高校专区
nD-RoPE：一种用于n维位置嵌入的广义RoPE
机构 * University of Science and Technology of China（中国科学技术大学）
AI总结 提出nD-RoPE，将旋转位置嵌入推广到任意维度，通过多尺度正则单纯形波矢设计实现各向同性，在图像、视频和点云任务中提升性能。
Comments Accepted to the 43rd International Conference on Machine Learning (ICML 2026)
ISAP-3D: 身份槽对齐的部件感知3D生成
机构 * Peking University（北京大学） ； Tencent（腾讯） ； Huawei（华为） ； University of Science and Technology of China（中国科学技术大学）
AI总结 针对部件感知3D生成中因身份-布局纠缠导致的结构歧义问题，提出身份槽对齐框架ISAP-3D，通过语义身份令牌锚定每个部件并进行一对一布局预测，实现稳定可控的部件级3D生成。
MFEN：用于可见光-红外行人重识别的多频专家网络
机构 * University of Science and Technology of China（中国科学技术大学） ； Anhui Province Key Laboratory of Digital Security（安徽省数字安全重点实验室） ； The Chinese University of Hong Kong（香港中文大学）
AI总结 提出多频专家网络（MFEN），通过多频调制和混合专家设计自适应组合不同频带，结合随机频率增强和频率辅助优化，解决可见光-红外图像模态差异问题。
Comments CVPR Highlight
从内容到知识：基于神经知识表示的闪电般快速长视频理解
机构 * University of Science and Technology of China（中国科学技术大学）
AI总结 提出将长视频编码为神经知识表示（NKR），通过智能体知识蒸馏（AKD）自动合成描述和问答对，将视频知识嵌入VLM骨干网络的少量权重中，实现轻量级、可复用的视频理解，推理时无需重新加载视频，大幅降低延迟。
开放域定制视频生成的综合生态系统
机构 * University of Science and Technology of China（科学技术大学） ； Microsoft Research Asia（微软亚洲研究院） ； Seoul National University（首尔国立大学）
AI总结 提出百万级数据集PexelsCustom-1M和参数高效框架CustoMDiT，仅用8%额外参数实现定制视频生成，并构建千类基准OpenCustom，开源整个生态系统。
Comments 5 pages, 3 figures, 4 tables. Accepted by ICASSP 2026
从提示到标记：将因果监督内化到视觉-语言模型中进行多图像因果推理
机构 * University of Science and Technology of China（中国科学技术大学）
AI总结 提出BridgeVLM，通过从多图像输入诱导因果图并转换为因果标记，注入LLM解码器进行因果消息传递，显著提升多图像因果推理性能。
推理，再推理：跨视角重访提升空间推理
机构 * University of Science and Technology of China（中国科学技术大学）
AI总结 提出ReRe框架，通过生成互补新视角视频让MLLM先推理再验证，无需训练即可显著提升空间推理性能。
Comments ICML 2026
用大型语言模型构建社会世界模型
机构 * University of Science and Technology of China（中国科学技术大学）
AI总结 提出社会世界模型（SWM）框架，利用LLM从社会数据中挖掘时间模式，学习社会信念的状态转移函数，无需人工标注或普查数据，在预测市场基准上超越时序基础模型。
Comments 9 pages. ICML 2026
探索自适应掩码重建用于自监督基于骨架的动作识别
机构 * Hefei University of Technology（合肥工业大学） ； Jilin University（吉林大学） ； Zhejiang Gongshang University（浙江工商大学） ； University of Science and Technology of China（中国科学技术大学）
AI总结 提出自适应掩码重建（AMR）框架，通过解耦编码器-解码器并引入自适应引导模块，加速预训练并提升下游动作识别精度，在多个数据集上超越现有方法。
Comments Accepted by CVPR2026. The code is available at https://github.com/AshenOne1005/AMR
LAST: 通过Gromov-Wasserstein对齐连接视觉-语言与动作流形
机构 * National Engineering Laboratory for Intelligent Information Processing（智能信息处理国家级工程实验室） ； University of Science and Technology of China（中国科学技术大学）
AI总结 提出LAST方法，通过李代数线性化和局部度量离散化，对齐视觉-语言语义几何与动作流形，解决异构空间不兼容问题，提升VLA模型收敛性和泛化性。
GEAR-VLA：学习几何感知的动作表示以实现可泛化的机器人操作
