高校专区
RealUnify: 统一模型真的能从统一中受益吗？一个全面的基准测试
机构 * PKU（北京大学） ； Kling Team（Kling团队） ； NTU（国立台湾大学） ； CASIA（中国科学院自动化研究所） ； NUS（国立新加坡大学） ； USTC（中国科学技术大学） ； THU（清华大学） ； ZJU（浙江大学）
AI总结 RealUnify基准测试旨在评估统一模型中理解与生成能力的双向协同效应，通过10类32子任务的1000个人工标注实例，揭示现有统一模型在协同能力上的不足，强调需新的训练策略来提升统一建模潜力。
Comments Accepted by CVPR 2026
VERDICT: 可验证的演进推理与指令驱动的协作团队用于法律判断预测
机构 * University of Science and Technology of China（中国科学技术大学） ； Chinese Academy of Sciences（中国科学院） ； iFLYTEK AI Research（iFLYTEK人工智能研究院）
AI总结 VERDICT通过模拟虚拟合议庭，提出自反思协作多智能体框架，结合混合法理记忆实现法律推理的可验证性和适应性，提升法律预测的准确性和解释性。
Comments 15 pages,3 figures,4 tables
OS-Themis：一种可扩展的通用GUI奖励批评框架
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） ； CUHK MMLab（香港中文大学多模态实验室） ； The Hong Kong University of Science and Technology（香港科学大学） ； National University of Singapore（新加坡国立大学）
AI总结 本文提出OS-Themis框架，通过分解轨迹为可验证里程碑并采用审核机制，提升GUI奖励的可扩展性和准确性，实验表明其在AndroidWorld中提升了在线强化学习和轨迹验证的性能。
通过引导随机投影增强基于预训练模型的持续表示学习
机构 * Wuhan University（武汉大学） ； Shanghai Innovation Institute（上海创新研究院） ； Shanghai Jiao Tong University（上海交通大学） ； Tsinghua University（清华大学） ； University of Science and Technology of China（中国科学技术大学） ； China University of Mining and Technology（中国矿业大学）
AI总结 本文提出SCL-MGSM方法，通过数据引导机制构建投影层，提升预训练模型在持续学习中的表现和数值稳定性。
DA-Mamba: 基于全局-局部对齐的领域感知状态空间模型学习用于领域自适应目标检测
机构 * Intelligent Software Research Center, Institute of Software, CAS（软件研究所智能软件研究中心，中国科学院） ； State Key Lab of Processors, Institute of Computing Technology, CAS（中国科学院计算技术研究所处理器国家重点实验室） ； 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与技术学校）
AI总结 DA-Mamba通过结合CNN与状态空间模型，提升领域自适应目标检测的全局与局部对齐能力，有效解决传统方法在全局特征提取和计算效率上的不足。
Comments Accepted by CVPR 2026
VTC-Bench：通过组合视觉工具链评估代理多模态模型
机构 * PKU（北京大学） ； NTU（国立台湾大学） ； USTC（中国科学技术大学） ； CQU（重庆大学） ； NUDT（南京理工大学） ； CASIA（中国科学院自动化研究所） ； Meituan（美团）
AI总结 VTC-Bench通过组合视觉工具链评估多模态大语言模型的工具使用能力，揭示了当前模型在复杂任务中适应性和多工具组合方面的不足。
CAPSUL：一个全面的人类蛋白质基准用于亚细胞定位
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） ； Tsinghua University（清华大学）
AI总结 CAPSUL基准通过整合多样化3D结构表示和精细亚细胞定位注释，推动结构基模型在亚细胞定位任务中的应用，展示了结构特征的重要性，并通过高尔基体案例研究揭示了α-螺旋在定位中的关键作用。
Comments Accepted to ICLR 2026
千GPU大规模训练与优化方案用于AI原生云具身智能基础设施
机构 * AI Infra Team at JDT（JDT人工智能基础设施团队） ； Tsinghua University（清华大学） ； Peking University（北京大学） ； Tianjin University（天津大学） ； Beihang University（北洋大学） ； 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LeRobot框架的千GPU分布式训练平台，通过优化数据流程、训练效率和基础设施，实现具身智能模型训练速度提升40倍，推动下一代自主智能机器人发展。
MedMASLab：多模态医疗多智能体系统的统一协调框架
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） ； Fudan University（复旦大学） ； Zhejiang University（浙江大学） ； vivo ； Stanford University（斯坦福大学）
