高校专区
随机性的确定性：提示残差种子塑形用于扩散生成
机构 * USTC（中国科学技术大学） ； Li Auto Inc.（利亚自动化公司） ； Xi’an High-tech Research Institute（西安高新技术研究院） ； Wechat Vision（微信视觉） ； Cambridge University（剑桥大学） ； HUST（华中科技大学）
AI总结 本文研究了扩散生成中种子敏感性，提出无需训练的提示残差种子塑形方法，通过单个高噪声冷启动提示残差提升生成对齐和质量。
在黎曼图-图上学习图基础模型
机构 * School of Biomedical Engineering, University of Science and Technology of China (USTC), Suzhou, Jiangsu, China（生物医学工程学院，中国科学技术大学（USTC），苏州，江苏，中国） ； Data Darkness Lab, Suzhou Institute for Advanced Research, USTC, Suzhou, Jiangsu, China（Data Darkness实验室，苏州市先进研究院，USTC，苏州，江苏，中国） ； School of Artificial Intelligence and Data Science, USTC, Hefei, Anhui, China（人工智能与数据科学学院，USTC，合肥，安徽，中国）
AI总结 本文提出R-GFM，一种基于黎曼图-图的图基础模型，通过多尺度图-图结构建模，提升结构域泛化性能，在多个数据集上取得最佳表现，下游任务相对提升达49%。
Comments This paper has been accepted by ICML 2026
SDTalk: 结构化面部先验与双分支运动场用于通用化的高斯说话头合成
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）
AI总结 SDTalk通过结构化面部先验和双分支运动场，实现无需个性化训练的通用高斯说话头合成，提升视觉质量和推理效率。
Comments 5 pages, 4 figures, 4 tables
WISTERIA：通过电子健康记录中的多视图一致性学习临床表示
机构 * University of Science and Technology of China（中国科学技术大学） ； Columbia University（哥伦比亚大学）
AI总结 WISTERIA通过多视图一致性学习电子健康记录中的临床表示，利用弱监督学习框架，改进预测性能并增强对标签噪声的鲁棒性。
PDEAgent-Bench: 一个多指标、多库的PDE求解器生成基准
机构 * University of Science and Technology of China（中国科学技术大学） ； Tencent（腾讯） ； Beijing University of Posts and Telecommunications（北京邮电大学） ； Shanghai Jiao Tong University（上海交通大学） ； Zhejiang University（浙江大学） ； National University of Singapore（新加坡国立大学） ； Tsinghua University（清华大学） ； University of Texas at Dallas（德克萨斯大学达拉斯分校） ； Arizona State University（亚利桑那州立大学） ； Rice University（里士满大学） ； Technical University of Munich（慕尼黑技术大学） ； Stanford University（斯坦福大学） ； Alibaba Group（阿里巴巴集团）
AI总结 PDEAgent-Bench是首个针对PDE求解器生成的多指标、多库基准，包含645个实例，涵盖6类数学问题和11种PDE家族，评估生成求解器的可执行性、数值精度和计算效率。
TacoMAS: 在基于大语言模型的多智能体系统中拓扑与能力的测试时间共演
机构 * Carnegie Mellon University（卡内基梅隆大学） ； 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） ； Shanghai AI Lab（上海人工智能实验室）
AI总结 TacoMAS通过联合调整拓扑和能力，以不同时间尺度优化多智能体系统，实验表明其在四个基准测试中优于20个基线模型，平均提升13.3%。
SWIFT: 用于高效交互长视频生成的提示自适应内存
机构 * University of Science and Technology of China（中国科学技术大学） ； Fudan University（复旦大学） ； Georgia Institute of Technology（佐治亚理工学院） ； Shanghai Jiao Tong University（上海交通大学）
AI总结 SWIFT提出一种无需训练的多提示长视频生成框架，通过轻量级语义注入缓存和自适应动态窗口实现高效语义切换，保持时间一致性，达到22.6 FPS的高效生成速度。
Comments Code is available at https://github.com/ShanwenTan/SWIFT
GraphReAct：多步图推断中的推理与行动