机构 * Anhui University（安徽大学） ； University of Science and Technology of China（中国科学技术大学） ； iFLYTEK（科大讯飞）
AI总结 提出GEAR-VLA框架，通过粗到细的动作学习、语义对齐的3D集成和具身规范化，学习统一的几何感知动作表示，实现跨物体、背景和机器人的泛化操作。
从架构到输出：大语言模型中幻觉的结构性起源及数据的放大作用
机构 * University of Science and Technology of China（中国科学技术大学）
AI总结 本文分析大语言模型幻觉的结构性根源，指出自注意力、最大似然估计训练目标和自回归解码三个架构决策构成复合失效系统，并揭示数据病理如何放大这些脆弱性。
Comments 11 pages, 7 figures, 15 references
ASRU：激活引导与强化遗忘融合用于多模态大语言模型
机构 * University of Science and Technology of China（中国科学技术大学）
AI总结 ASRU提出一种可控多模态遗忘框架，通过激活引导和强化学习提升多模态大语言模型的遗忘效果和生成质量，实验显示在Qwen3-VL上遗忘效果提升24.6%，生成质量提升5.8倍。
短链深思：通过拆分-合并优化平衡推理效率与段内能力
机构 * University of Science and Technology of China（中国科学技术大学）
AI总结 提出CoSMo框架，通过拆分-合并算法动态优化推理链，结合段级预算的结构对齐强化学习，在保持准确率的同时显著减少冗余段，平均提升准确率3.3点并减少28.7%段使用。
Comments camera ready version upload
超越连续性：从单细胞快照无模拟重建离散分支动力学
机构 * University of Science and Technology of China（中国科学技术大学）
AI总结 针对单细胞快照数据中随机性和非保守质量动态（如细胞增殖和凋亡）的挑战，提出无模拟框架Unbalanced Schrödinger Bridge (USB)，通过离散分支薛定谔桥问题建模单细胞分辨率的跳跃式生灭动态，实现高效轨迹重建与离散模拟。
具身可解释性：将因果理解与视觉-语言-动作模型的泛化联系起来
机构 * University of Science and Technology of China（中国科学技术大学）
AI总结 提出干预显著性评分（ISS）和干扰质量比（NMR），通过干预掩码估计视觉区域对动作预测的因果影响，并量化对任务无关特征的归因，实验表明NMR可预测泛化行为，ISS比现有方法提供更忠实的解释。
Comments Accepted at the 43rd International Conference on Machine Learning (ICML 2026)
TopoHR: 面向驾驶场景中循环拓扑推理的层次化中心线表示与点到实例关系
机构 * Institute of Intelligent Machines, HFIPS, Chinese Academy of Sciences（智能机器研究所，HFIPS，中国科学院） ； University of Science and Technology of China（中国科学技术大学） ； NullMax ； Westlake University（西湖大学）
AI总结 提出TopoHR框架，通过层次化中心线表示和统一架构中的点到实例与实例到实例关系，实现中心线检测与拓扑推理的循环交互，在OpenLane-V2上取得显著性能提升。
Comments Accepted at CVPR 2026 (camera ready version)
扩散以协调：高效在线多智能体扩散策略
机构 * University of Science and Technology of China（中国科学技术大学）
AI总结 提出首个在线离线策略多智能体强化学习框架OMAD，利用扩散策略和松弛策略目标最大化缩放联合熵，实现高效探索与协调，在MPE和MAMuJoCo上样本效率提升2.5至5倍。
鲁棒隐私：通过认证鲁棒性实现推理阶段隐私
机构 * University of Science and Technology of China（中国科学技术大学）
AI总结 提出鲁棒隐私(RP)概念，基于认证鲁棒性确保预测在输入邻域内不变，从而限制推理阶段隐私泄露；实验表明RP在属性推断和模型反演攻击中有效提升隐私-效用权衡。
AsFT：在窄安全盆地内锚定大语言模型微调期间的安全性
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） ； Tsinghua University（清华大学）
AI总结 针对微调大语言模型时安全性易受损的问题，提出AsFT方法，通过惩罚与对齐方向正交的更新，将模型约束在窄安全盆地内，在提升任务性能的同时显著降低有害行为。
RSTR: 减少扩散Transformer中的时空冗余
机构 * University of Science and Technology of China（中国科学技术大学）
AI总结 提出RSTR框架，通过进化搜索和自适应秩分配联合减少扩散Transformer中的时空冗余，实现50%-70%计算节省并保持或提升生成质量。
Comments International Conference on Machine Learning (ICML)
物理驱动的时空建模用于AI生成视频检测
