高校专区
专家混合模型可在严格相等资源下超越密集语言模型
机构 * Fudan University（复旦大学） ； StepFun ； University of Science and Technology of China（中国科学技术大学） ； Zhejiang University（浙江大学）
AI总结 本文研究在资源相等条件下MoE模型是否能超越密集模型，提出优化框架并验证了在最优激活率下MoE模型性能更优，且该区域在不同模型规模下一致，通过数据重用解决数据量增加的权衡问题。
Comments Published as a conference paper at ICLR 2026
核化优势估计：从非参数统计到大语言模型推理
机构 * School of Management, University of Science and Technology of China（中国科学技术大学管理学院） ； Department of Statistics, London School of Economics and Political Science（伦敦政治经济学院统计系） ； School of Mathematics, University of Birmingham（伯明翰大学数学学院） ； Academy of Mathematics and Systems Science, Chinese Academy of Sciences（中国科学院数学与系统科学研究院） ； Department of Mathematics, Tsinghua University（清华大学数学系）
AI总结 本文提出利用非参数统计方法提升大语言模型推理中的优势估计，通过核平滑技术实现高效的价值函数估计与策略优化，提升政策学习质量。
Comments 45 pages, 5 figures
先看再跳：面向LLM代理的自主探索
机构 * University of Science and Technology of China（中国科学技术大学） ； Meituan（美团）
AI总结 本文提出自主探索能力，通过探索检查点覆盖率指标，改进LLM代理在陌生环境中的适应性，采用探索与执行交替训练策略，提升任务执行的泛化能力。
多级上下文令牌关系建模用于机器生成文本检测
机构 * Department of Computer Science, Hong Kong Baptist University（香港 Baptist 大学计算机科学系） ； School of Software Engineering, South China University of Technology（华南理工大学软件学院） ； 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） ； State Key Laboratory of Cognitive Intelligence（认知智能国家重点实验室）
AI总结 本文提出多级上下文令牌关系建模框架，通过局部校准和全局规则推理模块提升机器生成文本检测性能，实验显示在多种实际场景中效果显著。
VideoSeeker：通过原生代理工具调用激励实例级视频理解
机构 * University of Science and Technology of China（中国科学技术大学） ； Xiaohongshu Inc.（小红书公司） ； East China Normal University（华东师范大学） ； Xi’an Jiaotong University（西安交通大学）
AI总结 VideoSeeker通过整合代理推理与实例级视频理解任务，提升视频理解精度，实验表明其在实例级任务中比基线模型提升13.7%，超越GPT-4o和Gemini-2.5-Pro。
Comments Project Page: https://gaotiexinqu.github.io/VideoSeeker/
从失败到反馈：群体修订解锁对象级 grounding 的难题
机构 * Department of Engineering Science, University of Oxford（牛津大学工程科学系） ； Australian Institute for Machine Learning, Adelaide University（阿德莱德大学人工智能研究所） ； Technical University of Munich（慕尼黑技术大学） ； University of Science and Technology of China（中国科学技术大学） ； Cornell University（康奈尔大学）
AI总结 本文提出群体修订优化方法，通过生成改进候选响应提升硬案例学习效果，改进奖励和优势函数以增强高质量修订影响，优于现有GRPO方法。
Comments 8 pages, 5 figures, IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR), 2026
AOT-POT：面向大规模PDE预训练的自适应算子变换
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） ； Department of Electronic Engineering, Tsinghua University, China（清华大学电子工程系）
AI总结 本文提出AOT-POT方法，通过自适应算子变换将复杂多样的PDE解算子转化为统一形式，提升预训练效果，实验表明其在12个PDE基准上表现优异，参数仅增加3%。
CLOVER：端到端自动驾驶规划的闭环价值估计与排序
机构 * Department of Automation, University of Science and Technology of China（中国科学技术大学自动化系） ； Institute for AI Industry Research, Tsinghua University（清华大学人工智能产业研究院） ； School of Electronic Information Engineering, Beihang University（北航电子信息技术学院） ； National College for Excellent Engineers, Beihang University（北航卓越工程师学院）
AI总结 CLOVER通过闭环价值估计与排序框架，解决端到端自动驾驶规划中训练与评估不匹配的问题，通过生成器和评分器的轻量级架构提升规划器性能，实现更准确的候选轨迹排序。
FutureWorld: 一个用于预测代理的实时强化学习环境，具有现实世界结果奖励
机构 * College of Software, Nankai University（南开大学软件学院） ； Academy of Mathematics and Systems Science, Chinese Academy of Sciences（中国科学院数学与系统科学研究院） ； 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） ； Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所） ； IIIS, Tsinghua University（清华大学智能系统与信息工程研究院） ； Zhongguancun Academy, Beijing, China（北京中关村学院）
