高校专区
流式语音识别与解码器-only大型语言模型及延迟优化
机构 * University of Science and Technology of China（科学技术大学） ； iFLYTEK Research, iFLYTEK Co., Ltd.（iFLYTEK研究院，iFLYTEK有限公司） ； School of Artificial Intelligence and Computer Science（人工智能与计算机科学学院）
AI总结 本文提出了一种结合解码器-only大型语言模型和延迟优化的流式语音识别方法，通过动态分割语音嵌入和联合训练策略，提升了识别性能并降低了延迟。
Comments accepted to ICASSP 2026
StreamSense: 基于选择性视觉-语言模型路由的流式社交任务检测
机构 * Singapore University of Technology and Design（新加坡科技设计大学） ； University of Science and Technology of China（中国科学技术大学） ； Nanyang Technological University（南洋理工大学） ； University of Rochester（罗切斯特大学）
AI总结 StreamSense通过轻量级编码器与选择性路由结合VLM专家，提升流式社交任务检测的准确性和效率。
Comments 10 pages, 4 figures, The Web Conference 2026
DeepResearch Bench II：通过专家报告的评分诊断深度研究代理
机构 * University of Science and Technology of China（中国科学技术大学） ； Metastone Technology, Beijing, China（北京 metastone 技术有限公司）
AI总结 DeepResearch Bench II通过专家评分标准评估深度研究系统，揭示当前系统与人类专家之间存在显著差距。
EtCon：编辑后整合以实现可靠的知识编辑
机构 * Wuhan University（武汉大学） ； Shanghai Innovation Institute（上海创新研究院） ； Fudan University（复旦大学） ； 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）
AI总结 EtCon通过编辑后整合范式提升LLMs的知识编辑可靠性与现实应用能力，保留预训练能力。
ChartAnchor: 图表接地与结构-语义保真
机构 * Baidu Research（百度研究） ； USTC
AI总结 ChartAnchor提出一个综合图表接地基准测试，通过图表到代码生成和受控表格重建任务，评估模型在结构和数值层面的保真度，揭示MLLMs在数值精度和代码合成方面的局限性。
SAFER: 通过稀疏自动编码器探索奖励模型的安全性
机构 * University of Science and Technology of China（中国科学技术大学）
AI总结 SAFER通过稀疏自动编码器探索奖励模型的安全性，揭示可解释特征并改进安全性对齐。
LoRA变体的统一研究：分类、综述、代码库和实证评估
机构 * Shanghai Artificial Intelligence 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） ； Fudan University（复旦大学） ； The Chinese University of Hong Kong（香港中文大学） ； Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所）
AI总结 本文系统研究了LoRA变体，通过分类、理论综述、代码库和实证评估，揭示了LoRA及其变体对学习率的敏感性，并展示了其在多种任务中的性能优势。
Comments Submitted to IEEE Transactions on Pattern Analysis and Machine Intelligence, Under Review
解开强化微调设计选择的谜团：一种批量上下文老虎机学习的视角
机构 * University of Science and Technology of China（中国科学技术大学） ； Daqing Oilfield Chongqing Company（重庆大庆油田公司） ； IFlyTek (China)（iFlytek（中国））
AI总结 本文从批量上下文老虎机学习视角，探讨强化微调中设计选择的作用与关键性，通过实验揭示各因素对学习和泛化的影响。
DreamVAR: 镇压强化视觉自回归模型以实现高保真主体驱动图像生成
机构 * Nanjing University of Science and Technology（南京理工大学） ； University of Science and Technology of China（中国科学技术大学） ； HiDream.ai Inc.（HiDream.ai公司）
AI总结 DreamVAR通过改进的自回归模型和强化学习，实现高保真主体驱动图像生成，优于现有扩散方法。
Comments Accepted By ICASSP 2026
MIRRORTALK: 通过解耦的风格和分层运动控制生成个性化虚拟形象
机构 * Ping An Technology (Shenzhen) Co., Ltd.（平安科技（深圳）有限公司） ； University of Science and Technology of China（中国科学技术大学）
AI总结 MirrorTalk通过解耦风格与运动控制生成个性化虚拟形象，提升嘴唇同步准确性和个性化表达。
Comments Accepted to 2026 IEEE International Conference on Acoustics, Speech, and Signal Processing (ICASSP 2026)
头感知视觉裁剪：通过注意力引导的子图像增强细粒度VQA
机构 * Ping An Technology (Shenzhen) Co., Ltd.（平安科技（深圳）有限公司） ； University of Science and Technology of China（中国科学技术大学）
AI总结 通过注意力引导的子图像增强细粒度VQA，提出无需训练的HAVC方法，利用优化的注意力头提升视觉定位精度。
