高校专区
pTNAS: 面向表格数据的渐进式神经架构搜索
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 提出首个针对表格数据的渐进式神经架构搜索方法pTNAS，采用过滤-精炼优化策略，结合零成本代理和固定预算调度算法，实现架构快速识别与性能持续提升，相比其他NAS方法加速高达82.75倍。
Goedel-Architect: 通过蓝图生成与精炼简化形式定理证明
机构 * University of California, Berkeley（加州大学伯克利分校） ； Stanford University（斯坦福大学） ； University of Science and Technology of China（中国科学技术大学） ； University of Toronto（多伦多大学） ； National University of Singapore（新加坡国立大学） ； University of Tokyo（东京大学） ； University of Washington（华盛顿大学）
AI总结 提出Goedel-Architect框架，通过生成和精炼依赖图蓝图，结合Lean 4证明器并行证明引理，在多个基准测试上达到开源最优性能。
面向智能体数据分析的无监督技能发现
机构 * University of Science and Technology of China（中国科学技术大学）
AI总结 提出DataCOPE框架，通过无监督验证器引导从探索轨迹中发现可复用的数据分析技能，在报告式和推理式分析任务上分别提升平均得分9.71%和32.30%。
Comments Work in progress
TRACE: 面向多模态时间序列基础模型的时间条件估计
机构 * University of Science and Technology of China（中国科学技术大学）
AI总结 提出TRACE条件估计范式，通过利用可用辅助模态推断缺失目标模态，解决多模态时间序列中的时间错位和部分模态缺失问题，在医疗和情感分析基准上优于现有融合方法。
Comments 5 figures and 5 tables in the main paper, plus appendix
告密范数：$\ell_2$ 幅度作为大语言模型推理动态的信号
机构 * University of Science and Technology of China（中国科学技术大学）
AI总结 本文提出隐藏状态的 $\ell_2$ 范数作为大语言模型推理强度的内生信号，并通过稀疏自编码器分析、理论证明和因果干预验证其有效性，进而引入三种基于 $\ell_2$ 范数的测试时缩放技术以提升推理性能。
Comments ICML
对抗攻击已揭示答案：面向视觉语言模型的定向偏差引导测试时防御
机构 * University of Science and Technology of China（中国科学技术大学） ； National Key Laboratory of Deep Space Exploration, Deep Space Exploration Laboratory（国家深空探测重点实验室，深空探测实验室） ； The Chinese University of Hong Kong（香港中文大学） ； Zhejiang University（浙江大学） ； Ant Group（蚂蚁集团）
AI总结 提出定向偏差引导防御（DBD），利用对抗样本在CLIP特征空间中沿主导方向偏移的现象，通过估计防御方向并采用DB分数双流重建策略恢复鲁棒表示，在15个数据集上实现最先进对抗鲁棒性且保持干净准确率。
Comments Accepted by ICLR2026
超越语义组织：记忆作为长时程智能体的执行状态管理
机构 * University of Science and Technology of China（中国科学技术大学） ； Microsoft（微软） ； Nanjing University（南京大学） ； University of California, San Diego（加州大学圣地亚哥分校）
AI总结 针对长时程任务中智能体依赖执行状态而非语义相似性的问题，提出MAGE（记忆作为智能体引导的探索），通过层次状态树管理交互，实现状态完整性和错误隔离，在MemoryArena上任务成功率提升7.8-20.4个百分点，token消耗降低55.1%。
Comments 16 pages
超越相似性：面向个人AI代理的可信记忆搜索
机构 * University of Science and Technology of China（中国科学技术大学） ； Tsinghua University（清华大学） ； National University of Singapore（新加坡国立大学） ； University of California, Berkeley（加州大学伯克利分校）
AI总结 针对个人AI代理中基于语义相似性的记忆检索存在的信任漏洞，提出轻量级记忆插件MemGate，通过查询条件神经门控实现可信记忆搜索。
当足够好即最优：量化门控DeltaNet的仅乘法矩阵求逆近似
机构 * University of Science and Technology of China（中国科学技术大学）
AI总结 针对分块并行线性注意力中矩阵求逆的瓶颈，提出基于截断Neumann级数展开的仅矩阵乘法算法，结合结构掩码和并行残差校正，实现NPU上5倍内核加速和20%解码层开销降低。
Asuka-Bench: 针对未明确用户意图与多轮优化的代码智能体基准测试
机构 * University of Science and Technology of China（中国科学技术大学） ； Independent researchers（独立研究人员）
AI总结 提出Asuka-Bench基准，通过未明确用户意图与多轮优化闭环评估代码智能体，包含50个网页任务和784个评估标准，揭示模型间显著性能差异。
Comments under review
超越WER：面向环境临床记录员的配对声学压力测试
机构 * University of Science and Technology of China（中国科学技术大学） ； iFLYTEK Co., Ltd.（iFLYTEK公司）