AI总结 本文提出FutureWorld，一个实时强化学习环境，通过闭环预测、结果实现与参数更新，提升预测准确性与校准能力。
Comments The code will be released in the near future. The experiments are currently ongoing
TVRN：用于压缩感知的可逆神经网络时间视频重采样
机构 * MOE Key Laboratory of Brain-Inspired Intelligent Perception and Cognition（教育部脑科学与智能感知认知重点实验室） ； University of Science and Technology of China（中国科学技术大学） ； Information Science and Technology Institution（信息科学与技术研究所） ； MCC Lab（MCC实验室）
AI总结 本文提出TVRN框架，通过可逆架构和学习到的排名策略，解决压缩感知下的时间视频重采样问题，提升重建质量。
Comments Accepted by IEEE Transactions on Image Processing
高斯关系图变换器
机构 * School of Artificial Intelligence and Data Science, University of Science and Technology of China（中国科学技术大学人工智能与数据科学学院） ； School of Biomedical Engineering, USTC（中国科学技术大学生物医学工程学院） ； Data Darkness Lab, Suzhou Institute for Advanced Research, USTC（中国科学技术大学苏州市先进研究机构数据暗室） ； Chinese Academy of Sciences（中国科学院）
AI总结 本文提出GelGT，通过结构-语义协作采样和高斯图注意力机制，解决关系图模型中长距离依赖和多信息联合建模问题，实验显示在多个真实数据集上达到最先进的预测性能。
通过闭环验证推理解锁复杂视觉生成
机构 * University of Science and Technology of China（中国科学技术大学）
AI总结 本文提出CLVR框架，结合视觉语言逻辑规划与像素级扩散生成，通过自动化数据引擎和PPRL解决多步推理中的优化问题，同时引入DSWM降低推理成本，实验表明其在多个基准上优于开源模型，实现了复杂视觉生成的扩展能力。
强制等变性的弊端及其通过表达能力的视角进行补偿
机构 * University of Science and Technology of China（中国科学技术大学） ； University of Edinburgh（爱丁堡大学） ； Nanyang Technological University（南洋理工大学）
AI总结 本文研究了强制等变性对表达能力的影响，发现其会降低表达能力，但通过扩大模型规模可补偿，并证明了补偿所需的规模上限，同时发现扩大后的架构具有更优的泛化能力。
看见重要之物：面向视觉生成的视觉偏好策略优化
机构 * Southeast University（东南大学） ； Institute of Artificial Intelligence (TeleAI), China Telecom（人工智能研究院（TeleAI），中国电信） ； University of Science and Technology of China（中国科学技术大学）
AI总结 本文提出ViPO，一种改进的GRPO方法，通过结构化像素级优势图提升视觉生成的对齐和泛化能力，优于传统GRPO。
超越沉没成本：通过专家混合的正交增长提升LLM预训练效率
机构 * ustc（中国科学技术大学） ； msra（微软亚洲研究院） ； stju（上海交通大学） ； xmu（厦门大学）
AI总结 本文提出正交增长策略，通过优化专家混合模型的深度和宽度，提升LLM预训练效率，实验证明在相同计算预算下，模型准确率提升10.6%。
Comments Accepted to ICML 2026
使用FP4量化优化大型语言模型训练
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） ； Microsoft SIGMA Team（微软SIGMA团队）
AI总结 本文提出首个FP4训练框架，通过可微量化估计器和异常值钳制补偿策略，解决量化误差和表示能力限制问题，实现与BF16和FP8相近的精度，适用于大规模语言模型训练。
Journal ref Proceedings of the 42nd International Conference on Machine Learning, PMLR 267:62937-62957, 2025
教大语言模型何时不知：学习事前推理的临时批评
机构 * University of Science and Technology of China（中国科学技术大学） ； The Hong Kong Polytechnic University（香港理工大学） ； University of Notre Dame（圣母大学）
AI总结 本文研究大语言模型在时间截止下的推理失败，提出TCFT框架通过训练模型识别时间泄漏并判断响应的可接受性，实验表明其在减少时间泄漏方面优于提示和监督微调方法。
基于反应规划的移动机器人在障碍物密集环境中的控制
机构 * Department of Automation, University of Science and Technology of China（自动化系，中国科学技术大学） ； School of Intelligence Science and Engineering, Harbin Institute of Technology Shenzhen（智能科学与工程学院，哈尔滨工业大学深圳） ； School of Control Science and Engineering, Dalian University of Technology（控制科学与工程学院，大连理工大学）
AI总结 本文提出基于反应规划的控制策略，用于移动机器人在障碍物密集环境中避障和导航，通过局部修改参考轨迹实现安全运动。
Comments 7 pages, 7 figures
MemQ：将Q学习整合到基于溯源DAG的自进化记忆代理中
机构 * Shanghai Jiao Tong University（上海交通大学） ； Shanghai Innovation Institute（上海创新研究院） ； National University of Singapore（新加坡国立大学） ； Xidian University（西安电子科技大学） ； University of Science and Technology of China（中国科学技术大学） ； MemTensor (Shanghai) Technology Co., Ltd.（MemTensor（上海）科技有限公司）
AI总结 MemQ通过在溯源DAG中传播信用权重，改进记忆Q值的评估，提升多步任务的泛化能力，尤其在产生深层相关溯源链的任务中表现突出。