AI总结 本文提出MedMASLab框架，解决医疗多智能体系统中多模态整合碎片化问题，通过标准化通信协议、自动化评估器和大规模基准测试，揭示领域特定性能差距，为未来自主临床系统建立新基准。
AdaSwitch: 通过自适应切换平衡探索与引导在知识蒸馏中的应用
机构 * University of Science and Technology of China（中国科学技术大学） ； City University of Hong Kong（香港城市大学） ； Baidu Inc（百度公司）
AI总结 AdaSwitch通过自适应切换机制动态结合在线和离线生成，解决知识蒸馏中探索与引导的平衡问题，提升模型准确性和推理能力。
先看再融合：基于2D引导的跨模态对齐用于鲁棒的3D检测
机构 * Institute of Intelligent Machines, Hefei Institutes of Physical Science, Chinese Academy of Sciences（智能机器研究所，合肥物理科学研究院，中国科学院） ； University of Science and Technology of China（中国科学技术大学）
AI总结 本文提出利用2D对象先验进行跨模态特征预对齐，解决LiDAR与相机特征的空间错位问题，提升3D检测鲁棒性。
Comments accepted to cvpr 2026
解锁大语言模型训练中令牌过滤的全面效率
机构 * Shanghai University of Finance and Economics（上海财经大学） ； Hong Kong University of Science and Technology（香港科技大学） ； University of Science and Technology of China（中国科学技术大学） ； Southeast University（东南大学）
AI总结 本文提出Centrifuge系统，通过算法与系统协同设计提升令牌过滤效率，减少反向传播时间达49.9%，端到端训练时间达34.7%，并提升模型性能26.6%。
EchoGen：基于循环一致性的统一布局-图像生成与理解学习
机构 * School of Cyber Science and Technology, University of Science and Technology of China（中国科学技术大学信息科学与技术学院） ； Tongji University（同济大学） ； Sun Yat-sen University（中山大学） ； Fudan University（复旦大学） ； Hefei University of Technology（合肥工业大学） ； Anhui Province Key Laboratory of Digital Security（安徽省数字安全重点实验室）
AI总结 本文提出EchoGen框架，通过统一模型联合训练布局到图像生成和图像定位任务，提升生成图像的布局准确性与文本描述一致性，同时增强图像定位的鲁棒性。
Comments 9 pages, Accepted at the 40th AAAI Conference on Artificial Intelligence (AAAI 2026)
Journal ref Proceedings of the AAAI Conference on Artificial Intelligence, 40(16), 2026
概念到像素：无提示通用医学图像分割
机构 * School of Biomedical Engineering, Division of Life Sciences ； Medicine, University of Science ； Technology of China (USTC), Hefei, Anhui 230026, China Center for Medical Imaging, Robotics, Analytic Computing \& Learning (MIRACLE), Suzhou Institute for Advanced Research, USTC, Suzhou, Jiangsu 215123, China Jiangsu Provincial Key Laboratory of Multimodal Digital Twin Technology, Suzhou Jiangsu, 215123, China State Key Laboratory of Precision
AI总结 本文提出C2P框架，通过分离解剖学知识为几何和语义表示，利用多模态大语言模型生成语义令牌，并引入几何令牌约束，实现无提示的通用医学图像分割，实验表明其在多种模态和数据集上表现优异。
Comments 32 pages, code is available at: https://github.com/Yundi218/Concept-to-Pixel
DiffVP：基于LLM的CT报告生成的微分视觉语义提示
