高校专区
ResGuard: 提高深度水印在已知原始攻击下的鲁棒性
机构 * Shanghai Jiao Tong University（上海交通大学） ； 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 本文提出ResGuard模块，通过增强图像依赖性来提升对已知原始攻击的鲁棒性，使水印提取准确率从59.87%提升至99.81%。
ComPrivDet：通过推理重用实现压缩域中的高效隐私对象检测
机构 * University of Science and Technology of China (USTC)（中国科学技术大学）
AI总结 针对压缩域中隐私泄露问题，ComPrivDet通过重用I帧推理结果实现高效隐私对象检测，保持高准确率并显著降低延迟。
Comments 6 pages, 6 figures
简单而有效：神经算子中的低秩空间注意力
机构 * University of Science and Technology of China（中国科学技术大学） ； Tsinghua University（清华大学） ； Shanghai Qi Zhi Institute（上海期智研究院）
AI总结 本文提出低秩空间注意力模块，通过压缩高维特征到紧凑潜在空间，实现高效全局交互，提升神经算子在求解偏微分方程中的准确性与效率。
草稿：任务解耦的潜在推理用于代理安全
机构 * National University of Singapore, 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 本文提出DRAFT框架，通过解耦安全判断为提取器和推理器两个阶段，利用潜在空间证据聚合提升代理安全性，在多个基准测试中表现优异。
在长链式思维监督微调中推理模式在泛化差异中的作用
机构 * University of Science and Technology of China（中国科学技术大学） ； Meituan LongCat Team（美团龙猫团队） ； City University of Hong Kong（香港城市大学） ； Zhejiang University（浙江大学）
AI总结 本文研究不同来源的长链式思维轨迹对模型泛化性能的影响，发现训练损失低并不一定带来更好的泛化能力，提出过滤频繁分支轨迹以提升SFT泛化性能。
Comments Under Review. version2: correct typos in Table 4 and add an ablation study (Table 5)
ATLAS：一种分层约束引导的结构化艺术创作框架，用于LLM辅助的MDE
机构 * University of Science and Technology of China（中国科学技术大学） ； Hefei Institutes of Physical Science, Chinese Academy of Sciences（中国科学院合肥物质科学研究院） ； Anhui University（安徽大学）
AI总结 ATLAS通过分层约束引导框架生成符合显式模式、领域规则和审计要求的结构化工程制品，结合元模型整合、约束模型编译和后生成验证，确保生成结果的正确性和完整性。
理解强化学习在多模态推理模型后训练中幻觉的作用
机构 * University of North Carolina at Chapel Hill（北卡罗来纳大学教堂山分校） ； University of Science and Technology of China（中国科学技术大学） ； Arizona State University（亚利桑那州立大学） ； Honda Research Institute, USA（本田美国研究所）
AI总结 本文提出Hallucination-as-Cue框架，通过引入模态特异性扰动分析强化学习对多模态推理模型的影响，揭示幻觉在训练中的关键作用，挑战现有假设。
Comments CVPR 2026
探索文本与运动对齐以实现文本驱动的运动生成
机构 * Department of Automation, University of Science and Technology of China（中国科学技术大学自动化系） ； State Key Laboratory of General Artificial Intelligence, BIGAI（通用人工智能国家重点实验室，北京通用人工智能研究院）
AI总结 本文提出MLA-Gen框架，通过整合全局运动先验与局部条件，提升文本驱动运动生成的对齐精度，并引入SinkRatio指标解决注意力集中问题，提升运动质量和语义对齐。
Comments 10 pages, 8 figures
PolyReal：一个用于现实世界聚合物科学工作流程的基准
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） ； Fudan University（复旦大学） ； Northwestern Polytechnical University（西北工业大学） ； Tongji University（同济大学） ； The University of Hong Kong（香港大学） ； National University of Singapore（新加坡国立大学） ； Nanyang Technological University（南洋理工大学）
