Multi-Granularity Reasoning for Natural Language Inference
自然语言推理的多粒度推理
机构 * University of Science and Technology of China（中国科学技术大学）
AI总结 提出多粒度推理网络（MGRN），通过分层语义特征交互模拟人类认知过程，在多个基准上超越强基线模型。
高校专区
University of Science and Technology of China（中国科学技术大学）
A Four-Valued Normative Intermediate Representation for ASP-Oriented Compliance Reasoning
基于ASP的合规推理的规范性中间表示
机构 * University of Science and Technology of China（中国科学技术大学）
AI总结 提出MONIR，一种用于ASP合规推理的模态化输出规范性中间表示，通过分阶段操作语义和可执行编译，结合LLM辅助流程应用于中国ADAS法规，并评估提取质量与模块化增量求解效率。
Autogenesis: A Self-Evolving Agent Protocol
自生成：一种自我进化代理协议
机构 * Nanyang Technological University（南洋理工大学） ； Stanford University（斯坦福大学） ； Princeton University（普林斯顿大学） ； City University of Hong Kong（香港城市大学） ； University of Science and Technology of China（中国科学技术大学）
AI总结 本文提出了一种自生成协议（AGP），该协议通过分离进化内容与进化过程，解决了现有代理协议在跨实体生命周期管理、版本追踪和安全更新接口方面的不足。基于AGP，作者展示了自生成系统（AGS），该系统能够动态实例化、检索和优化协议注册的资源，通过多个具有长视界规划和工具使用的挑战性基准测试，验证了代理资源管理和闭环自我进化的有效性。
Revisiting Shadow Detection from a Vision-Language Perspective
重新审视从视觉-语言视角的阴影检测
机构 * CAS Key Laboratory of Technology in Geo-spatial Information Processing and Application System, Department of Electronic Engineering and Information Science, University of Science and Technology of China（中国科学技术大学地球空间信息处理与应用系统重点实验室，电子工程与信息科学系）
AI总结 本文从视觉-语言视角重新审视阴影检测，提出SVL框架，利用语言作为语义参考以区分相似的暗区，通过全局阴影比例回归和全局-局部耦合机制提升鲁棒性。
ReconMIL: Synergizing Latent Space Reconstruction with Bi-Stream Mamba for Whole Slide Image Analysis
ReconMIL: 协同潜在空间重建与双流Mamba的全切片图像分析
机构 * USTC（中国科学技术大学） ； NUDT（南京理工大学） ； SCNU（华南师范大学） ； NTU（南洋理工大学） ； Anhui Province Key Laboratory of Biomedical Imaging and Intelligent Processing（安徽省生物医学成像与智能处理重点实验室）
AI总结 提出ReconMIL框架，通过潜在空间重建模块适配任务特定特征，并设计双流架构（Mamba全局流+CNN局部流）平衡全局与局部特征，有效抑制背景噪声并定位细粒度诊断区域，在多个基准上超越现有方法。
Comments This paper has been withdrawn by the authors due to identified issues in the evaluation protocol in Section Exp. , which may affect the interpretation of the experimental results. The authors are preparing a substantially revised version addressing these issues
HardSecBench: Benchmarking the Security Awareness of LLMs for Hardware Code Generation
HardSecBench: 对大型语言模型在硬件代码生成中的安全意识的基准测试
机构 * University of Science and Technology of China（中国科学技术大学） ； Xi’an Jiaotong University（西安交通大学） ； Nanjing University（南京大学） ； ZTE Corporation（中兴通讯）
AI总结 提出HardSecBench基准，包含924个任务覆盖Verilog RTL和固件C代码，评估LLM在硬件代码生成中的安全性，发现模型常满足功能需求但存在安全风险。
KBQA-R1: Reinforcing Large Language Models for Knowledge Base Question Answering
KBQA-R1：强化大语言模型用于知识库问答
机构 * University of Science and Technology of China（中国科学技术大学）
AI总结 提出KBQA-R1框架，通过强化学习（GRPO）将知识库问答建模为多轮决策过程，并引入参考拒绝采样（RRS）解决冷启动问题，在多个基准上取得最优性能。
Comments ICML 2026
