University of Science and Technology of China（中国科学技术大学）

Advances and Innovations in the Multi-Agent Robotic System (MARS) Challenge

多智能体机器人系统（MARS）挑战的进展与创新

Li Kang, Heng Zhou, Xiufeng Song, Rui Li, Bruno N. Y. Chen, Ziye Wang, Ximeng Meng, Stone Tao, Yiran Qin, Xiaohong Liu, Ruimao Zhang, Lei Bai, Yilun Du, Hao Su, Philip Torr, Zhenfei Yin, Ruihao Gong, Yejun Zeng, Fengjun Zhong, Shenghao Jin, Jinyang Guo, Xianglong Liu, Xiaojun Jia, Tianqi Shan, Wenqi Ren, Simeng Qin, Jialing Yang, Xiaoyu Ma, Tianxing Chen, Zixuan Li, Zijian Cai, Yan Qin, Yusen Qin, Qiangyu Chen, Kaixuan Wang, Zhaoming Han, Yao Mu, Ping Luo, Yuanqi Yao, Haoming Song, Jan-Nico Zaech, Fabien Despinoy, Danda Pani Paudel, Luc Van Gool

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） 纠错

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/

Smooth, Sparse, and Stable: Finite-Time Exact Skeleton Recovery via Smoothed Proximal Gradients

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

Rui Wu, Yongjun Li

机构 * School of Management, University of Science and Technology of China（管理学院，中国科学技术大学） 纠错

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

STaR: Towards Effective and Stable Table Reasoning via Slow-Thinking Large Language Models

STaR：通过慢思考大语言模型实现有效的稳定表格推理

Huajian Zhang, Mingyue Cheng, Yucong Luo, Xiaoyu Tao

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） 纠错

AI总结 STaR通过慢思考机制提升表格推理的有效性和稳定性，采用两阶段训练框架和不确定性量化技术，在领域内和领域外均取得优异表现。

MemWeaver: A Hierarchical Memory from Textual Interactive Behaviors for Personalized Generation

MemWeaver: 一种从文本交互行为构建的分层记忆用于个性化生成

Shuo Yu, Mingyue Cheng, Daoyu Wang, Qi Liu, Zirui Liu, Ze Guo, Xiaoyu Tao

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） 纠错

AI总结 MemWeaver通过构建分层记忆模型，利用文本交互行为捕捉用户兴趣的时间演变和语义关系，实现深度个性化内容生成。

Comments Accepted by The Web Conference 2026 (WWW'26) 12 pages, 8 figures

Enhancing Federated Class-Incremental Learning via Spatial-Temporal Statistics Aggregation

通过时空统计聚合增强联邦类增量学习

Zenghao Guan, Guojun Zhu, Yucan Zhou, Wu Liu, Weiping Wang, Jiebo Luo, Xiaoyan Gu

机构 * University of Chinese Academy of Sciences（中国科学院大学） ； Tianjin University（天津大学） ； University of Science and Technology of China（中国科学技术大学） ； University of Rochester（罗切斯特大学） ； State Key Laboratory of Cyberspace Security Defense, Institute of Information Engineering（信息工程研究所网络空间安全防御国家重点实验室） 纠错

AI总结 本文提出STSA方法，通过时空统计聚合提升联邦类增量学习的性能，减少通信开销，适用于异构数据场景。

Comments WWW 2026

UniCog: Uncovering Cognitive Abilities of LLMs through Latent Mind Space Analysis

UniCog: 通过潜在思维空间分析揭示大语言模型的认知能力

Jiayu Liu, Yinhe Long, Zhenya Huang, Enhong Chen

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） 纠错

AI总结 UniCog通过潜在思维空间分析揭示大语言模型的认知能力，提出统一框架并提升推理性能

Neuro-Symbolic Verification on Instruction Following of LLMs

神经符号验证在大语言模型指令遵循上的应用

Yiming Su, Kunzhao Xu, Yanjie Gao, Fan Yang, Cheng Li, Mao Yang, Tianyin Xu

机构 * University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； University of Science and Technology of China（中国科学技术大学） ； Microsoft Research（微软研究院） 纠错