机构 * South China University of Technology（华南理工大学） ； University of Science and Technology of China（中国科学技术大学） ； Key Laboratory of Big Data and Intelligent Robot, Ministry of Education（教育部大数据与智能机器人重点实验室） ； Pazhou Lab（琶洲实验室） ； University of Melbourne（墨尔本大学） ； Hunan University（湖南大学） ； Hong Kong Baptist University（香港 Baptist大学）
AI总结 提出基于概率流守恒的物理驱动AI生成视频检测范式，通过归一化时空梯度（NSG）统计量捕捉物理异常，结合预训练扩散模型估计NSG，并利用最大均值差异（MMD）进行检测，在Recall和F1-Score上分别提升16.00%和10.75%。
Comments Accepted at NeurIPS 2025 spotlight
LaQual: 一种用于LLM应用质量评估的自动化框架
机构 * University of Science and Technology of China（中国科学技术大学）
AI总结 提出LaQual自动化框架，通过静态指标筛选和动态场景评估，实现LLM应用质量评估，与人类判断高度一致，可减少66.7%-81.3%候选应用。
基于轮廓场的椭圆形状先验用于Segment Anything模型
机构 * University of Science and Technology of China（中国科学技术大学）
AI总结 针对SAM难以高效生成椭圆形状分割结果的问题，提出一种参数化椭圆轮廓场约束方法，通过变分法和对偶算法将椭圆先验与图像特征融合，提升特定任务分割精度。
因果衣物不变特征学习用于换衣行人重识别
机构 * School of Cyber Science and Technology, University of Science and Technology of China（中国科学技术大学网络安全学院） ； Anhui Province Key Laboratory of Digital Security（安徽省数字安全重点实验室） ； Shanghai Artificial Intelligence Laboratory（上海人工智能实验室） ； School of Data Science, University of Science and Technology of China（中国科学技术大学数据科学学院） ； Wuhan University（武汉大学）
AI总结 针对换衣行人重识别中衣物变化导致特征失效的问题，提出因果衣物不变学习（CCIL），通过因果干预阻断衣物捷径，实现衣物不变特征学习，在PRCC和DeepChange数据集上分别达到66.4%和59.2%的Rank-1准确率。
AnyMod-LLVE: 模态无关推理的低光照视频增强
机构 * University of Science and Technology of China（中国科学技术大学）
AI总结 提出AMNet统一多模态框架，通过空间-频谱双门控转换器学习辅助模态与RGB输入的对应关系，支持推理时任意模态组合，解决低光照视频增强中辅助模态缺失问题。
Comments Accepted at ICML 2026; Project page and code: https://lhfgghc.github.io/LLVE-AMNet
平均流蒸馏：面向流匹配模型的鲁棒稳定蒸馏方法
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 提出平均流蒸馏（MFD）框架，通过时间低通滤波抑制优化噪声并保证轨迹一致性，实现流匹配模型的高保真单步生成。
GRAFT: 基于Transformer的神经群体活动建模中的增益重校准适配器
机构 * University of Science and Technology of China（中国科学技术大学）
AI总结 提出GRAFT模型，通过分离可重用时间动态与可重校准神经元接口，在MC Maze数据集上达到SOTA，并仅更新9.21%参数实现跨天重校准。
扩散强制规划器：基于时间依赖引导的历史退火规划用于自动驾驶
机构 * University of Science and Technology of China（中国科学技术大学） ； Yinwang Intelligent Technology Co., Ltd（银网智能科技有限公司） ； Hefei Institutes of Physical Science, Chinese Academy of Sciences（中国科学院合肥物质科学研究院）
AI总结 提出扩散强制规划器（DFP），通过历史引导控制实现异构联合扩散过程，结合退火历史的条件引导，解决运动规划中的时间不一致问题，在nuPlan上取得竞争性能。
Comments CVPR2026
AgniNav：配置驱动的跨具身局部规划机器人导航
机构 * Eastern Institute of Technology, Ningbo, China（东方理工（宁波）） ； University of Nottingham, Nottingham, UK（诺丁汉大学） ； University of Science and Technology of China, Hefei, China（中国科学技术大学）
AI总结 提出AgniNav框架，通过可配置的四参数安全包络实现单目视觉导航在轮式、四足和人形机器人间的零重训练迁移，联合调节感知与规划。
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