EgoExo-Con: Exploring View-Invariant Video Temporal Understanding
EgoExo-Con: 探索视角不变视频时间理解
机构 * Seoul National University（首尔国立大学） ； University of Science and Technology of China（中国科学技术大学） ； National University of Singapore（新加坡国立大学）
AI总结 提出EgoExo-Con基准测试，评估视频大模型在不同视角下的时间理解一致性，并设计View-GRPO强化学习框架提升跨视角一致性。
Comments Accepted to ECCV 2026; project page at https://minjoong507.github.io/projects/EgoExo-Con/
Johnson-Lindenstrauss Lemma Guided Network for Efficient 3D Medical Segmentation
Johnson-Lindenstrauss引理引导的高效3D医学分割网络
机构 * University of Science and Technology of China（中国科学技术大学） ； Dresden University of Technology（德累斯顿理工大学） ； Harbin Institute of Technology, Shenzhen（哈尔滨工业大学（深圳））
AI总结 提出VeloxSeg，通过双流CNN-Transformer架构（PWA和JLC）结合格拉姆矩阵空间解耦知识迁移，在低计算预算下实现多模态3D医学图像高效分割，Dice提升26%，GPU吞吐量提升11倍。
Comments 30 pages, 12 figures. Accepted at ICLR 2026
EquivPruner: Boosting Efficiency and Quality in LLM-Based Search via Action Pruning
EquivPruner：通过动作剪枝提升基于LLM的搜索效率与质量
机构 * School of Computer Science and Technology, University of Science and Technology of China（中国科学技术大学计算机科学与技术学院） ； Department of Data Science, City University of Hong Kong（香港城市大学数据科学系） ； iFLYTEK Research（iFLYTEK研究院）
AI总结 针对LLM搜索中语义等价步骤导致的大量冗余消耗，提出EquivPruner方法，通过剪枝等价动作提升效率，并创建数学等价数据集MathEquiv训练轻量检测器，在多种任务中显著减少token消耗并提高准确性。
Comments Accepted by ACL 2026
Measuring Human Contribution in AI-Assisted Content Generation
衡量AI辅助内容生成中的人类贡献
机构 * Princeton University（普林斯顿大学） ； Tsinghua University（清华大学） ； University of Science and Technology of China（中国科学技术大学） ； University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； The University of Hong Kong（香港大学） ； Microsoft Research Asia（微软亚洲研究院） ； Peking University（北京大学）
AI总结 针对AI辅助内容生成中人类贡献度难以量化的问题，提出基于信息论的框架，通过互信息与自信息之比计算人类信息贡献比例，实验证明能有效区分不同创意领域的人类贡献程度。
SimAC: A Simple Anti-Customization Method for Protecting Face Privacy against Text-to-Image Synthesis of Diffusion Models
SimAC: 一种针对扩散模型文本到图像合成的简单面部隐私反定制方法
机构 * University of Science and Technology of China（中国科学技术大学） ； Alibaba Cloud（阿里云）
AI总结 针对扩散模型定制化技术引发的隐私问题，提出SimAC方法，通过分析时间步选择与频域感知关系及去噪过程不同层特征，设计自适应贪婪搜索和特征优化框架，有效提升身份干扰，保护用户隐私。
Comments Accepted by CVPR2024. Code: https://github.com/somuchtome/SimAC
Current World Models Lack a Persistent State Core
当前世界模型缺乏持久状态核心
机构 * University of Science and Technology of China（中国科学技术大学） ； Beijing Innovation Center of Humanoid Robotics (X-Humanoid)（北京人形机器人创新中心） ； NLPR, Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所模式识别国家重点实验室） ； Independent Researcher（独立研究者） ； Dresden University of Technology（德累斯顿工业大学） ； Peking University（北京大学）
AI总结 提出WRBench基准测试，发现现有世界模型在观测中断时无法维持世界状态演化，强调物理状态核稳定性应成为世界模型设计首要目标。
Comments 39 pages, 16 figures
