高校专区
Embody4D: 面向具身4D世界建模的通用数据引擎
机构 * Zhejiang University（浙江大学） ； Beijing Zhongguancun Academy（北京中关村学院） ； University of Science and Technology of China（中国科学技术大学） ； Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所） ； Shanghai Jiao Tong University（上海交通大学） ； Beihang University（北京航空航天大学）
AI总结 提出Embody4D视频到视频世界模型，通过3D感知合成管道、潜在置信度专家调制和交互注意力机制，将单目机器人视频转换为多视角视频，解决具身智能中视角稀疏问题，提升下游规划与学习性能。
放射学中比较推理的视觉语言框架
机构 * University of Science and Technology of China（中国科学技术大学） ； Shanghai Artificial Intelligence Laboratory（上海人工智能实验室） ； School of Artificial Intelligence, Shanghai Jiao Tong University（上海交通大学人工智能学院） ； Department of Biomedical Informatics, Harvard Medical School（哈佛医学院生物医学信息学系） ； Department of Radiology, Renmin Hospital of Wuhan University（武汉大学仁民医院放射科） ； Shanghai Sixth People’s Hospital Affiliated to Shanghai Jiao Tong University（上海交通大学附属第六人民医院）
AI总结 提出一个实体感知的跨图像推理框架，通过构建大规模比较影像数据集MedReCo-DB和开发MedReCo及MedReCo-VLM模型，实现了参考病例检索和时间比较解读，显著提升了放射学比较推理性能。
推理的影子价格：LLM最优预算分配的经济学视角
机构 * University of Science and Technology of China（中国科学技术大学）
AI总结 本文从经济学视角将推理预算分配建模为全局约束优化问题，提出基于影子价格的CLEAR方法，通过理性放弃和资源再分配，在资源稀缺下显著提升总token成本与平均准确率的帕累托前沿。
BORA: 弥合离线强化学习与在线残差适应以实现真实世界灵巧VLA模型
机构 * Shanghai Jiao Tong University（上海交通大学） ； CASIA（中国科学院自动化研究所） ； Shanghai AI Laboratory（上海人工智能实验室） ； USTC（中国科学技术大学）
AI总结 提出BORA框架，通过离线构建动作条件价值引导的评论家，并结合在线冻结VLA基础、引入人类在环的分块残差适应机制，解决灵巧操作中高维探索导致的时间不一致、样本低效和硬件风险问题，在五个真实灵巧任务上平均成功率提升33%。
Comments 24 pages,11 figures
S3Mem：用于长时域交互式问答的结构化时空场景-事件记忆
机构 * University of Science and Technology of China（中国科学技术大学） ； Shanghai Jiao Tong University（上海交通大学） ； Shanghai AI Laboratory（上海人工智能实验室） ； City University of Hong Kong（香港城市大学） ； The Chinese University of Hong Kong（香港中文大学） ； Fudan University（复旦大学） ； The University of Sydney（悉尼大学） ； Beihang University（北航）
AI总结 提出S3MEM框架，通过结构化场景-事件记忆和锚点敏感检索，在长时域交互式问答中实现比通用记忆接口更优的准确率-效率平衡。
超越理性错觉：行为现实的战略分类
机构 * University of Science and Technology of China（中国科学技术大学）
AI总结 本文提出了一种基于前景理论的行为现实战略分类框架，以应对现实中受心理偏差影响的决策者策略性操纵问题。
Comments Accepted by ICML2026
当表格基础模型遇见策略性表格数据：一种先验对齐方法
机构 * University of Science and Technology of China（中国科学技术大学） ； Tsinghua University（清华大学）
AI总结 本文研究了表格基础模型在策略性表格数据上的泛化能力，提出了一种策略感知的先验对齐框架SPN，以提高模型在策略性环境中的鲁棒性和预测性能。
Comments Accepted by ICML2026
通过分步置信度归因诊断黑盒大语言模型的多步推理失败
机构 * University of Science and Technology of China（中国科学技术大学）
AI总结 本文提出了一种基于分步置信度归因（SCA）的方法，用于诊断黑盒大语言模型在多步推理中的失败，通过信息瓶颈原理对生成的推理轨迹进行置信度评估，并通过实验验证该方法在数学推理和多跳问答任务中的有效性。
Comments Accepted by ICML 2026
语言生成作为最优控制：潜在控制空间中的闭环扩散
机构 * University of Science and Technology of China（中国科学技术大学）
AI总结 本文将语言生成重新表述为随机最优控制问题，通过统一理论视角分析自回归和扩散模型，解释其局限性，并提出基于流匹配的闭环控制器实现高效文本生成。
参与过程：重新思考动作与观察的时间接口
机构 * University of Science and Technology of China（中国科学技术大学）
AI总结 本文提出参与过程（EP）模型，通过显式时间接口处理动作与观察的不同时间尺度交互，支持多速率协调和子系统组合，揭示隐藏的时间行为并使策略适应显式时间成本。
SecureVibeBench: 通过重建引入漏洞的场景来基准测试AI代理的安全振动编码
机构 * University of Science and Technology of China（中国科学技术大学）
AI总结 本文提出SecureVibeBench，一个包含105个C/C++安全编码任务的基准测试，旨在评估AI代理在真实场景中生成安全代码的能力，发现现有方法在评估人类与AI代理对比时的不足。