AI总结 本文提出NSVIF框架，通过神经符号方法验证大语言模型是否遵循指令，实验表明其在指令遵循验证中表现优异。

AR-Omni: A Unified Autoregressive Model for Any-to-Any Generation

AR-Omni：一种统一的自回归模型用于任意到任意生成

Dongjie Cheng, Ruifeng Yuan, Yongqi Li, Runyang You, Wenjie Wang, Liqiang Nie, Lei Zhang, Wenjie Li

机构 * The Hong Kong Polytechnic University（香港理工大学） ； University of Science and Technology of China（中国科学技术大学） ； Harbin Institute of Technology (Shenzhen)（哈尔滨工业大学（深圳）） 纠错

AI总结 AR-Omni提出一种无需专家解码器的统一自回归模型，实现多模态任意到任意生成，解决模态不平衡、视觉保真度和稳定性与创造力平衡问题。

CaSNet: Compress-and-Send Network Based Multi-Device Speech Enhancement Model for Distributed Microphone Arrays

CaSNet：基于压缩-发送网络的多设备语音增强模型用于分布式麦克风阵列

Chengqian Jiang, Jie Zhang, Haoyin Yan

机构 * NERC-SLIP, University of Science and Technology of China (USTC)（NERC-SLIP，中国科学技术大学） 纠错

AI总结 CaSNet是一种用于分布式麦克风阵列的压缩-发送网络，通过特征压缩和神经解码提升语音增强性能，减少带宽和能耗。

Comments this paper has been accept by ICASSP2026

UniGRec: Unified Generative Recommendation with Soft Identifiers for End-to-End Optimization

UniGRec: 一种基于软标识符的统一生成推荐方法用于端到端优化

Jialei Li, Yang Zhang, Yimeng Bai, Shuai Zhu, Ziqi Xue, Xiaoyan Zhao, Dingxian Wang, Frank Yang, Andrew Rabinovich, Xiangnan He

机构 * University of Science and Technology of China（科学技术大学） ； National University of Singapore（国立新加坡大学） ； The Chinese University of Hong Kong（香港中文大学） 纠错

AI总结 UniGRec通过统一生成推荐框架解决端到端优化中的软标识符问题，提出退火推理对齐、码字均匀性正则化和双协作蒸馏机制，提升推荐性能。

Comments 11 pages, 6 figures

UCAD: Uncertainty-guided Contour-aware Displacement for semi-supervised medical image segmentation

UCAD: 基于不确定性的轮廓感知位移用于半监督医学图像分割

Chengbo Ding, Fenghe Tang, Shaohua Kevin Zhou

机构 * University of Science and Technology of China（科学技术大学） ； Suzhou Institute for Advanced Research（苏州先进研究院） ； State Key Laboratory of Precision and Intelligent Chemistry（精密与智能化学国家重点实验室） 纠错

AI总结 UCAD通过基于不确定性的轮廓感知位移框架，提升半监督医学图像分割的准确性和一致性学习效果。

Comments Accepted by ISBI 2026

Deep Neural networks for solving high-dimensional parabolic partial differential equations

深度神经网络求解高维抛物型偏微分方程

Wenzhong Zhang, Zheyuan Hu, Wei Cai, George EM Karniadakis

机构 * Suzhou Institute for Advanced Research, University of Science and Technology of China（中国科学技术大学苏州研究院） ； Department of Mathematics, Southern Methodist University（南方法国大学数学系） ； Department of Computer Science, School of Computing, National University of Singapore（新加坡国立大学计算机科学系） ； Department of Mathematics, Southern Methodist University (SMU)（南方法国大学数学系） ； Division of Applied Mathematics, Brown University（布朗大学应用数学系） 纠错

AI总结 本文介绍了利用深度神经网络求解高维抛物型PDEs的方法，探讨了三种主要范式及其应用，展示了方法的可扩展性和有效性。

SenseNova-MARS: Empowering Multimodal Agentic Reasoning and Search via Reinforcement Learning

