高校专区
面向标签噪声下可信赖的超图神经网络
机构 * Academy of Mathematics and Systems Science, Chinese Academy of Sciences（中国科学院数学与系统科学研究院） ； University of Chinese Academy of Sciences（中国科学院大学） ； School of Mathematics and Statistics, Shandong University（山东大学数学与统计学院） ； School of Artificial Intelligence, Beihang University（北京航空航天大学人工智能学院）
AI总结 本文针对标签噪声下超图节点分类问题，提出超图鲁棒框架HyperTrust，通过估计超边可信赖性及两个协同模块优化超图结构，在多数据集多噪声设置下验证了其有效性。
Comments 20 pages, 7 figures
CAPEval：跨理解与生成的解耦式标题评估
机构 * University of Chinese Academy of Sciences（中国科学院大学） ； Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所）
AI总结 本研究提出解耦式标题评估基准CAPEval，将标题质量分为覆盖度与精确度，发现二者分别对应理解与生成任务性能，为标题生成器的选择优化提供指导。
Comments 21 pages, 8 figures. Code and dataset will be available at https://liuzhipenggg.github.io/CAPEval/
UEmbed：统一稀疏与稠密多模态嵌入
机构 * CASIA（中国科学院自动化研究所） ； Alibaba Group（阿里巴巴集团） ； University of Chinese Academy of Sciences（中国科学院大学） ； Yale University（耶鲁大学）
AI总结 UEmbed是一种仅解码器的多模态嵌入模型，可单次前向传播生成稀疏与稠密表示，在MMEB-v2和BEIR上表现优异，统一了两类嵌入并支持多模态智能体应用。
学习镶嵌：通过递归谱划分生成点云
机构 * South China University of Technology（华南理工大学） ； University of Chinese Academy of Sciences（中国科学院大学） ； City University of Hong Kong（香港城市大学） ； Singapore Management University（新加坡管理大学）
AI总结 该研究提出自回归框架PointRSP，通过拓扑保留的递归谱划分实现点云生成，引入拓扑感知划分自编码器与双流级联生成器，在生成质量、多样性及复杂3D拓扑泛化上达最优性能。
Comments Accepted by ECCV2026, project page: https://huggingface.co/Mo-nan/PointRSP
Gecko：通过安全的公共编码器卸载实现快速私有推理
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空间安全学院）
AI总结 Gecko通过安全卸载公共编码器实现快速私有推理，在图像和音频任务中推理耗时0.4-2.2秒、通信量≤10.8 MB，准确率与迁移学习基线相当，且能抵御模型提取攻击。
Comments 12 pages, 10 figures, and 5 tables
参数马尔可夫模型的PAC近似与DIRECT优化
机构 * Key Laboratory of System Software (Chinese Academy of Sciences)（中国科学院系统软件重点实验室） ； 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） ； Institute of Optics and Electronics, Chinese Academy of Sciences（中国科学院光电技术研究所） ； Institute of Intelligent Software Guangzhou（广州智能软件研究所）
AI总结 本文针对参数马尔可夫决策过程，采用场景方法合成PAC近似，结合统计模型检查分析黑盒参数模型，集成DIRECT算法实现无导数全局优化，在2997个基准上验证了DIRECT优化组件的性能。
消息而非令牌：用于忠实VLM压缩的基础核心集
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） ； Wuhan AI Research（武汉人工智能研究院） ； Cardiff University（卡迪夫大学）
AI总结 该研究针对VLM视觉令牌压缩的现有缺陷，提出无需训练的GMC方法，通过联合分配多维度证据支持并传输被丢弃状态，在大幅减少视觉令牌的同时保持VLM性能，经多基准实验验证有效。
Comments 32 pages, 6 figures, 18 tables, including appendix
RING：用于持续大规模知识注入的检索内化生成
机构 * State Key Laboratory of AI Safety, Institute of Computing Technology, CAS（中国科学院计算技术研究所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） ； Xiaohongshu Inc.（小红书科技有限公司）
AI总结 RING是一种将检索内化的范式，通过三阶段训练学习参数化记忆的检索策略，在自主构建的News-2025基准上，其知识注入的准确性与效率优于或匹配现有方法。
Comments 16 pages
迈向紧凑的统一多模态目标跟踪：知识蒸馏与结构剪枝的协同