Comments Accepted to 2026 IEEE International Conference on Acoustics, Speech, and Signal Processing (ICASSP 2026)
CARE：用于机器人控制的潜在连续动作表示的多任务预训练
机构 * Ping An Technology (Shenzhen) Co., Ltd.（平安科技（深圳）有限公司） ； University of Science and Technology of China（中国科学技术大学）
AI总结 CARE通过多任务预训练学习连续动作表示，提升机器人控制的可扩展性和可解释性。
Comments Accepted to 2026 IEEE International Conference on Acoustics, Speech, and Signal Processing (ICASSP 2026)
PaperArena: 一个用于科学文献上工具增强代理推理的评估基准
机构 * State Key Laboratory of Cognitive Intelligence, University of Science and Technology of China（认知智能国家重点实验室，中国科学技术大学） ； Artificial Intelligence Research Institute, iFLYTEK Co., Ltd（人工智能研究院，iFLYTEK有限公司）
AI总结 PaperArena提出一个评估基准，用于评估基于LLM的代理在跨多篇论文整合信息并使用外部工具进行推理的能力，实验显示现有代理在复杂任务上的表现有限。
Comments 19 pages, 13 figures
基于LLM的协同信念推理用于高效多智能体协作
机构 * Shenzhen International Graduate School, Tsinghua University（深圳国际研究生院，清华大学） ； Huawei Tenchnologies Co., Ltd.（华为技术有限公司） ； University of Science and Technology of China（中国科学技术大学）
AI总结 CoBel-World通过协同信念世界框架，提升LLM多智能体协作的效率和人类化表现。
QuiZSF：一种用于零样本时间序列预测的检索增强框架
机构 * University of Science and Technology of China（中国科学技术大学） ； Suzhou Institute for Advanced Research, USTC（先进研究院）
AI总结 QuiZSF通过整合检索与预测功能，提升零样本时间序列预测的准确性与效率。
LLMs是否在跨语言多样化文本中的逻辑推理中是稳定的正式逻辑翻译器？
机构 * State Key Laboratory of Cognitive Intelligence, University of Science and Technology of China（认知智能国家重点实验室，中国科学技术大学） ； 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） ； School of Information Science and Technology, University of Science and Technology of China（信息科学与技术学院，中国科学技术大学）
AI总结 本文提出SoLT基准测试和MenTaL方法，揭示LLMs在跨语言多样化文本中存在符号映射不一致问题，并通过增强语言多样性提升推理稳定性。
Comments Accepted by WWW2026
BookNet：通过跨页注意力网络实现书本图像校正
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 BookNet通过跨页注意力机制实现双页书本图像校正，引入Book3D和Book100数据集，优于现有方法。
通过任务导向的对抗性记忆适应增强对话代理
机构 * Xi’an Jiaotong University（西安交通大学） ； City University of Hong Kong（香港城市大学） ； University of Science and Technology of China（中国科学技术大学） ； Zhejiang University（浙江大学） ； Zhejiang University of Technology（浙江工业大学）
AI总结 本文提出对抗性记忆适应机制，通过模拟任务执行提升对话代理对长对话的处理能力。
Comments 11 pages, 4 figures
PRISM：一种结合无监督视觉表示和文本提示的框架，用于从心脏 cine MRI 预测可解释的 MACE 生存率
机构 * Fudan University（复旦大学） ； Shanghai Innovation Institute（上海创新研究院） ； Shanghai Artificial Intelligence Laboratory（上海人工智能实验室） ； 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）
AI总结 PRISM通过结合无监督视觉表示和文本提示，实现了从心脏 cine MRI 预测可解释的 MACE 生存率。
为何存在注意力模式：一种统一的时间视角分析
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教育部重点实验室，中国科学技术大学） ； Huawei Technologies Co., Ltd.（华为技术有限公司） ； College of Intelligence and Computing, Tianjin University（智能与计算学院，天津大学）
AI总结 本文提出TAPPA框架，从时间连续性角度分析注意力模式，揭示其可预测性与查询自相似性关系，并通过KV缓存压缩和剪枝任务验证其有效性。
Comments ICLR 2026
DA-SPS：基于奇异谱分析、补丁策略和斯皮尔曼相关性的双阶段网络用于多变量时间序列预测
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 Advanced Technology, University of Science and Technology of China（先进技术研究院，中国科学技术大学） ； Institute of Artificial Intelligence, Hefei Comprehensive National Science Center（人工智能研究院，合肥综合性国家科学中心）
