和随机遮蔽三种训练范式，提升多模态语言模型在证据一致性方面的表现，并引入DeFacto-1.5K基准进行系统评估。
SENIOR: 在基于偏好的强化学习中高效查询选择与偏好引导探索
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） ； School of Artificial Intelligence, University of Chinese Academy of Sciences（中国科学院大学人工智能学院）
AI总结 本文提出SENIOR方法，通过高效查询选择和偏好引导探索提升人类反馈效率和策略学习速度，解决基于偏好的强化学习在反馈和样本效率方面的不足。
Comments 8 pages, 8 figures, IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS 2025)
因果路径对齐：为可控的参数知识编辑锚定优化轨迹
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Causal Path Alignment框架，通过锚定优化轨迹来解决参数知识编辑中的主体主导记忆干扰问题，提升关系特异性并减少副作用。
Comments Accepted by IJCAI 2026
AGPO: 基于双统计反馈的自适应群体策略优化
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） ； School of Artificial Intelligence, University of Chinese Academy of Sciences（中国科学院大学人工智能学院）
AI总结 本文提出AGPO，一种无 critic 的 GRPO 改进方法，通过群体层面的统计信息控制更新幅度和探索。在九个英语和中文数学/STEM 基准上，Qwen2.5-14B 在相同生成 token 预算下优于 PPO/GRPO，达到 GSM8K 67.3% 和 MATH 40.5%。
SAVER：选择性所需视觉证据用于多模态信息提取
机构 * Institute of Information Engineering, Chinese Academy of Sciences（中国科学院信息工程研究所） ； University of Chinese Academy of Sciences（中国科学院大学） ； School of Cyber Security, University of Chinese Academy of Sciences（中国科学院大学网络安全学院） ； School of Artificial Intelligence, University of Chinese Academy of Sciences（中国科学院大学人工智能学院）
AI总结 该研究提出SAVER框架，通过选择性视觉证据提升多模态命名实体识别和关系抽取的性能，减少计算开销并提高准确性。
IndusAgent: 通过智能工具增强开放词汇工业异常检测
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） ； Santa Clara University（圣克拉拉大学） ； LongCat Team（LongCat团队） ； Independent Researcher（独立研究者） ； New York University（纽约大学） ； Sun Yat-sen University（孙中山大学） ； Nanyang Technological University（南洋理工大学） ； Stanford University（斯坦福大学） ； 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IndusAgent框架，通过整合视觉观测、高分辨率局部片段和专家正常性先验，提升开放词汇工业异常检测的零样本性能，验证了方法的鲁棒性和泛化能力。
PULSE: 非平稳时间序列预测的生成性相演变
机构 * College of Computer Science, Sichuan University, Chengdu, China（四川大学计算机学院） ； University of Chinese Academy of Sciences, Beijing, China（中国科学院大学） ； Institute of Computing Technology, Chinese Academy of Sciences, Beijing, China（中国科学院计算技术研究所） ； Institute of Artificial Intelligence, University of Central Florida, Orlando, USA（佛罗里达大学人工智能研究所）
AI总结 针对非平稳时间序列预测中稳定表示与分布偏移之间的矛盾，本文提出PULSE框架，通过物理假设引导相演变，采用解耦-演化-模拟设计哲学，通过相锚解耦、相路由器和统计感知混合等方法提升模型鲁棒性，实验证明物理引导的归纳偏置比原始架构复杂度更重要。
具有鲁棒不确定性和准确性相关性的分割任何东西
机构 * Technical University of Berlin（柏林技术大学） ； University of Chinese Academy of Sciences（中国科学院大学）
AI总结 本文提出了一种名为RUAC的分割方法，通过引入轻量级不确定性头和对抗性训练，提高在外观和形变转移下的像素级不确定性估计，从而提升分割质量和不确定性准确性相关性。
Comments ICML 2026
VeraRetouch: 一个轻量级的全微分框架用于多任务推理照片修复
机构 * Zhejiang University（浙江大学） ； vivo BlueImage Lab（vivo BlueImage实验室） ； University of Chinese Academy of Sciences（中国科学院大学） ； Zhejiang Lab（浙江实验室）
AI总结 本文提出VeraRetouch，一个轻量级且全微分的多任务照片修复框架，通过使用0.5B视觉-语言模型和全微分的修复渲染器，实现了端到端的像素级训练，并引入了AetherRetouch-1M+数据集和DAPO-AE强化学习策略，以提升修复性能和泛化能力。
为代理调优辩护：从文档到PostgreSQL中的行动
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） ； Key Laboratory of System Software (Chinese Academy of Sciences)（中国科学院系统软件重点实验室） ； Beihang University（北航） ； Peking University（北京大学） ； Shanghai Jiao Tong University（上海交通大学）
AI总结 本文提出通过动态行动替代静态文档进行系统调优，引入PerfEvolve工具，利用LLM代理实现版本一致性验证、工作负载特定分析和多参数联合优化，实验表明其在PostgreSQL上比现有文档驱动调优方法提升35.2%。
为混合具身体验中的长时域演化构建世界-自我模型
机构 * Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所） ； University of Chinese Academy of Sciences（中国科学院大学） ； Peking University（北京大学）
AI总结 本文提出了一种新的世界-自我建模范式，通过分解未来演化为世界和自我组件，解决混合任务中长时域具身体验中的退化问题，并通过HTEWorld基准测试验证了其有效性。
OScaR：LLMs及更广泛场景中的极压缩KV缓存量化之奥卡姆之刀
机构 * Tsinghua University（清华大学） ； Meituan LongCat Team（美团LongCat团队） ； The University of Hong Kong（香港大学） ； The University of Edinburgh（爱丁堡大学） ； UCAS（中国科学技术大学） ； The Hong Kong Polytechnic University（香港理工大学）
AI总结 本文针对LLMs中KV缓存极压缩时的量化保真问题，提出OScaR框架，通过Canalized Rotation和Omni-Token Scaling有效缓解Token Norm Imbalance，实现近无损的INT2量化性能，同时提升解码速度和吞吐量。
Comments Under review
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