机构 * The City College of New York（纽约城市学院） ； INSAIT ； Sofia University “St. Kliment Ohridski”（圣克莱门特奥赫里德斯基索非亚大学） ； Julius-Maximilians-Universität Würzburg（维尔茨堡大学） ； State Key Laboratory of AI Safety, Institute of Computing Technology, Chinese Academy of Sciences（中国科学院计算技术研究所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） ； Shenzhen University of Advanced Technology（深圳先进技术研究院）
AI总结 针对统一多模态跟踪模型计算负担大的问题，提出双对齐蒸馏框架，结合知识蒸馏与结构剪枝，在五组基准上实现了高准确率与5倍速度提升的紧凑模型。
通过诱饵捷径与知识解耦缓解后门攻击
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空间安全学院）
AI总结 本研究提出TR防御方法，通过蜜罐捷径捕获后门知识，结合知识解耦策略与自动捷径生成，在四个基准数据集和五个模型架构上有效缓解多种后门攻击，同时保留良性性能。
Comments 19 pages; 11 figures; 14Tables; Accept by IJCAI 2026
动态环境下基于学习的运动规划：从基础算法到新兴范式
机构 * College of Information Science and Technology, Jinan University（暨南大学信息科学技术学院） ； University of Connecticut（康涅狄格大学） ； Guangzhou Maritime University（广州海事大学） ； University of Chinese Academy of Sciences（中国科学院大学） ； Global College, Shanghai Jiao Tong University（上海交通大学全球学院） ； Wuyi University（五邑大学） ； South China University of Technology（华南理工大学）
AI总结 本综述回顾2015至2025年动态环境下基于学习的运动规划代表性研究，提出学习作用分类法，分析相关影响因素，探讨安全可验证规划等开放挑战与未来方向。
从失败到监督：用于鲁棒长视距具身规划的DynamicEnvPlan
机构 * University of Chinese Academy of Sciences（中国科学院大学） ； Beijing Academy of Artificial Intelligence (BAAI)（北京人工智能研究院）
AI总结 该研究提出DynamicEnvPlan闭环框架，通过规划、扰动与防护校正模块生成恢复轨迹并分阶段微调，在104个任务-场景组合上使具身规划成功率从33.3%升至76.2%，提升了物理世界交互的鲁棒性。
不要混合奖励，要混合策略：多奖励强化学习的策略分解与优化
机构 * Fundation Model Research Center, CASIA（中国科学院自动化研究所基础模型研究中心） ； School of Artificial Intelligence, UCAS（中国科学院大学人工智能学院） ； Institute for AI Industry Research (AIR), Tsinghua University（清华大学人工智能产业研究院） ； College of Automotive and Energy Engineering (CAEE), Tongji University（同济大学汽车与能源工程学院）
AI总结 本研究针对多奖励RL的对齐税问题，提出PRISM框架，通过策略分解优化正、负策略，在三类任务上优于基线并具备推理可控性。
何时该放弃：诊断与训练大语言模型以中止无效推理
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） ； Weixin AI, Tencent Inc（腾讯微信人工智能）
AI总结 该研究针对大语言模型在超能力任务上产生无效推理的问题，提出CaRL方法对齐模型行为与能力边界，实验验证其可减少无效推理且不牺牲任务性能。
DART：用于越野车辆跳跃的双轴机载可达性门控扭矩反应
机构 * Research Center for Intelligent Computing Systems, Institute of Computing Technology, CAS（中国科学院计算技术研究所智能计算系统研究中心） ； School of Computer Science and Technology, University of Chinese Academy of Sciences（中国科学院大学计算机科学与技术学院） ； Dong Feng Off-Road Vehicle Co., Ltd（东风越野车有限公司）
AI总结 该研究针对越野车辆腾空着陆的碰撞风险，提出DART双轴机载控制方法，通过起飞前速度整形和飞行中扭矩调节提升着陆成功率，仿真中其性能优于RW-PD和TOBB方法。
Comments 20 pages, 9 figures
PerturbMap：单细胞扰动响应的跨上下文迁移
机构 * School of Advanced Interdisciplinary Sciences, University of Chinese Academy of Sciences（中国科学院大学先进交叉科学学院） ； Institute of Computing Technology, CAS（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） ； Hong Kong University of Science and Technology（香港科技大学）