AI总结 DA-SPS通过双阶段网络结合奇异谱分析、补丁策略和斯皮尔曼相关性，提升多变量时间序列预测的准确性与鲁棒性。
Comments 12 pages, 7 figures, 6 tables, submitted to IEEE Transactions on Emerging Topics in Computational Intelligence
最优传输诱导的对抗性样本对抗分布外过度自信
机构 * Guangzhou University（广州大学） ； SmartMore Corporation（SmartMore公司） ； University of Science and Technology of China（中国科学技术大学） ； Northwestern Polytechnical University（西北工业大学） ； Guangdong Key Laboratory of Industrial Control System Security（广东工业控制系统安全重点实验室）
AI总结 本文提出通过最优传输诱导的边界生成分布外样本，以缓解模型在不确定区域的过度自信预测问题。
Comments Accepted by ICLR 2026
REST：基于扩散模型的实时端到端流式说话人生成方法：通过ID上下文缓存和异步流式蒸馏
机构 * University of Science and Technology of China（中国科学技术大学）
AI总结 REST通过ID-Context缓存和异步流式蒸馏，实现高效实时端到端流式说话人生成。
Comments 27 pages, 10 figures
高效的自回归视频扩散模型与Dummy头
机构 * Tsinghua University（清华大学） ； Microsoft Research Asia（微软亚洲研究院） ； Johns Hopkins University（约翰霍普金斯大学） ； University of Science and Technology of China（中国科学技术大学）
AI总结 本文提出Dummy Forcing方法，通过优化多头自注意力机制的内存分配和上下文管理，提升视频扩散模型的生成速度，同时保持高质量输出。
Comments Technical Report
SemBind: 通过学习语义遮罩将潜在信号绑定到图像语义以对抗黑盒伪造攻击
机构 * School of Cyber Science and Technology, University of Science and Technology of China, Anhui, China（中国科学技术大学网络安全学院） ； Anhui Province Key Laboratory of Digital Security, Anhui, China（安徽省数字安全重点实验室）
AI总结 SemBind通过学习语义遮罩将潜在信号绑定到图像语义，以对抗黑盒伪造攻击，提高水印的抗伪造能力和鲁棒性平衡。
GenAgent：通过代理多模态推理扩展文本到图像生成
机构 * Fudan University（复旦大学） ； Tongyi Lab（通义实验室） ； Nanjing University（南京大学） ； University of Science and Technology of China（中国科学技术大学）
AI总结 GenAgent通过代理多模态推理提升文本到图像生成性能，采用两阶段训练策略实现自主多轮交互与任务自适应推理。
稀疏方程匹配：一种无导数学习方法用于通用阶动态系统
机构 * School of Management University of Science and Technology of China（科学技术大学管理学院） ； Department of Biostatistics and Bioinformatics Duke University（杜克大学生物统计与生物信息学系）
AI总结 本文提出稀疏方程匹配方法，用于无导数学习通用阶动态系统，通过模拟和EEG数据验证其在脑连接分析中的有效性。
Vlaser：具有协同具身推理能力的视觉-语言-动作模型
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） ； Shanghai Jiao Tong University（上海交通大学） ； Zhejiang University（浙江大学） ； Nanjing University（南京大学） ； Fudan University（复旦大学） ； Tsinghua University（清华大学） ； NUS（新加坡国立大学） ； Northeastern University（东北大学） ； Shenzhen University（深圳大学）
AI总结 Vlaser通过整合高级推理与低级控制，解决了具身推理与VLA策略学习之间的关键差距，在多个基准测试中取得最佳性能。
多智能体机器人系统（MARS）挑战的进展与创新
机构 * SJTU（上海交通大学） ； Oxford（牛津大学） ； USTC（中国科学技术大学） ； Shanghai AI Lab（上海人工智能实验室） ； CMU（卡内基梅隆大学） ； HKU（香港大学） ； Tongji（同济大学） ； UC San Diego（南加州大学） ； CUHK-SZ（香港中文大学（深圳）） ； SYSU（华南理工大学） ； Harvard（哈佛大学）
AI总结 MARS挑战通过多智能体具身规划与控制任务，推动多智能体协作AI系统的发展。
Comments MARS Challenge @ NeurIPS 2025 Workshop on Space in Vision, Language, and Embodied AI. Challenge page: https://mars-eai.github.io/MARS-Challenge-Webpage/
平滑、稀疏且稳定：通过平滑近端梯度实现有限时间精确骨架恢复
机构 * School of Management, University of Science and Technology of China（管理学院，中国科学技术大学）
AI总结 本文提出平滑近端梯度算法SPG-AHOC，通过混合顺序无环约束在有限时间内精确恢复因果图结构，解决了连续优化与离散图结构之间的根本性挑战。
Comments 20 pages, 8 figures
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