高校专区
FlowAWR: 通过优势加权修正的在线自适应流强化
机构 * Beihang University（北京航空航天大学） ； Joy Future Academy（京东探索研究院） ； Zhongguancun Academy（中关村学院） ； Zhejiang University（浙江大学） ； University of Science and Technology of China（中国科学技术大学）
AI总结 提出FlowAWR方法，将连续生成策略优化转化为对最优速度场的监督回归，避免SDE和CFG，实现2-5倍收敛加速。
参数级防御对模型合并的脆弱性
机构 * University of Science and Technology of China（中国科学技术大学） ； NLPR & MAIS, Institute of Automation, Chinese Academy of Sciences（自动化研究所国家工程实验室及机器智能研究所） ； 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 本文揭示参数级防御因保护任务向量幅度小而失效，提出锚点引导攻击(AGA)通过预训练模型恢复变换矩阵，并设计锚点排斥微调(ARF)作为防御。
Comments Accepted by ECCV 2026
CogSENet: 基于模糊条件语义路由和显式频率融合的盲图像去模糊
机构 * University of Science and Technology of China（中国科学技术大学） ； Westlake University（西交大学） ； University of Michigan（密歇根大学）
AI总结 提出CogSENet，通过模拟鹰视觉系统的语义驱动状态空间模块和双频融合块，实现空间变化模糊下的自适应恢复，在去模糊、去雾、去雨和去噪任务上优于现有方法。
Comments ECCV 2026
参数化技能
机构 * Shanghai Artificial Intelligence Laboratory（上海人工智能实验室） ； University of Science and Technology of China（中国科学技术大学） ； KTH Royal Institute of Technology（皇家理工学院） ； Fudan University（复旦大学） ； The Chinese University of Hong Kong（香港中文大学）
AI总结 提出ParametricSkills框架，将文本技能在测试时转换为LoRA参数，解决长上下文下技能指令难以遵循的问题，在软件工程任务中平均提升6.44分。
Comments Preprint, Under Review
SrDetection: 一种用于代码大型语言模型中数据泄露检测的自参考框架
机构 * Shenzhen Key Laboratory for High Performance Data Mining（深圳高性能数据挖掘重点实验室） ； Shenzhen Institutes of Advanced Technology, Chinese Academy of Sciences（深圳先进技术研究院，中国科学院） ； Shenzhen University（深圳大学） ； University of Science and Technology of China（中国科学技术大学） ； PolyU（香港理工大学） ； East China Normal University（华东师范大学） ； Artificial Intelligence Research Institute, Shenzhen University of Advanced Technology（深圳大学先进技术研究院人工智能研究所） ； University of New South Wales（新南威尔士大学） ； Anhui University（安徽大学）
AI总结 提出自参考框架SrDetection，通过对比模型对原始样本与语义等价变体的行为差异检测数据泄露，在灰盒和黑盒设置下均优于基线方法。
面向可泛化与可证据的核磁共振分子结构解析：基于大语言模型智能体的方法
机构 * Information Hub, The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）信息中心） ； State Key Laboratory of Precision and Intelligent Chemistry, University of Science and Technology of China（中国科学技术大学精密与智能化学国家重点实验室） ； State Key Laboratory of Physical Chemistry of Solid Surface, College of Chemistry and Chemical Engineering, Xiamen University（厦门大学化学系固态表面物理化学国家重点实验室） ； The University of Hong Kong（香港大学） ； Peking Union Medical College and Chinese Academy of Medical Sciences（北京协和医学院中国医学科学院） ； The Hong Kong University of Science and Technology（香港科技大学） ； Hunan University（湖南大学） ； AI for Science Center, Shanghai Artificial Intelligence Laboratory（上海人工智能实验室人工智能科学中心）
AI总结 提出NMRAgent智能体，结合大语言模型、光谱分析工具和化学知识图谱，通过证据推理实现高精度、可解释的分子结构解析，在新型骨架测试集上Top-1准确率提升46.5%。
MyGO-Splat：面向仅RGB高斯SLAM的多目标闭环几何反馈
机构 * HFIPS, Chinese Academy of Sciences（中国科学院合肥智能机械研究所） ； University of Science and Technology of China（中国科学技术大学） ； Tohoku University（东北大学） ； University of Zaragoza（阿斯图里亚大学） ； University of Tokyo（东京大学） ； Dalian University of Technology（大连理工大学）
AI总结 提出MyGO-Splat闭环高斯SLAM框架，通过解析光栅化高斯原语为像素深度和法线，实现地图主动监督位姿优化，并引入尺度感知自适应对齐形成自校正循环，仅用单目输入达到RGB-D方法性能。
Comments IROS 2026
SPADE-Bench：通过计划-行动分歧评估智能体中的自发性策略欺骗