机构 * Department of Electronic Engineering ； Information Science, School of Information Science ； Technology, University of Science ； Technology of China (USTC), Hefei, Anhui 230026, China School of Biomedical Engineering, Division of Life Sciences ； Medicine, University of Science ； Technology of China (USTC), Hefei, Anhui 230026, China Center for Medical Imaging, Robotics, Analytic Computing \& Learning (MIRACLE), Suzhou Institute for Advanced Research, University of Science ； Technology of China (USTC), Suzhou, Jiangsu 215123, China Jiangsu Provincial Key Laboratory of Multimodal Digital Twin Technology, University of Science ； Technology of China (USTC), Suzhou, Jiangsu 215123, China State Key Laboratory of Precision ； Intelligent Chemistry, University of Science
AI总结 DiffVP通过微分视觉提示方法，利用扫描与参考之间的高阶语义差异指导LLM生成CT报告，提升报告准确性，实验表明其在BLEU和临床效果上均优于现有方法。
角色增强的意图驱动生成搜索引擎优化
机构 * School of Cyber Science and Technology, University of Science and Technology of China（中国科学技术大学信息科学与技术学院）
AI总结 本文提出角色增强的意图驱动生成搜索引擎优化方法，通过反思性细化不同信息角色来建模搜索意图，提升生成搜索引擎中的内容可见性。
Comments 7 pages, 5 figures
基于连续标记的频率自回归图像生成
机构 * University of Science and Technology of China（中国科学技术大学） ； Alibaba Group, DAMO Academy（阿里巴巴集团，达摩院）
AI总结 本文提出频率自回归（FAR）范式，通过连续标记器构建图像，利用频谱依赖性提升生成效果，并在ImageNet上验证了其在图像生成中的有效性。
无提示通用区域提议网络
机构 * Nanjing University（南京大学） ； University of Science and Technology of China（中国科学技术大学）
AI总结 本文提出无提示通用区域提议网络PF-RPN，通过自适应查询嵌入和级联自提示模块实现无需外部提示的对象定位，适用于多种目标检测场景。
Comments Accepted to CVPR 2026
ProGVC：基于渐进式的生成视频压缩 via 自动回归上下文建模
机构 * Alibaba Group（阿里巴巴集团） ； University of Science and Technology of China（中国科学技术大学）
AI总结 ProGVC提出一种统一渐进传输、高效熵编码和细节合成的视频压缩框架，通过多尺度自回归上下文模型实现低比特率下的高质量视频压缩与可扩展性。
联合退化感知任意尺度超分辨率用于可变速率极值图像压缩
机构 * School of Information Science and Electronic Engineering, Shanghai Jiao Tong University（上海交通大学信息科学与电子工程学院） ； Department of Electronic Engineer and Information Science, University of Science and Technology of China（中国科学技术大学电子工程与信息科学系） ； MoE Key Lab of Artificial Intelligence, AI Institute, Shanghai Jiao Tong University（上海交通大学人工智能教育部重点实验室）
AI总结 本文提出ASSR-EIC框架，利用任意尺度超分辨率支持可变速率极值图像压缩，通过联合退化感知解码器实现率自适应重建，提升低比特率下的图像恢复质量。
Comments Accepted by IEEE Transactions on BroadCasting
因果不确定性原理：流形撕裂与反事实干预的拓扑极限
机构 * University of Science and Technology of China（中国科学技术大学）
AI总结 本文探讨了反事实干预的几何挑战，提出了反事实事件地平线和流形撕裂定理，建立了因果不确定性原理，并引入了Geometry-Aware Causal Flow算法。
Comments 33 pages, 6 figures. Submitted to the Journal of Machine Learning Research (JMLR)
上同调障碍与全局反事实：一种基于层论的生成因果模型基础
机构 * School of Management, University of Science and Technology of China（管理学院，中国科学技术大学） ； School of Computer Science and Engineering, University of Science and Technology of China（计算机科学与工程学院，中国科学技术大学）