AI总结 PolyReal是一个新的多模态基准，用于评估大规模语言模型在聚合物实验全流程中的能力，揭示了模型在实践任务上的不足，填补了评估空白。
范式转变：面向视频中的时序句子定位的端到端训练
机构 * BASIS International School Park Lane Harbour（贝赛思国际学校（公园港）） ； UCAS（中国科学院大学） ； JD Explore Academy（京东探索研究院） ； USTC（中国科学技术大学）
AI总结 本文提出一种端到端训练范式，联合优化视频主干网络和定位头，通过引入Sentence Conditioned Adapter提升视觉表征，实验表明优于现有方法。
Comments Accepted as CVPR 2026 Workshop PVUW
PAPO：通过解耦优势归一化稳定规则整合训练
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） ； The Chinese University of Hong Kong（香港中文大学） ； University of Oxford（牛津大学） ； Wuhan University（武汉大学）
AI总结 PAPO通过解耦优势归一化整合过程级评估，解决现有奖励设计的两个局限：Outcome Reward Models（ORM）仅评估最终答案正确性，而Process Reward Models（PRM）虽监督更丰富但易导致奖励黑客。
Comments 16 Pages,9 Figures
通过端到端强化学习训练多图像视觉代理
机构 * MeiTuan（美团） ； University of Science and Technology of China（中国科学技术大学）
AI总结 本文提出IMAgent，通过端到端强化学习训练视觉代理，解决多图像问答任务中的输入限制问题，通过设计视觉反思和验证工具提升模型注意力，首次从注意力角度揭示工具使用对性能的影响。
通过流匹配实现的基于动作空间的轻量学习：用于全身软机器人抓取
机构 * Mohamed bin Zayed University of Artificial Intelligence (MBZUAI)（穆罕默德·本·扎耶德人工智能大学） ； University of Science and Technology of China (USTC)（中国科学技术大学） ； University of Freiburg（弗莱堡大学） ； Ludwig Maximilian University of Munich (LMU Munich)（慕尼黑大学） ； Munich Center for Machine Learning (MCML)（慕尼黑机器学习中心）
AI总结 本文提出一种轻量级动作空间学习框架，通过流匹配模型直接从确定性演示中推断分布控制表示，实现全身软机器人抓取的高效学习，仅需30次演示即可达到97.5%的成功率，并在动态调整时保持稳定性能。
FLEX：一个大规模多模态、多视角数据集，用于学习结构化表示以评估健身动作质量
机构 * School of Biomedical Engineering (Suzhou), USTC（中国科学技术大学苏州生物医学工程学院） ； Suzhou Institute of Biomedical Engineering and Technology, CAS（中国科学院苏州生物医学工程技术研究所） ； Institute of High-Performance Computing, A*STAR, Singapore（新加坡科技研究局高性能计算研究所） ； School of Psychology, Beijing Sports University（北京体育大学心理学院） ； School of Competitive Sports, Beijing Sports University（北京体育大学竞技体育学院） ； Department of Robotics, University of Michigan（密歇根大学机器人系）
AI总结 FLEX数据集通过多模态融合和结构化知识图谱提升健身动作质量评估的准确性与解释性，支持跨模态预测和生物力学导向的表示学习。
Comments Dataset and code are available at https://github.com/HaoYin116/FLEX . Link to Project page https://haoyin116.github.io/FLEX_Dataset
从惯性与视觉传感器进行动作捕捉
机构 * University of Science and Technology of China（中国科学技术大学） ； JD Explore Academy（京东探索研究院） ； Noitom Technology Ltd.（诺亦腾科技有限公司）
AI总结 本文提出MINIONS数据集，用于基于单目相机和少量IMU的多模态人体动作捕捉，提出SparseNet框架以展示惯性与视觉传感器在消费级动作捕捉中的潜力。
Comments 12 pages,8 figures
面向第一视角视频的个性化问答中的自我定位
机构 * 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 本文提出MyEgo数据集，用于评估多模态大语言模型在需要自我定位的个性化问答中的能力，发现现有模型在自我记忆和推理方面存在显著不足。
Comments To appear at CVPR'26
PLOT：通过最优传输增强偏好学习