ScholarQuest: A Taxonomy-Guided Benchmark for Agentic Academic Paper Search in Open Literature Environments
ScholarQuest：开放文献环境中智能学术论文搜索的基于分类法的基准测试
机构 * State Key Lab of Cognitive Intelligence, University of Science and Technology of China（中国科学技术大学认知智能国家重点实验室）
AI总结 提出ScholarQuest基准，基于1000多个计算机科学主题和四种研究意图，构建可扩展的答案和共享检索后端，评估LLM智能体在开放文献环境中的学术论文搜索能力。
EventVLA: Event-Driven Visual Evidence Memory for Long-Horizon Vision-Language-Action Policies
EventVLA: 面向长程视觉-语言-动作策略的事件驱动视觉证据记忆
机构 * University of Science and Technology of China（中国科学技术大学） ； Shanghai AI Laboratory（上海人工智能实验室） ； Shanghai Jiao Tong University（上海交通大学） ； Dalian University of Technology（大连理工大学） ； Huawei Technologies Co., Ltd.（华为技术有限公司） ； The University of Hong Kong（香港大学） ； Tsinghua University（清华大学） ； Peking University（北京大学）
AI总结 针对长程机器人操作中记忆瓶颈问题，提出EventVLA框架，通过动态关键帧证据记忆模块自主捕获任务关键视觉事件，在17个模拟和4个真实任务中平均成功率提升40%。
MMD-SLAM: Structure-Enhanced Multi-Meta Gaussian Distribution-Guided Visual SLAM
MMD-SLAM：结构增强的多元高斯分布引导视觉SLAM
机构 * HFIPS, Chinese Academy of Sciences（中国科学院合肥物质科学研究院） ； University of Science and Technology of China（中国科学技术大学） ； Aarhus University（奥胡斯大学） ； University of Tokyo（东京大学） ； Beijing University of Chemical Technology（北京化工大学） ； North China Electric Power University（华北电力大学）
AI总结 提出MMD-SLAM，利用亚特兰大世界假设引导多元高斯表示，通过点线融合、主导方向编码和高斯进化策略，提升视觉SLAM的跟踪精度与建图质量。
Comments ICRA 2026
AtomMem: Building Simple and Effective Memory System for LLM Agents via Atomic Facts
AtomMem: 通过原子事实构建简单有效的LLM智能体记忆系统
机构 * State Key Laboratory of Cognitive Intelligence, University of Science and Technology of China（中国科学技术大学认知智能国家重点实验室） ； Anhui University（安徽大学）
AI总结 针对现有记忆系统存储粗粒度、更新不稳定的问题，提出AtomMem，通过事实执行器提取高价值原子事实作为高效记忆表示，并组织为层次化事件结构和时间档案，实现价值密集存储和稳定演化，在LoCoMo基准上取得最优性能。
Comments 19 pages, 10 figures, 5 tables
High-Fidelity 4D Hand-Object Capture via Multi-View Spatiotemporal Tracking and Physics-Aware Gaussians
高保真4D手-物体捕捉：基于多视角时空追踪和物理感知高斯模型
机构 * Google XR（谷歌XR） ； University of Science and Technology of China (USTC)（中国科学技术大学） ； The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州））
AI总结 提出无需模板和标记的多视角系统，通过跨视角几何与时间线索的Transformer初始化，结合物理感知高斯优化，实现鲁棒且无伪影的4D手-物体交互重建。
Comments Project page: https://hostpg.github.io/
CoMo: Learning Continuous Latent Motion from Internet Videos for Scalable Robot Learning
CoMo: 从互联网视频中学习连续潜在运动以实现可扩展的机器人学习
机构 * Nanjing University（南京大学） ； Shanghai AI Lab（上海人工智能实验室） ； University of Science and Technology of China（中国科学技术大学） ； Zhejiang University（浙江大学） ； Fudan University（复旦大学） ； Tongji University（同济大学）
AI总结 提出CoMo方法，通过早期时间差分和时序对比学习从互联网视频中学习连续潜在运动，避免离散化信息损失，实现零样本泛化生成伪动作标签，联合训练策略在仿真和真实实验中表现优异。
Comments CVPR 2026
EndoCoT: Scaling Endogenous Chain-of-Thought Reasoning in Diffusion Models
EndoCoT：扩散模型中的内生思维链推理扩展