SenseNova-MARS: 通过强化学习赋能多模态代理推理与搜索

Yong Xien Chng, Tao Hu, Wenwen Tong, Xueheng Li, Jiandong Chen, Haojia Yu, Jiefan Lu, Hewei Guo, Hanming Deng, Chengjun Xie, Gao Huang, Dahua Lin, Lewei Lu

机构 * SenseTime Research（商汤科技研究院） ； Tsinghua University（清华大学） ； University of Science and Technology of China（中国科学技术大学） 纠错

AI总结 SenseNova-MARS通过强化学习赋能多模态代理推理与搜索，提升视觉-语言模型在复杂视觉任务中的表现。

Generalizing WiFi Gesture Recognition via Large-Model-Aware Semantic Distillation and Alignment

通过大模型感知的语义蒸馏与对齐实现WiFi手势识别的泛化

Feng-Qi Cui, Yu-Tong Guo, Tianyue Zheng, Jinyang Huang

机构 * Institute of Advanced Technology, University of Science and Technology of China（科学技术大学先进技术研究院） ； 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） ； School of Computer Science and Engineering, Southern University of Science and Technology（南方科技大学计算机科学与工程学院） 纠错

AI总结 GLSDA通过大模型感知的语义蒸馏与对齐提升WiFi手势识别的泛化能力，实现领域内和跨领域任务的高性能识别。

Comments Accepted by IEEE ICPADS 2025

Crystal-KV: Efficient KV Cache Management for Chain-of-Thought LLMs via Answer-First Principle

Crystal-KV: 通过答案优先原则高效管理链式推理LLM的KV缓存

Zihan Wang, Cheng Tang, Lei Gong, Cheng Li, Chao Wang, teng wang, Wenqi Lou, Xuehai Zhou

机构 * 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） ； University of Science and Technology of China（中国科学技术大学） ； Institute of Artificial Intelligence, Hefei Comprehensive National Science Center（人工智能研究所，合肥综合性国家科学中心） ； Suzhou Institute for Advanced Research, University of Science and Technology of China（苏州先进研究院，中国科学技术大学） 纠错

AI总结 Crystal-KV通过答案优先原则高效管理链式推理LLM的KV缓存，提升缓存压缩和推理效率。

PhysicsMind: Sim and Real Mechanics Benchmarking for Physical Reasoning and Prediction in Foundational VLMs and World Models

PhysicsMind: 为基础多模态大语言模型和世界模型中的物理推理和预测进行仿真与现实力学基准测试

Chak-Wing Mak, Guanyu Zhu, Boyi Zhang, Hongji Li, Xiaowei Chi, Kevin Zhang, Yichen Wu, Yangfan He, Chun-Kai Fan, Wentao Lu, Kuangzhi Ge, Xinyu Fang, Hongyang He, Kuan Lu, Tianxiang Xu, Li Zhang, Yongxin Ni, Youhua Li, Shanghang Zhang

机构 * Peking University（北京大学） ； Mohamed bin Zayed University of Artificial Intelligence（莫扎伊德大学人工智能学院） ； National University of Singapore（新加坡国立大学） ； 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） ； Cornell University（康奈尔大学） ； Hong Kong Polytechnic University（香港理工大学） ； City University of Hong Kong（香港城市大学） 纠错

AI总结 PhysicsMind是一个结合现实和仿真环境的统一基准，用于评估基础多模态大语言模型和世界模型在物理推理和预测中的能力。

Evaluating and Achieving Controllable Code Completion in Code LLM

评估和实现可控的代码补全在代码LLM中

Jiajun Zhang, Zeyu Cui, Lei Zhang, Jian Yang, Jiaxi Yang, Qiang Liu, Zilei Wang, Binyuan Hui, Liang Wang, Junyang Lin

机构 * University of Science and Technology of China（中国科学技术大学） ； Alibaba Group（阿里巴巴集团） ； Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所） ； University of Chinese Academy of Sciences（中国科学院大学） 纠错