机构 * Southern University of Science and Technology（南方科技大学） ； Shenzhen Institute of Advanced Technology, Chinese Academy of Sciences（中国科学院深圳先进技术研究院） ； Chongqing University（重庆大学） ； University of New South Wales（新南威尔士大学） ； University of Science and Technology of China（中国科学技术大学）
AI总结 PLOT通过最优传输理论提升大语言模型的偏好学习，解决性能、计算成本和全局关系建模问题，实验显示其在人类价值观和逻辑问题解决方面均提升对齐性能。
DEFT：基于分布的高效微调以实现人类对齐
机构 * Southern University of Science and Technology（南方科技大学） ； Shenzhen Institute of Advanced Technology, Chinese Academy of Sciences（中国科学院深圳先进技术研究院） ； University of Science and Technology of China（中国科学技术大学） ； University of Copenhagen（哥本哈根大学）
AI总结 本文提出DEFT框架，通过数据过滤和分布引导提升模型对齐效率与泛化能力，减少训练时间。
NED-Tree: 通过非线性元素分解树弥合语义鸿沟以实现LLM非线性优化建模
机构 * College of System Engineering, National University of Defense Technology（国防科技大学系统工程学院） ； University of Science and Technology of China（中国科学技术大学）
AI总结 本文提出NED-Tree框架，通过句级提取策略和递归树结构解决LLM在非线性优化建模中的语义鸿沟问题，实验显示其在10个基准测试中达到72.51%的平均准确率。
Comments 17 pages, 7 figures, conference
ReFlow：用于动态场景重建的自校正运动学习
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（深空探测实验室，深空探测全国重点实验室）
AI总结 ReFlow提出了一种统一框架，通过自校正方式从原始视频学习3D运动，提升动态场景重建的鲁棒性和准确性。
Comments Project page: https://rosetta-leong.github.io/ReFlow_Page/ {this https URL}
RAE-AR：通过表示自编码器驯服自回归模型
机构 * University of Science and Technology of China（中国科学技术大学） ； JD Explore Academy（京东探索研究院） ； The University of Hong Kong（香港大学）
AI总结 本文研究了将高维表示自编码器融入自回归模型中的挑战，提出RAE-AR方法，通过分布归一化和噪声注入缓解复杂分布建模和训练-推理差距问题，实验证明其在自回归模型中表现接近传统VAE。
一种基于FACS的解剖学对齐的面部行为描述范式用于细粒度面部行为合成
机构 * University of Science and Technology of China（中国科学技术大学）
AI总结 本文提出基于FACS的面部行为合成新范式，通过解剖学驱动的自然语言控制信号，构建了首个大规模文本-图像配对数据集，并提出AAAD指标和VQ-AUFace框架，显著提升了合成效果。
ReMoGen：通过多样化数据的模块学习实现实时的人际交互生成
机构 * ShanghaiTech University（上海科技大学） ； Guangzhou Institute of Energy Conversion, CAS（中国科学院广州能源研究所） ； University of Science and Technology of China（中国科学技术大学） ； The Chinese University of Hong Kong（香港中文大学） ； Nanyang Technological University（南洋理工大学）
AI总结 本文提出ReMoGen框架，通过模块化学习生成实时的人际交互反应，利用大规模单人动作数据集学习通用动作先验，并通过Meta-Interaction模块适应不同交互领域，实现高效且高质量的动作响应。
Comments accepted by CVPR 2026, project page: https://4dvlab.github.io/project_page/remogen/
DLWM：双潜在世界模型实现自动驾驶中的整体高斯中心预训练
机构 * HKUST（香港科技大学） ； CUHK-SZ（香港中文大学（深圳）） ； USTC（中国科学技术大学） ； Huawei Foundation Model Department（华为基础模型部门）
AI总结 本文提出DLWM，通过双潜在世界模型实现自动驾驶中的整体高斯中心预训练，提升3D占用感知、4D占用预测和运动规划性能。
Comments Accepted by CVPR 2026
一种用于边缘和表面模拟的可穿戴触觉设备