AI总结 提出配对声学压力测试方法，通过注入噪声并冻结下游模型，揭示噪声对临床推理的安全影响，发现轻微声学扰动可逆转临床意义而不显著增加词错误率，并展示轻量级缓解策略。
Comments Accepted to INTERSPEECH 2026
TAPO: 通过信用转移实现工具感知策略优化用于多模态搜索代理
机构 * University of Science and Technology of China（中国科学技术大学） ； Meituan（美团）
AI总结 针对GRPO在多模态搜索代理中信用误分配问题，提出TAPO方法，利用工具参数确定性构建反事实证人进行保守优势校正，无需额外标注或采样，在多个基准上持续提升性能。
在预测之前想象：用于视频事件预测的交错潜在视觉推理
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） ； City University of Hong Kong（香港城市大学） ； Nanjing University（南京大学） ； Fudan University（复旦大学） ； Zhejiang University（浙江大学） ； University of Electronic Science and Technology of China（电子科技大学）
AI总结 提出Future-L1框架，通过交错潜在视觉推理在自回归解码中交替语言token和连续潜在视觉跨度，结合LA-DAPO强化学习优化，在视频事件预测任务上取得最先进结果。
基于评论的异构多智能体推理用于可靠的数学问题求解
机构 * University of Science and Technology of China（中国科学技术大学）
AI总结 提出一种基于评论的异构多智能体框架，通过生成器-验证器结构和自适应学习系统，利用中间反馈评估和引导推理过程，在GSM8K基准上实现高达13%的准确率提升，并减少对大模型的依赖。
Comments 6 pages
KV-Control: 用于轨迹控制文本到运动的参数高效K/V注入
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 提出KV-Control，一种紧凑的注意力侧控制接口，通过部分标记化运动基元和轨迹编码器注入键/值记忆，实现精确的轨迹控制而不覆盖预训练的文本条件运动先验。
我们真的需要立即重置吗？重新思考高效机器人导航的碰撞处理
机构 * College of Information Science and Technology, Eastern Institute of Technology（信息科学与技术学院，东部技术学院） ； Department of Aeronautical and Aviation Engineering, The Hong Kong Polytechnic University（航空与航空工程系，香港理工大学） ； Department of Computing, The Hong Kong Polytechnic University（计算系，香港理工大学） ； School of Computer Science and Technology, University of Science and Technology of China（计算机科学与技术学院，中国科学技术大学） ； Department of Mechanical Engineering, The Hong Kong Polytechnic University（机械工程系，香港理工大学）
AI总结 针对机器人导航中每次碰撞立即重置环境的惯例，提出多碰撞重置预算（MCB）框架，通过将局部碰撞终止与全局环境重置解耦，允许智能体在同一回合内重试困难配置，从而提高早期学习效率。
Comments 8 pages, 9 figures
语言模型引导的圆柱表示假说
机构 * University of Science and Technology of China（中国科学技术大学）
AI总结 提出圆柱表示假说（CRH），通过放宽线性表示假说（LRH）的正交性假设，解释语言模型引导中的不稳定性和不确定性。
Comments ICML 2026 camera ready
通用三重潜在压缩与门控关联检索
机构 * Institute of Informatics, University of Science and Technology of China（中国科学技术大学信息科学研究院）
AI总结 提出通用三重潜在序列模型，通过维护运行令牌状态和压缩对记忆路径捕获高阶令牌交互，无需基准特定解析，在字节级WikiText-2和基于分词器的MiniMind语言模型基准上改进小型Transformer基线，而基于召回的门控键值检索扩展提升关联召回但存在种子敏感性和速度问题。
VISTA: 基于视觉和物理验证的UMI数据适配用于VLA训练
机构 * Institute of AI (TeleAI), China Telecom（人工智能研究院（TeleAI），中国电信） ； Lumos Robotics（Lumos机器人） ； University of Science and Technology of China（中国科学技术大学） ； Northwestern Polytechnical University（西北工业大学） ； Shanghai Jiao Tong University（上海交通大学） ； East China University of Science and Technology（东华大学） ； Harbin Engineering University（哈尔滨工程大学） ； Fudan University（复旦大学）
AI总结 提出VISTA框架，通过UMI-VQA数据集对齐视觉表示、物理验证流水线筛选可行轨迹以及两阶段联合训练，解决UMI数据训练VLA模型时的视觉分布偏移和物理不可行动作问题。
Comments Corrected the typing error
LimiX-2M：缓解表格基础模型中的低秩坍塌和注意力瓶颈
机构 * University of Science and Technology of China（中国科学技术大学）