机构 * Shanghai AI Laboratory（上海人工智能实验室） ； Xi’an Jiaotong University（西安交通大学） ； University of Science and Technology of China（中国科学技术大学） ； Shanghai Jiaotong University（上海交通大学） ； Fudan University（复旦大学） ； The Chinese University of Hong Kong（香港中文大学）
AI总结 提出EndoCoT框架，通过迭代思维引导模块激活MLLM的推理潜力，并利用终端思维接地模块确保推理轨迹与文本监督对齐，使DiT逐步执行复杂任务，在多个基准上平均准确率达92.1%。
Comments 23 pages, 18 figures, The code and dataset are publicly available at https://internlm.github.io/EndoCoT/
Toward General Digraph Contrastive Learning: A Dual Spatial Perspective
面向一般有向图对比学习：双空间视角
机构 * National University of Singapore（新加坡国立大学） ； University of Science and Technology of China（中国科学技术大学）
AI总结 提出S2-DiGCL框架，从复数域和实数域双空间视角对有向图进行对比学习，通过磁拉普拉斯自适应调制和路径子图增强，在节点分类和链接预测任务上分别提升4.41%和4.34%。
Spiking Pyramid Wavelet Transformation for High-efficient and Low-energy Image Restoration
尖峰金字塔小波变换用于高效低能耗图像恢复
机构 * Nanjing University（南京大学） ； Nanjing University of Science and Technology（南京理工大学） ； University of Science and Technology of China（中国科学技术大学） ； China Mobile Institute（中国移动研究院）
AI总结 提出基于尖峰神经网络和金字塔小波变换的SPWM模型，通过SDPW块建模长程依赖并利用小波域退化特性，在保持图像质量的同时显著降低计算和能耗。
Comments Accepted by Pattern Recognition
ROBOSHACKLES: A Safety Dataset for Human-Injury Prevention in Embodied Foundation Models
ROBOSHACKLES: 面向具身基础模型中人体伤害预防的安全数据集
机构 * Institute of Al for Industries, Chinese Academy of Sciences（工业人工智能研究所，中国科学院） ； University of Science and Technology of China（中国科学技术大学）
AI总结 为解决机器人伤害人类数据难以安全收集的问题，提出基于真实观测的安全数据构建流水线，生成包含1万条视频的ROBOSHACKLES数据集，涵盖直接和间接伤害类别，评估发现现有模型在安全关键场景下100%产生不安全动作。
From Memorization to Creation: Evaluating the Cognitive Depth of LLM-Generated Educational Questions
从记忆到创造：评估LLM生成的教育问题的认知深度
机构 * City University of Hong Kong（香港城市大学） ； Zhejiang Normal University（浙江师范大学） ； Squirrel Ai Learning ； University of Science and Technology of China（中国科学技术大学） ； Wuhan University（武汉大学）
AI总结 通过布鲁姆认知分类学评估六种LLM生成问题的认知层次，提出细粒度提示策略减少重复性并提升高阶认知比例，引入认知转移强度和类别漂移指标，揭示链式思维提示的可解释性。
Comments Accepted by KDD 2026
Journal ref KDD 2026
HeRo-Q: A General Framework for Stable Low Bit Quantization via Hessian Conditioning
HeRo-Q: 通过Hessian条件化实现稳定低比特量化的通用框架
机构 * Beijing University of Posts and Telecommunications（北京邮电大学） ； Institute of Computing Technology, Chinese Academy of Sciences（中国科学院计算技术研究所） ； University of Science and Technology of China（中国科学技术大学） ； Zhejiang Lab（浙江实验室） ； Peng Cheng Laboratory（鹏城实验室）
AI总结 针对后训练量化中“低误差、高损失”的矛盾，提出HeRo-Q算法，通过轻量可学习的旋转压缩矩阵重塑损失景观，降低最大Hessian特征值，增强对量化噪声的鲁棒性，在Llama和Qwen模型上优于现有方法。
InstructTime++: Time Series Classification with Multimodal Language Modeling via Implicit Feature Enhancement
InstructTime++: 通过隐式特征增强的多模态语言建模进行时间序列分类
机构 * State Key Laboratory of Cognitive Intelligence, University of Science and Technology of China（中国科学技术大学认知智能国家重点实验室）