AI总结 本文基于层论构建生成因果模型，揭示因果图非平凡同调导致的上同调障碍，并提出熵正则化和熵沃尔什因果层拉普拉斯方程，实现高维数据反事实导航。
Comments 34 pages, 5 figures. Submitted to JMLR
逐步思考-批判：一种用于鲁棒且可解释的大语言模型推理的统一框架
机构 * University of Science and Technology of China（中国科学技术大学） ； Microsoft Research Asia（微软亚洲研究院）
AI总结 本文提出STC框架，通过在推理与自我批判间交替进行，提升大语言模型的鲁棒性和可解释性，实验显示其在数学推理任务中表现出色。
Comments Under Review
WPT: 通过在线世界模型蒸馏实现世界到策略的迁移
机构 * University of Science and Technology of China（科学技术大学） ； CUHK-SZ（香港中文大学（深圳）） ； HKUST（香港理工大学） ； Huawei Foundation Model Department（华为基金会模型部）
AI总结 本文提出WPT方法，通过在线世界模型蒸馏实现策略迁移，提升规划性能并保持实时部署能力，实验表明其在开放环和闭合环基准上表现优异。
Comments CVPR2026 Accepted
TheraMind：一种用于长期心理辅导的战略和自适应代理
机构 * Shenzhen University（深圳大学） ； The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳）） ； Auckland University of Technology（奥克兰理工大学） ； University of Science and Technology of China（中国科学技术大学） ； SKL-IOTSC, CIS, University of Macau（澳门科技研究所、CIS、澳门大学） ； Guangdong Laboratory of Artificial Intelligence and Digital Economy (SZ)（广东人工智能与数字经济实验室（深圳））
AI总结 本文提出TheraMind，一种用于可信在线长期心理辅导的战略和自适应代理，通过双循环架构提升对话管理和治疗规划能力，实验证明其在多会话指标上优于其他方法。
渐进式动画3D高斯化身：ProgressiveAvatars
机构 * University of Science and Technology of China（中国科学技术大学）
AI总结 本文提出ProgressiveAvatars，基于自适应隐式细分的模板网格构建层次化3D高斯表示，实现网络和计算资源波动下的渐进式动画3D化身生成与渲染。
Comments Accepted to CVPR 2026, Project page: https://ustc3dv.github.io/ProgressiveAvatars/
从自然语言到可执行期权策略的大型语言模型
机构 * City University of Hong Kong（香港城市大学） ； The Chinese University of Hong Kong (Shenzhen)（香港中文大学（深圳）） ； Shanghai University of Finance and Economics（上海财经大学） ； University of Science and Technology of China（中国科学技术大学）
AI总结 本文提出Option Query Language，通过语法规则将期权市场抽象为高层 primitives，使LLM能作为语义解析器生成可执行期权策略，并通过新数据集验证其优于直接生成方法。
ADAPT：面向感知穿越的自适应双投影架构
机构 * Department of Automation, University of Science and Technology of China（自动化系，中国科学技术大学） ； Institute of Humanoid Robots, Department of Precision Machinery and Precision Instrumentation, University of Science and Technology of China（人形机器人研究所，精密仪器与机械系，中国科学技术大学）
AI总结 ADAPT通过双投影地图提升复杂3D环境中的移动效率，通过可学习的动作范围实现感知范围的自适应调整，显著降低计算开销并提升训练速度。
当思考带来痛苦：通过帧重复缓解视频推理中的视觉遗忘
机构 * University of Science and Technology of China（中国科学技术大学） ； State Key Laboratory of Cognitive Intelligence（认知智能国家重点实验室）
AI总结 本文提出FrameRepeat框架，通过轻量级重复评分模块和Add-One-In策略，有效增强视频推理中的视觉线索，提升模型性能和泛化能力。
SpecSteer：协同局部上下文与全局推理以实现高效个性化生成
机构 * University of Science and Technology of China（中国科学技术大学） ； Huawei Technologies Co., Ltd.（华为技术有限公司）
AI总结 本文提出SpecSteer框架，通过结合本地上下文与云端推理，解决个性化生成中的隐私与推理能力矛盾，实现高效生成并提升性能。
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