机构 * The Chinese University of Hong Kong（香港中文大学） ； The University of Science and Technology of China（中国科学技术大学） ； University of Electronic Science and Technology of China（电子科技大学） ； The University of Tokyo（东京大学） ； RMIT University（皇家墨尔本理工大学） ； Singapore Management University（新加坡管理学院）
AI总结 GraphReAct通过结合推理与行动，提升图数据的多步推断能力，通过拓扑和语义检索及上下文精炼实现信息逐步扩展与压缩，实验表明其优于现有方法。
Comments Under review
MineEvolve: 基于积累知识的长周期具身Minecraft智能体自进化
机构 * USTC（中国科学技术大学） ； NTU（国立台湾大学） ； CityU-DG（城市大学-数据科学） ； THU（清华大学） ； ZJU（浙江大学） ； HKU（香港大学） ； CUHK-SZ（香港大学-深圳）
AI总结 本文提出MineEvolve框架，通过将执行反馈转化为可操作的行为知识，提升长周期具身智能体在Minecraft中的表现，实验表明其在高依赖任务组中效果显著。
AgentReview: 探索基于LLM代理的同行评审动态
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） ； Carnegie Mellon University（卡内基梅隆大学） ； University of California, Santa Barbara（加州大学圣巴巴拉分校） ； University of California, Los Angeles（加州大学洛杉矶分校） ； William & Mary（威廉与玛丽学院）
AI总结 本文提出AgentReview框架，通过LLM模拟同行评审过程，揭示评审者偏见导致论文决策37.1%的变异，结合社会学理论提升评审机制设计。
Comments Accepted at EMNLP 2024 Main Track (Oral). https://agentreview.github.io/
Self-ReSET: 通过学习自我恢复来应对不安全推理轨迹
机构 * University of Science and Technology of China（中国科学技术大学） ； Shanghai Artificial Intelligence Laboratory（上海人工智能实验室） ； National University of Singapore（新加坡国立大学）
AI总结 本文提出Self-ReSET框架，通过纯强化学习使大推理模型具备自我恢复能力，提升对抗攻击下的鲁棒性并高效利用数据。
通过验证内部化安全理解以提升大推理模型
机构 * National University of Singapore（国立新加坡大学） ； University of Science and Technology of China（中国科学技术大学） ； Shanghai Artificial Intelligence Laboratory（上海人工智能实验室）
AI总结 本文提出Safety Internal框架，通过训练模型在安全验证任务中自我批判生成答案，提升模型对自身输出安全性的判断能力，增强对抗性突破的鲁棒性。
Comments Accepted at the 43rd International Conference on Machine Learning (ICML 2026)
事件场：学习隐式事件结构用于波形基础模型
机构 * University of Science and Technology of China（中国科学技术大学） ； Columbia University（哥伦比亚大学）
AI总结 本文提出一种新的波形基础模型，通过将生理时间序列建模为隐式事件过程的实现，而非传统序列表示。该方法通过自监督学习框架，促使波形的随机分割和时间频率投影之间的一致性，提升模型对信号扰动的鲁棒性并保持事件层面的组织结构。
面向移动设备的最轻量级低光照图像增强架构
机构 * Key Laboratory of Precision and Intelligent Chemistry, Department of Precision Machinery and Precision Instrumentation, University of Science and Technology of China（精密与智能化学重点实验室，精密机械与精密仪器系，中国科学技术大学） ； School of Information and Communication Engineering, University of Electronic Science and Technology of China（信息与通信工程学院，电子科学与技术大学）
AI总结 本文提出LiteIE框架，通过轻量级网络和无监督训练，实现低光照图像增强的高效解决方案，在资源受限设备上达到高PSNR和实时处理能力。
Comments Accepted by ESWA
通过一个单个演示缓解多示例劫持攻击