Comments 22 pages, 11 figures (containing 43 individual image panels total)
MemCompiler: 编译，而非注入 -- 用于具身智能体的状态条件化记忆
机构 * University of Science and Technology of China（中国科学技术大学） ； Huazhong University of Science and Technology（华中科技大学） ； Microsoft Research（微软研究院） ； Nanjing University（南京大学） ； Institute for AI Industry Research (AIR) Tsinghua University（清华大学人工智能产业研究院）
AI总结 MemCompiler通过状态条件化记忆编译提升具身智能体的记忆效率与效果，在多个基准测试中实现性能提升和延迟降低。
反长度偏移：动态异常截断用于训练高效的推理模型
机构 * University of Science and Technology of China（中国科学技术大学） ； Xiaohongshu Inc.（小红书公司） ； The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州））
AI总结 本文提出动态异常截断方法，通过在训练时抑制冗余token，提升推理模型的效率与性能，实验显示在AIME-24上推理token使用减少78%且准确率提升。
Comments Accepted by ACL2026
超球面能量正则化的序列模型编辑
机构 * Columbia University（哥伦比亚大学） ； University of California, Los Angeles（加州大学洛杉矶分校） ； Zhejiang University（浙江大学） ； University of Science and Technology of China（中国科学技术大学）
AI总结 本文提出SPHERE方法，通过超球面能量正则化提升模型在序列编辑中的稳定性与知识保留能力，实验表明其在编辑性能上优于基线方法16.41%。
Comments Accepted by ICLR 2026. The code is available at https://github.com/PlusLabNLP/SPHERE. Project page: https://www.qingyuanliu.net/sphere_projectpage/
ReNF：重新思考神经长期时间序列预测器的设计
机构 * HFIPS, Chinese Academy of Sciences（中国科学院合肥研究院） ； University of Science and Technology of China（中国科学技术大学） ； Hefei University of Technology（合肥工业大学）
AI总结 本文提出BDO方法，通过结合因果结构与稳定性，提升长期时间序列预测性能，并通过参数平滑减少泛化差距，实验证明简单改进优于复杂模型。
通过并行搜索和显式合并扩展检索增强推理
机构 * University of Science and Technology of China（中国科学技术大学） ； WeChat Technical Architecture Department, Tecent Inc.（腾讯公司微信技术架构部门）
AI总结 本文提出MultiSearch框架，通过多查询检索和显式信息融合提升检索增强推理效果，实验表明其在问答任务中优于基线方法。
R^2-Mem: 用于记忆搜索的反思经验
机构 * University of Science and Technology of China（中国科学技术大学）
AI总结 R^2-Mem通过反思经验框架提升记忆搜索系统的有效性和效率，通过历史轨迹评分和自我反思学习，减少重复错误并提高搜索质量，实验表明其在F1分数提升和资源消耗降低方面表现优异。
GRIP-VLM：基于组相对重要性的高效视觉-语言模型压缩
机构 * Institute for AI Industry Research (AIR), Tsinghua University（人工智能产业研究院（AIR），清华大学） ； Juhaokan Technology Co.,Ltd（极皓科技有限公司） ； Nanjing University（南京大学） ； University of Science and Technology of China（中国科学技术大学）
AI总结 GRIP-VLM通过强化学习框架解决视觉语言模型中大规模视觉token处理的计算瓶颈，通过组相对重要性策略优化实现高效压缩，达到15%的推理加速。
Comments 10 pages, 11 figures
UniCustom: 多参考图像生成的统一视觉条件化
机构 * University of Science and Technology of China（中国科学技术大学） ； Kling Team, Kuaishou Technology（快手技术团队）
AI总结 UniCustom通过融合ViT和VAE特征提升多参考图像生成中主体一致性和指令遵循能力，采用两阶段训练策略和槽绑定正则化减少跨参考混淆。
扩散模型的泛化能力可以通过数据依赖的ridge流形的归纳偏差来表征
机构 * Georgia Institute of Technology（佐治亚理工学院） ； University of Science and Technology of China（中国科学技术大学）
AI总结 本文研究扩散模型泛化能力的几何机制，通过引入时间依赖的log-density ridge流形，揭示生成样本在流形附近的运动规律，并通过实验验证了其在多模态数据和MNIST中的有效性。
TouchGuide: 通过触觉引导在推理时操控视觉-触觉策略
机构 * Shanghai Jiao Tong University（上海交通大学） ； Xense Robotics（Xense机器人公司） ； Sun Yat-sen University（中山大学） ； Oxford（牛津大学） ； Shanghai AI 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） ； UCSD（加州大学圣地亚哥分校）
AI总结 本文提出TouchGuide，一种新的跨策略视觉-触觉融合方法，通过触觉引导在推理时优化预训练的视觉-触觉策略，提升机器人精细接触操作能力。
MAP：一种用于长周期交互代理推理的先映射再行动范式
机构 * University of Science and Technology of China（中国科学技术大学） ； Meituan（美团） ； Institution of Automation, Chinese Academy of Sciences（中国科学院自动化研究所） ； Tianjin University（天津大学）
AI总结 本文提出MAP范式，通过先构建环境认知再执行任务，解决交互代理中环境感知延迟问题，实验显示在多个基准测试中表现优异。
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