AI总结 提出将时间序列分类转化为多模态生成任务，通过离散化模块和对齐投影层弥合模态差距，并利用隐式特征建模提升语言模型性能。
From Values to Tokens: An LLM-Driven Framework for Context-aware Time Series Forecasting via Symbolic Discretization
从数值到标记：一种基于符号离散化的LLM驱动上下文感知时间序列预测框架
机构 * State Key Laboratory of Cognitive Intelligence（认知智能国家重点实验室） ； University of Science and Technology of China（中国科学技术大学） ； College of Intelligence and Computing（智能科学与计算学院） ； iFLYTEK Research（iFLYTEK研究院）
AI总结 提出TokenCast框架，利用大语言模型通过符号离散化将连续时间序列转化为标记，与上下文文本对齐，实现上下文感知的预测，实验证明有效。
Continual Test-Time Adaptation for Object Detection with Adaptive Monitoring and Randomized Restoration
持续测试时间适应用于目标检测的自适应监控与随机恢复
机构 * School of Artificial Intelligence, Sun Yat-Sen University（中山大学人工智能学院） ； School of Information Science and Technology, University of Science and Technology of China（中国科学技术大学信息科学与技术学院） ； State Key Laboratory of Intelligent Technology and Systems, Department of Computer Science and Technology, Tsinghua University（清华大学智能技术与系统国家重点实验室） ； Tsinghua Shenzhen International Graduate School, Tsinghua University（清华大学深圳国际研究生学院） ； National Supercomputing Center in Shenzhen（深圳国家超算中心） ； Ministry of Education Key Laboratory for Earth System Modeling and the Department of Earth System Science, Tsinghua University（清华大学地球系统模型教育部重点实验室）
AI总结 本文提出AMROD方法，通过对比学习、自适应监控和随机恢复机制提升持续测试时间适应的目标检测性能，实验证明其在多个任务中优于现有方法，尤其在Cityscapes-to-Cityscapes-C任务中提升3.2 mAP并提高20%效率。
Generalized Kullback-Leibler Divergence Loss
广义Kullback-Leibler散度损失
机构 * Hefei University of Technology（合肥工业大学） ； University of Science and Technology of China（中国科学技术大学） ； Nanyang Technological University（南洋理工大学） ； The Chinese University of Hong Kong（香港中文大学） ； The University of Hong Kong（香港大学） ； Harbin Institute of Technology, Shenzhen（哈尔滨工业大学（深圳））
AI总结 本文提出广义KL散度损失，通过解耦KL损失为加权MSE和交叉熵损失，并引入非对称优化修正和类别全局信息，在对抗训练和知识蒸馏中取得SOTA性能。
Comments TPAMI 2026, extension of our NeurIPS paper "Decoupled Kullback-Leibler Divergence Loss". arXiv admin note: substantial text overlap with arXiv:2305.13948
Beyond NL2Code: A Structured Survey of Multimodal Code Intelligence
超越NL2Code：多模态代码智能的结构化综述
机构 * Meituan（美团） ； The University of Hong Kong（香港大学） ； The Chinese University of Hong Kong（香港中文大学） ； Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所） ； Nanjing University（南京大学） ； Harbin Institute of Technology（哈尔滨工业大学） ； Australian Institute for Machine Learning, Adelaide University（阿德莱德大学澳大利亚机器学习研究所） ； Ludwig Maximilian University of Munich（慕尼黑大学） ； University of Science and Technology of China（中国科学技术大学） ； Queen Mary University of London（伦敦玛丽女王大学）
AI总结 本文系统综述多模态代码智能，将任务按代码角色分类，覆盖GUI、科学可视化、结构化图形及前沿任务，并提出四个基于验证的未来方向。
Comments Work completed in January 2026. Updating now