机构 * Zhejiang University（浙江大学） ； Nanyang Technological University（南洋理工大学） ； Sun Yat-sen University（中山大学） ； University of Science and Technology of China（中国科学技术大学） ； Virginia Tech（弗吉尼亚理工大学）
AI总结 本文研究多示例劫持攻击为何随着演示数量增加而增强，提出通过添加固定单个安全演示来对抗该攻击，从而提升模型鲁棒性。
分布谱诊断法用于定位Grokking转变
机构 * Institute of Science Tokyo（东京科学研究所） ； University of Science and Technology of China（中国科学技术大学）
AI总结 本文提出通过分布谱诊断法定位Grokking转变，利用经验分布、Wasserstein坐标和Hankel DMD分析，实现对训练轨迹中转变的检测与定位。
晶体分数图神经网络用于高熵合金的能量预测
机构 * School of Informatics, Nagoya University（名古屋大学信息学系） ； University of Science and Technology of China（中国科学技术大学） ； Suzhou Institute for Advanced Research, University of Science and Technology of China（中国科学技术大学苏州市先进研究所）
AI总结 本文提出晶体分数图神经网络，结合局部原子环境与全局组成信息，预测高熵合金能量，实验表明其精度接近第一性原理计算，但需改进处理大晶胞的能力。
SCOPE：结构分解与条件技能协调用于复杂图像生成
机构 * MoE Key Laboratory of Brain-inspired Intelligent Perception and Cognition, University of Science and Technology of China（脑启发智能感知与认知 MOE 实验室，中国科学技术大学） ； The Hong Kong Polytechnic University（香港理工大学） ； Nanyang Technological University（南洋理工大学）
AI总结 本文提出SCOPE框架，通过结构化规范和条件技能协调解决复杂图像生成中语义承诺的持续跟踪问题，通过Gen-Arena基准验证其有效性，取得优于基线的性能。
GASim：一种用于大规模社会模拟的图加速混合框架
机构 * University of Science and Technology of China（中国科学技术大学） ； BASIS International School（BASIS国际学校）
AI总结 本文提出GASim框架，通过图优化内存和图消息传递提升大规模社会模拟效率，实现9.94倍速度提升并降低计算成本。
TRACE：基于可问责引用证据的旅游推荐
机构 * UNSW Sydney（新南威尔士大学悉尼分校） ； University of Adelaide（阿德莱德大学） ； Yonsei University（延世大学） ； USTC（中国科学技术大学）
AI总结 TRACE通过多轮对话结合评论引用和显式拒绝机制，解决旅游推荐中信任、可验证性和适应性问题，提出三项能力差距并验证评估方法。
基于样本激活模式的零样本神经网络评估
机构 * School of Computing Technologies, RMIT University（计算技术学院，皇家墨尔本理工大学） ； 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）
AI总结 本文提出SWAP及其衍生指标SWAP-Score，用于评估神经网络性能，克服了传统零样本指标的局限性，展现强预测能力。
Comments Accepted by IEEE Transactions on Pattern Analysis and Machine Intelligence. This article is a journal extension of arXiv:2403.04161
利用预决议信号为未来预测代理
机构 * University of Science and Technology of China（中国科学技术大学） ； Zhongguancun Academy, Beijing, China（中关村学院，北京，中国） ； IIIS, Tsinghua University（清华大学人工智能研究院）
AI总结 本文提出通过预决议信号提升未来预测性能，通过Milkyway代理在未决问题多次回顾中提取信息，改进预测并增强后续准确性。
Comments Work in progress
文档解析距离解决还有多远？PureDocBench：一个跨干净、退化和现实场景的可追溯基准测试
机构 * CASIA（中国科学院自动化研究所） ； UCAS（中国科学技术大学） ； NWPU（西北工业大学） ； JLU（吉林大学） ； USTC（中国科学技术大学） ； PKU（北京大学） ； HelloGroup ； ShanghaiTech（上海科技大学） ； Beijing Key Laboratory of Super Intelligent Security of Multi-Modal Information（北京多模态信息超级智能安全重点实验室）