Comments ACL 2026 Main Conference. Our code and data are on https://github.com/iCSawyer/SecureVibeBench
基于扩散模型的UAV人类检测粗到细层次对齐
机构 * University of Science and Technology of China（中国科学技术大学）
AI总结 本文提出Coarse-to-Fine Hierarchical Alignment框架，通过合成数据转换缩小领域差距，提升UAV人类检测精度，实验显示mAP50提升14.1%。
图流模型：基于强化学习训练图流模型
机构 * University of Science and Technology of China（中国科学技术大学）
AI总结 本文提出Graph-GRPO框架，通过可验证奖励训练图流模型，推导了转移概率表达式并提出局部探索策略，实验显示其在生成质量与分子优化任务中表现优异。
Comments Accepted by ICML 2026
想象力有助于视觉推理，但尚未在潜在空间中实现
机构 * University of Science and Technology of China（中国科学技术大学）
AI总结 通过因果中介分析发现，多模态大语言模型中的潜在推理存在输入-潜在和潜在-答案两个关键断连，表明其有效性有限，并提出显式想象方法CapImagine，在视觉推理任务中表现更优。
Comments ICML 2026 Poster
Web 智能体应使用类型化动作而非基于点击的浏览
机构 * University of Science and Technology of China（中国科学技术大学）
AI总结 本文提出通过语义层支持的类型化动作（web verbs）替代低层交互原语，以构建可靠、可审计的Web智能体，并通过案例展示其优势。
Comments Accepted to the ICML 2026 Position Paper Track
知道更多，更清晰：大型语言模型中知识增强的元认知框架
机构 * University of Science and Technology of China（中国科学技术大学）
AI总结 提出元认知框架，利用内部认知信号划分知识空间为掌握、混淆和缺失区域，通过差异化干预和认知一致性机制增强知识并校准置信度，实验证明优于基线方法。
基于语言的试错在经验时代落后了
机构 * University of Science and Technology of China（中国科学技术大学）
AI总结 针对LLM在非语言环境中探索成本高的问题，提出SCOUT框架，用轻量级模型探索环境，通过SFT和RL激活LLM的世界知识，显著提升性能并降低计算开销。
半监督图异常检测中的正态性校准
机构 * University of Science and Technology of China（中国科学技术大学）
AI总结 提出GraphNC框架，通过教师模型在异常分数和表示空间联合校准正态性，解决半监督图异常检测中正态性过拟合问题，降低误报。
Comments Accepted by ICML2026
机械论数据归因：追踪可解释LLM单元的训练起源
机构 * University of Science and Technology of China（中国科学技术大学）
AI总结 提出机械论数据归因（MDA）框架，利用影响函数将可解释单元追溯到特定训练样本，通过因果验证表明干预高影响样本可显著调节可解释头的涌现，并发现重复结构数据作为机械催化剂，同时验证了归纳头与上下文学习之间的功能联系。
Comments ICML2026 (Oral)
即时强化学习：无需梯度更新的LLM智能体持续学习
机构 * University of Science and Technology of China（中国科学技术大学）
AI总结 提出JitRL框架，通过动态非参数记忆和即时优势估计，无需梯度更新即可实现LLM智能体的测试时策略优化，在WebArena和Jericho上达到训练无关方法最优，且性能超越微调方法，成本降低30倍以上。
扩散桥还是流匹配？一个统一框架与比较分析
机构 * University of Science and Technology of China（中国科学技术大学）
AI总结 本文通过随机最优控制和最优传输理论统一了扩散桥与流匹配，证明扩散桥成本更低且轨迹更稳定，并在图像恢复等任务中通过实验验证了理论。
面向冷启动认知诊断的统一LLM可适配框架
机构 * University of Science and Technology of China（中国科学技术大学）
AI总结 提出LMCD框架，通过知识扩散和语义-认知融合两阶段，利用大语言模型增强冷启动场景下的认知诊断性能。
Comments Under review
MotionGPT-2：用于运动生成与理解的通用运动-语言模型
机构 * Tsinghua University（清华大学） ； The University of Sydney（悉尼大学） ； University of Science and Technology of China（中国科学技术大学） ； The Chinese University of Hong Kong（香港中文大学） ； Shanghai Artificial Intelligence Laboratory（上海人工智能实验室） ； Intime Department Store（Intime百货） ； Deepeleph ； HKUST（香港科技大学）
AI总结 提出MotionGPT-2，一种统一的大规模运动-语言模型，通过预训练大语言模型支持多模态控制条件，实现运动生成、描述和补全等多种任务，并引入Part-Aware VQVAE实现细粒度身体和手部运动表示。
分类鲁棒性与解释鲁棒性真的强相关吗？基于输入损失景观的分析
机构 * University of Science and Technology of China（中国科学技术大学）
AI总结 本文质疑分类鲁棒性与解释鲁棒性强相关的传统观点，通过聚类评估解释鲁棒性，并提出调整解释损失景观的训练方法，发现两者并不强相关。
基于区间分支定界的逆运动学算法实现全局最优冗余度解析
机构 * University of Science and Technology of China（中国科学技术大学）
AI总结 提出一种结合快速数值IK求解器搜索启发式的区间分支定界方法，高效求解机械臂广义逆运动学问题，生成邻域解以提供自运动流形的丰富几何信息，支持最优规划和任意时间求解。
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