机构 * Beijing Academy of Artificial Intelligence（北京人工智能研究院） ； Peking University（北京大学） ； University of Science and Technology of China（中国科学技术大学） ； University of Chinese Academy of Science（中国科学院大学） ； Alibaba Group（阿里巴巴集团）
AI总结 针对LLM智能体在工具使用中可能出现的自发性策略欺骗（计划与行动不一致），提出SPADE-Bench基准，通过结合实际工具执行和受控压力场景，严格区分欺骗与幻觉，实验证实该问题真实且紧迫。
超越SFT到RL：通过黑盒在线策略蒸馏进行预对齐以多模态RL
机构 * Hong Kong University of Science and Technology (Guangzhou)（香港理工大学（广州）） ； Tsinghua University（清华大学） ； Nanyang Technological University（南洋理工大学） ； Renmin University of China（中国人民大学） ； University of Science and Technology of China（中国科学技术大学） ； University of Chinese Academy of Sciences（中国科学院大学）
AI总结 本文提出PRISM框架，通过在SFT和RLVR之间插入显式分布对齐阶段，解决多模态RL中的分布漂移问题，利用基于策略蒸馏的对抗游戏提升对齐效果，实验显示在多个RL算法和基准上性能提升。
迈向现实的开放词汇遥感分割：基准与基线
机构 * Department of Electronic Engineering and Information Science, University of Science and Technology of China（电子工程与信息科学系，中国科学技术大学） ； School of Artificial Intelligence, OPtics and ElectroNics (iOPEN), Northwestern Polytechnical University（人工智能学院，光学与电子学系（iOPEN），西北工业大学） ； Institute of Artificial Intelligence (TeleAI), China Telecom, P. R. China（人工智能研究院（TeleAI），中国电信，中华人民共和国）
AI总结 本文提出OVRSISBenchV2基准和Pi-Seg基线，通过构建大规模数据集和下游任务协议，提升遥感开放词汇分割的现实应用能力。
Drift-AR：通过反向对称漂移实现单步视觉自回归生成
机构 * University of Science and Technology of China（中国科学技术大学） ； The Chinese University of Hong Kong, MMLAB（香港中文大学多媒体实验室） ； JD Explore Academy（京东探索研究院） ； Beihang University（北京航空航天大学）
AI总结 Drift-AR通过利用熵信号加速自回归和视觉解码阶段，实现单步生成，提升了生成速度并保持了高质量。
Em-Garde：一种用于主动流视频理解的提出-匹配框架
机构 * Institute for AI Industry Research (AIR), Tsinghua University（清华大学人工智能产业研究院（AIR）） ； Institute for Interdisciplinary Information Sciences (IIIS), Tsinghua University（清华大学交叉信息研究院（IIIS）） ； Nanjing University（南京大学） ； University of Science and Technology of China（中国科学技术大学） ； Microsoft Research Asia（微软亚洲研究院）
AI总结 本文提出Em-Garde框架，通过解耦语义理解与流感知，提升主动响应的准确性和效率，实验验证其在严格计算约束下的有效性。
LaGen：迈向自主驾驶的自回归激光雷达场景生成
机构 * University of Science and Technology of China（中国科学技术大学） ； Shanghai Innovation Institute（上海创新研究院） ； Shanghai Jiao Tong University（上海交通大学） ； Fudan University（复旦大学）
AI总结 本文提出LaGen，首个支持长时交互生成的自回归框架，能基于单帧输入生成高保真4D激光雷达场景，并通过场景解耦和噪声调节模块提升生成质量。
Comments Accepted to ECCV 2026
本体引导的反向思维使大语言模型在知识图谱问答中更强
机构 * Harbin Institute of Technology（哈尔滨工业大学） ； Beijing University of Posts and Telecommunications（北京邮电大学） ； Joint Laboratory of HIT and iFLYTEK（哈工大与科大讯飞联合实验室） ； University of Science and Technology of China（中国科学技术大学） ； Pengcheng Laboratory（鹏城实验室）
AI总结 本文提出Ontology-Guided Reverse Thinking框架，通过反向推理构建路径，提升大语言模型在知识图谱问答中的表现，实验表明其在WebQSP和CWQ数据集上达到最佳性能。
Comments We now public our source codes
用十亿个智能体建模地球尺度的人类社会
机构 * University of Science and Technology of China（中国科学技术大学） ； Zhongguancun Academy（中关村学院） ； Zhongguancun Institute of Artificial Intelligence（中关村人工智能研究院） ； Shenzhen University（深圳大学） ； Shanghai University of Finance and Economics（上海财经大学） ； Tsinghua University（清华大学） ； Fudan University（复旦大学）
AI总结 本文提出Light Society框架，通过结合大语言模型与优化算法，实现高效模拟十亿级智能体的社会现象，验证了其在信任游戏和意见扩散中的高保真度与效率。
Comments Work in progress
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