AI总结 提出统一tokenize-and-route框架LimiX-2M，通过RaBEL扩展标量为局部RBF特征并重新排序双向块S→N→F，以2M参数超越更大模型，改善表格基础模型的精度-效率权衡。
Comments Accepted to ICML 2026
4DPC$^2$hat: 面向动态点云理解的失败感知自举学习
机构 * University of Science and Technology of China（中国科学技术大学）
AI总结 提出首个针对动态点云理解的多模态大语言模型4DPC$^2$hat，通过构建大规模跨模态数据集4DPC$^2$hat-200K和引入Mamba增强的时间推理模块及失败感知自举学习策略，显著提升了动作理解与时间推理能力。
Comments Accept by ICML 2026
当偏好标签不足时：从真实数据对齐扩散模型
机构 * University of Science and Technology of China（中国科学技术大学）
AI总结 本文研究了真实数据作为偏好对齐的替代监督源，通过数据驱动的方法，利用真实图像作为参考点，对比生成或扰动样本以构建偏好信号，无需手动标注的偏好对，实验证明真实数据监督能有效对齐扩散模型并达到与现有偏好方法相当的性能。
Comments ICML 2026 Camera Ready; Project Page: https://cwyxx.github.io/RealAlign
HiDe: 通过分层解耦重新思考高分辨率MLLMs中的Zoom-IN方法
机构 * University of Science and Technology of China（中国科学技术大学）
AI总结 本文提出HiDe框架，通过分层解耦方法解决高分辨率图像中背景干扰导致的视觉理解问题，提升多模态大语言模型在高分辨率图像任务中的性能。
Comments Accepted by ICML2026
AgentDisCo: 向开放深度研究代理中的解耦与协作迈进
机构 * University of Science and Technology of China（中国科学技术大学）
AI总结 本文提出AgentDisCo，一种解耦且协作的代理架构，将深度研究视为信息探索与利用之间的对抗优化问题。通过批评代理评估生成的草稿并优化搜索查询，生成代理检索更新结果并修订草稿，最终生成综合报告。该框架通过元优化 harness 支持手工和自动发现的设计策略，并利用强大的代码生成代理自完善。
路径耦合贝尔曼流用于分布式强化学习
机构 * University of Science and Technology of China（中国科学技术大学）
AI总结 本文提出路径耦合贝尔曼流（PCBF），一种连续时间的分布式强化学习方法，通过学习回报分布的流匹配来解决现有方法在边界不匹配和高方差-bootstrap问题，实验表明其在分布保真度和训练稳定性方面有所提升。
Comments Accepted to the 43rd International Conference on Machine Learning (ICML 2026)
Journal ref Proceedings of the 43rd International Conference on Machine Learning, Seoul, South Korea. PMLR 306, 2026
通过回滚增强学习视觉-语言模型中的自我纠正
机构 * University of Science and Technology of China（中国科学技术大学）
AI总结 本文提出一种基于回滚增强的强化学习框架Octopus，通过重新组合现有回滚生成密集的自我纠正示例，提高样本效率并稳定RL优化，同时引入响应遮蔽策略以解耦自我纠正与直接推理，从而在7个基准测试中实现开源VLM的SOTA性能。
Comments 18 pages
Journal ref ICML 2026
揭示递归神经策略中的隐藏动力学结构
机构 * University of Science and Technology of China（中国科学技术大学）
AI总结 本文通过分析不同训练方法、模型架构和任务中学习得到的递归策略的隐藏状态域，发现稳定的循环结构在与环境交互时 consistently 出现，这些结构与动力系统分析中的极限环有相似性，并揭示了极限环几何结构与策略行为之间的对应关系，为解释递归策略的性能提供了新视角。
Drive-KD：自动驾驶中用于视觉语言模型的多教师知识蒸馏
机构 * University of Science and Technology of China（中国科学技术大学）
AI总结 本文提出Drive-KD框架，通过将自动驾驶分解为感知-推理-规划三元组，并利用知识蒸馏转移能力，构建了专用教师模型，并通过异构梯度投影缓解跨能力梯度冲突，验证了方法在不同模型家族和规模上的泛化能力，展示了蒸馏模型在自动驾驶任务中的优越性能。
Comments Preprint. 23 pages, 14 figures
HOLO：基于单应图的细粒度视觉定位网络用于标准定义（SD）地图的视觉定位
机构 * Beijing Institute of Technology（北京理工大学） ； University of Science and Technology of China（中国科学技术大学）
AI总结 本文提出了一种基于单应图的视觉定位网络，用于多视角图像与标准定义地图之间的细粒度视觉定位，通过构建满足单应约束的输入对，利用单应关系引导特征融合并限制姿态输出到有效区域，提高了训练效率和定位精度。
性能提升的幻象：为何对比解码无法减轻多模态大语言模型中的对象幻觉？
机构 * University of Science and Technology of China（中国科学技术大学） ； Eastern Institute of Technology, Ningbo（宁波东部技术研究所）
AI总结 本文研究了对比解码方法在减轻多模态大语言模型（MLLMs）中对象幻觉方面的有效性，发现其性能提升主要源于两个误导性因素，挑战了对比解码策略的有效性。
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