AI总结 PerturbMap 结合受体局部低秩基与源到受体岭专家提案，实现单细胞扰动响应跨上下文迁移，在 Perturb-CITE-seq 黑色素瘤队列上优于多种对照方法，提升了扰动效应预测精度。
Comments 14 pages, 5 figs
大型视觉语言模型（LVLMs）能否揭示视觉错觉背后的真相？感知与推理能力分析
机构 * Adelaide University（阿德莱德大学） ； 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） ； Tsinghua University（清华大学） ； Amap, Alibaba Group（阿里巴巴集团高德地图） ； Beihang University（北京航空航天大学）
AI总结 本文利用IllusionReasoning基准，以视觉错觉为诊断工具评估LVLMs，发现多款LVLMs的推理能力不及宣称水平，为其优化提供了新方向。
Veritas++：面向感知增强的AIGI检测的值感知在线策略蒸馏
机构 * School of Advanced Interdisciplinary Sciences, University of Chinese Academy of Sciences (UCAS)（中国科学院大学先进交叉科学学院） ； Institute of Automation, Chinese Academy of Sciences (CASIA)（中国科学院自动化研究所） ； School of Artificial Intelligence, University of Chinese Academy of Sciences (UCAS)（中国科学院大学人工智能学院） ； Ant Group（蚂蚁集团） ； Sangfor Technologies Inc.（深信服科技股份有限公司）
AI总结 该研究针对现有AIGI检测模型的感知瓶颈，提出Veritas++框架，通过PoRL与VaOPD机制增强感知能力，提升了检测泛化性与效率。
EvoPINN：面向物理信息神经网络可执行算法的智能体式发现框架
机构 * School of Advanced Interdisciplinary Sciences, University of Chinese Academy of Sciences（中国科学院大学先进交叉科学学院） ； Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所）
AI总结 EvoPINN是智能体式框架，将PINN开发转化为基于执行的算法发现，通过LLM智能体迭代优化，自主发明SLRC-PINN，可显著降低PDE求解的相对L₂误差，为科学计算提供新机制。
UniMem：用于无边界任务流的互补情景到参数记忆
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） ； State Key Lab of General Artificial Intelligence, School of Intelligence Science and Technology, Peking University（北京大学智能科学与技术学院通用人工智能国家重点实验室） ； Institute for Artificial Intelligence, Peking University（北京大学人工智能研究院） ； Meituan（美团） ； AI Centre, Department of Computer Science, University College London（伦敦大学学院计算机科学系人工智能中心）
AI总结 研究针对大语言模型在无边界任务流部署的稳定性 - 可塑性困境，提出UniMem自路由框架，用可学习路由令牌协调互补记忆路径，能按需扩展记忆，实验证明其在长周期流任务序列中优于基线并保持执行保真度。
WorkSurface-Bench：在多表面知识路由上对企业代理进行基准测试
机构 * Peking University（北京大学） ； Zhongguancun Academy（中关村科学城） ； University of Chinese Academy of Sciences（中国科学院大学）
AI总结 针对企业代理整合异构知识源时表面路由能力评估不足的问题，提出WorkSurface-Bench基准测试，含多种任务且答案可审计，评估多个模型主干，揭示表面选择与任务完成关系及干预效果，并发布相关资源。
DecoEvo：文本空间中求解器与评分标准生成器技能的分数解耦协同进化
机构 * Tsinghua University（清华大学） ； Qwen Business Unit of Alibaba（阿里巴巴的通义业务部） ； University of Chinese Academy of Sciences（中国科学院大学） ； Peking University（北京大学）
AI总结 研究文本空间优化中现有方法瓶颈，提出DecoEvo方法，通过解耦目标协同进化求解器与评分标准生成器技能，不依赖黄金评分标准，在多基准和大语言模型主干上表现优异，有显著相对增益。
OmniDelta：用于OmniLLMs中令牌压缩的技能驱动预算分配
机构 * Zhejiang University（浙江大学） ； Carnegie Mellon University（卡内基梅隆大学） ； University of Chinese Academy of Sciences（中国科学院大学） ； University of Science and Technology of China（中国科学技术大学） ； Alibaba（阿里巴巴）
AI总结 研究针对OmniLLMs长音频-视频令牌序列成本高的问题，提出技能驱动的OmniDelta框架，通过构建技能池、结合意图与内容感知分配预算，能与现有策略结合，实验证明其在多个基准上建立新的准确性-效率前沿，减少内存并加速推理。
Comments 24 pages, 8 figures
ObliCity：屋顶到地面投影位移校正的基准和基线