AI总结 本文提出PureDocBench，一个可追溯的基准测试，覆盖10个领域、66个子类和1475页文档，包含清洁、数字退化和现实退化三种版本。评估40种模型发现，文档解析尚未解决，最佳模型得分仅74分，公式识别仍是瓶颈，通用VLM在退化下表现不如专用模型。
Comments 42 pages, 20 figures, 16 tables
基于评分标准的在线蒸馏
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） ； Tencent（腾讯）
AI总结 本文提出ROPD框架，利用教师生成的响应而非教师日志进行在线蒸馏，实现更灵活的黑盒兼容方案，实验显示在多数场景下性能优于基于日志的蒸馏方法，样本效率提升达10倍。
Comments Preprint. Code is available at https://github.com/Peregrine123/ROPD_official
LaTER：通过潜在探索和显式验证实现高效的推理
机构 * University of Science and Technology of China（科学技术大学） ； Unisound AI Technology Co., Ltd（Unisound AI技术有限公司） ； MAIS, Institute of Automation, Chinese Academy of Sciences（自动化研究所，中国科学院）
AI总结 LaTER通过连续潜在空间的有限探索和显式CoT验证提升推理效率，在多个基准测试中减少16%-32%的token使用量，同时提升准确性。
EgoPro-Bench：基于眼动视频流的个性化主动交互基准测试
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EgoPro-Bench，通过模拟用户画像生成多样化意图，构建高保真人机交互数据，评估主动交互能力，提升多模态大语言模型的意图理解与交互时机识别能力。
Comments 8 pages
LLMs在最简单的长链推理任务上表现如何：等价类问题的实证研究
机构 * University of Science and Technology of China（中国科学技术大学） ； University of Oxford（牛津大学）
AI总结 本文评估了LLMs在等价类问题上的表现，发现非推理模型无法解决，而推理模型虽更优但仍难以完全解决，且问题难度随连接概率和变量数变化而变化。
Comments 9 pages, 5 figures
LKV：端到端学习头部预算和令牌选择以LLM KV缓存淘汰
机构 * University of Science and Technology of China（中国科学技术大学） ； State Key Lab of Processors, Institute of Computing Technology, CAS, Beijing, China（中国科学院计算技术研究所过程器重点实验室，北京，中国） ； University of Chinese Academy of Sciences, Beijing, China（中国科学院大学，北京，中国）
AI总结 本文提出LKV，通过端到端可微优化问题实现KV缓存压缩，学习任务优化全局预算和内在KV重要性，提升长上下文推理性能。
具有显著性感知的正则化量化校准用于大语言模型
机构 * University of Science and Technology of China（中国科学技术大学） ； University College London（伦敦大学学院） ； Shanghai University of Finance and Economics（上海财经大学） ； 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） ； University of Copenhagen（哥本哈根大学） ； Imperial College London（伦敦帝国学院） ； Technical University of Denmark（丹麦技术大学） ； Peking University（北京大学）
AI总结 本文提出SARQC，通过引入显著性感知正则化改进量化校准，提升大语言模型的泛化能力，实验表明在密集和专家混合模型中提升了困惑度和零样本准确率。
EviDep：通过解耦证据学习实现可信的多模态抑郁估计
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） ； School of Computer Science and Information Engineering, Hefei University of Technology（合肥工业大学计算机科学与信息工程学院） ； Department of Psychiatry, The First Affiliated Hospital of University of Science and Technology of China, Division of Life Sciences and Medicine, University of Science and Technology of China（中国科学技术大学附属第一医院精神科，生命科学与医学学院）
AI总结 本文提出EviDep框架，通过解耦证据学习量化抑郁严重程度及不确定性，提升多模态抑郁估计的可信度和不确定性校准能力。
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