机构 * Institute of Mechanical Intelligence, School of Advanced Studies Sant'Anna (SSSA)（圣安娜高等研究学院机械智能研究所） ； CAS Key Laboratory of Mechanical Behavior and Design of Materials, Institute of Humanoid Robots, School of Engineering Sciences, University of Science and Technology of China（中国科学院材料力学行为和设计重点实验室，中国科学技术大学工程科学学院仿生机器人研究所）
AI总结 本文提出了一种轻量级可穿戴触觉设备，通过双电机机制实现表面和边缘接触反馈，提升了虚拟现实环境中物体操作的逼真度。
VMAD：视觉增强的多模态大语言模型用于零样本异常检测
机构 * University of Science and Technology of China（中国科学技术大学） ； Northeastern University（东北大学） ； Institute of Artificial Intelligence, Hefei Comprehensive National Science Center（合肥综合性国家科学中心人工智能研究院）
AI总结 VMAD通过结合视觉信息与多模态大语言模型，提升零样本异常检测的精度与分析能力，提出缺陷敏感结构学习和局部增强令牌压缩等方法，结合RIAD数据集验证了其有效性。
Gloria：通过内容锚点实现一致的字符视频生成
机构 * MoE Key Laboratory of Brain-inspired Intelligent Perception and Cognition, USTC（教育部类脑智能感知与认知重点实验室，中国科学技术大学） ； UNSW（新南威尔士大学） ； HKU（香港大学） ； UESTC（电子科技大学）
AI总结 本研究提出通过紧凑的锚帧集表示字符视觉属性，结合两种机制提升生成一致性，实现高质量多视角一致的字符视频生成。
Comments Accepted by CVPR2026 Main, project: https://yyvhang.github.io/Gloria_Page/
CreatiDesign: 一种统一的多条件扩散变换器用于创意图形设计
机构 * Institute of Trustworthy Embodied AI, Fudan University（复旦大学可信具身人工智能研究所） ； Shanghai Key Laboratory of Multimodal Embodied AI（上海市多模态具身人工智能重点实验室） ； Bytedance Intelligent Creation（字节跳动智能创作） ； 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技术学院）
AI总结 本文提出CreatiDesign，一种统一的多条件扩散变换器，解决多条件控制问题，通过多模态注意力掩码机制和自动化数据集构建，提升图形设计生成的准确性和和谐度。
Comments Accepted by ICLR 2026
千赫兹安全：一种可扩展的受限灵活重定向框架
机构 * University of Science and Technology of China（中国科学技术大学）
AI总结 本文提出一种可扩展的灵活重定向框架，通过将非线性重定向问题转化为凸二次规划问题，提高计算效率和数值稳定性，并集成控制屏障函数以提供正式的安全保证，实验证明其在复杂操作任务中有效减少自碰撞和穿透。
Comments 8 pages,6 Figures,Under Reiview
利用生成虚拟脑模型预测帕金森病的神经调制疗效
机构 * College of Computer Science and Artificial Intelligence, Fudan University（复旦大学计算机科学与技术学院） ； 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） ； Ruijin Hospital, Shanghai Jiao Tong University School of Medicine（上海交通大学医学院附属瑞金医院） ； Microsoft Research Asia（微软亚洲研究院） ； Zhongnan Hospital of Wuhan University（武汉大学中南医院） ； School of Artificial Intelligence, Shanghai Jiao Tong University（上海交通大学人工智能学院） ； Institute of Artificial Intelligence for Medicine, Shanghai Jiao Tong University School of Medicine（上海交通大学医学院人工智能医学研究所） ； Cooperative Medianet Innovation Center, Shanghai Jiao Tong University（上海交通大学协同媒体创新中心）
AI总结 本文提出一种基于生成虚拟脑模型的预训练-微调框架，通过静息态fMRI预测帕金森病患者接受颞叶干扰和深部脑刺激的疗效，利用生成模型提高个体化虚拟脑的准确性，并通过反事实估计预测临床反应，优于基线方法。
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