机构 * School of Electronic, Electrical and Communication Engineering, University of Chinese Academy of Sciences（中国科学院大学电子电气与通信工程学院） ； College of Computing, Department of Data Science, City University of Hong Kong（香港城市大学计算学院数据科学系） ； Aerospace Information Research Institute, Chinese Academy of Sciences（中国科学院空天信息创新研究院） ； Department of Electrical and Computer Engineering, The University of Hong Kong（香港大学电气与计算机工程系）
AI总结 研究斜视图城市遥感影像中屋顶到地面投影位移校正问题，提出将RFOV提取设为独立任务，引入数据集ObliCity，改进DragOSM为DragRoof，实验证明DragRoof性能最优，为投影位移校正奠定基础。
Comments 12 pages
多轮长期规划的物理学：通过单教师和多教师策略蒸馏从预训练到训练后
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）
AI总结 研究多轮长期规划问题，通过引入统一可控环境，利用预训练、GRPO、OPD及MOPD等方法，研究规划能力在不同阶段的获取、塑造与整合，展示了多教师策略蒸馏对跨环境能力整合的作用。
从专有模型到开源模型：通过智能体搜索中的多智能体协议蒸馏弥合分布差距
机构 * Beijing Institute of Technology（北京理工大学） ； East China Normal University（华东师范大学） ； University of Science and Technology of China（中国科学技术大学） ； Tsinghua University（清华大学） ； University of Chinese Academy of Sciences（中国科学院大学）
AI总结 研究旨在弥合专有与开源模型分布差距，提出多智能体协议蒸馏（MAPD）框架，利用结构化协议作中间表示，结合蒸馏与强化学习，在问答基准测试中表现出色，有效减轻学生策略问题，优于其他竞争方法。
MemChain：为内存增强型大语言模型智能体学习可解释的内存痕迹
机构 * Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所） ； School of Advanced Interdisciplinary Sciences, University of Chinese Academy of Sciences（中国科学院大学交叉科学学院） ； Memorax AI（Memorax人工智能公司） ； 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 研究针对内存增强型大语言模型智能体检索内存回答查询存在的问题，提出MemChain可训练检索后内存策略，经两阶段学习框架训练，能生成有效证据上下文，实验证明其在多种模型上性能领先且减少内存上下文。
一致证据，稳健识别：几何变换下的忠实归因正则化
机构 * School of Cyber Science and Technology, Shenzhen Campus of Sun Yat-sen University（中山大学深圳校区网络科学与技术学院） ； University of Chinese Academy of Sciences（中国科学院大学） ； School of Automation, Nanjing University of Information Science and Technology（南京信息工程大学自动化学院） ； Department of Mechanical Engineering, Imperial College London（伦敦帝国理工学院机械工程系） ； College of Computing and Data Science, Nanyang Technological University（南洋理工大学计算与数据科学学院）
AI总结 研究针对归因方法在几何变换下的不足，提出基于图像区域子模搜索的无注释归因正则化框架，通过子模排序损失正则化归因及证据选择过程，实验表明该方法能提升归因稳定性且性能损失小。
深度搜索中的委托智能：一种用于解缠能力诊断的可控框架
机构 * UCAS（中国科学院大学） ； Renmin University of China（中国人民大学）
AI总结 研究深度搜索中委托智能，将其分解为搜索决策和信息合成与验证维度。通过开发可控合成管道构建DelegSearchBench及评估协议，实验证明仅用最终答案准确性不能充分表征深度搜索能力。
Comments Work in Progress
一种基于重构的、超越参考字幕的字幕评估框架
机构 * Computer Network Information Center, Chinese Academy of Sciences（中国科学院计算机网络信息中心） ； 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） ； Tongji University（同济大学）
AI总结 研究不依赖参考字幕评估图像字幕对语义的忠实度问题，提出基于重构的评估原则，通过测试重构在下游视觉-语言任务中与原图匹配度得无参考字幕分数，还刻画局限性并引入CTTD替代方案。
Comments 22 pages. Code: https://github.com/ZhijiangTang/Caption-Turing-Test
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