AI总结 本文提出可控代码补全基准C3-Bench，评估了40种LLM在代码补全中的指令遵循能力，开发数据合成管道并推出Qwen2.5-Coder-C3模型，实现代码补全性能的突破。

HumanLLM: Towards Personalized Understanding and Simulation of Human Nature

HumanLLM: 向个性化理解与模拟人类本质迈进

Yuxuan Lei, Tianfu Wang, Jianxun Lian, Zhengyu Hu, Defu Lian, Xing Xie

机构 * University of Science and Technology of China（科学技术大学） ； The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）） ； Microsoft Research Asia（微软亚洲研究院） 纠错

AI总结 HumanLLM通过构建大规模用户数据集和多阶段训练流程，实现了对个体认知与行为的个性化模拟，提升了社会智能和个性化应用的效果。

Comments 12 pages, 5 figures, 7 tables, to be published in KDD 2026

VMask: Tunable Label Privacy Protection for Vertical Federated Learning via Layer Masking

VMask: 通过层掩码实现可调的标签隐私保护用于垂直联邦学习

Juntao Tan, Lan Zhang, Zhonghao Hu, Kai Yang, Peng Ran, Bo Li

机构 * University of Science and Technology of China（中国科学技术大学） ； Key Laboratory of Internet and Industrial Integration and Innovation, CAICT, MIIT（互联网与工业融合创新重点实验室） ； Research Institute of Safety Technology, China Mobile Research Institute（安全技术研究所） ； Hong Kong University of Science and Technology（香港科技大学） 纠错

AI总结 VMask通过层掩码技术实现可调的标签隐私保护，有效防御模型完成攻击，同时保持模型性能，运行效率显著高于传统方法。

Comments Accepted by Frontiers of Computer Science (FCS)

VTarbel: Targeted Label Attack with Minimal Knowledge on Detector-enhanced Vertical Federated Learning

VTarbel：基于最小知识的目标标签攻击与增强垂直联邦学习

Juntao Tan, Anran Li, Quanchao Liu, Peng Ran, Lan Zhang

机构 * University of Science and Technology of China（科学技术大学） ； Department of Security Technology Research, China Mobile Research Institute（安全技术研究所） 纠错

AI总结 VTarbel是一种针对增强垂直联邦学习的最小知识目标标签攻击框架，通过两阶段方法规避检测并有效诱导误分类。

Comments Accepted by ACM Transactions on Sensor Networks (TOSN)

Rethinking Reinforcement fine-tuning of LLMs: A Multi-armed Bandit Learning Perspective

重新思考大语言模型的强化微调：多臂老虎机学习视角

Xiao Hu, Hong Xie, Tao Tan, Defu Lian, Jianyu Han

机构 * University of Science and Technology of China（中国科学技术大学） ； IFlyTek (China)（iFlytek（中国）） 纠错

AI总结 本文从多臂老虎机学习视角重新思考大语言模型的强化微调，通过极简实验流程揭示优化选择的作用及瓶颈问题，为该领域提供新见解。

RMBRec: Robust Multi-Behavior Recommendation towards Target Behaviors

RMBRec: 面向目标行为的鲁棒多行为推荐

Miaomiao Cai, Zhijie Zhang, Junfeng Fang, Zhiyong Cheng, Xiang Wang, Meng Wang

机构 * National University of Singapore（新加坡国立大学） ； 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） 纠错

AI总结 RMBRec通过信息论鲁棒性原则，结合表示鲁棒性模块和优化鲁棒性模块，提升多行为推荐的鲁棒性和稳定性。

Journal ref WWW2026

Fine-Grained Zero-Shot Composed Image Retrieval with Complementary Visual-Semantic Integration

细粒度零样本组合图像检索与互补视觉-语义整合

Yongcong Ye, Kai Zhang, Yanghai Zhang, Enhong Chen, Longfei Li, Jun Zhou

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） ； Zhejiang University（浙江大学） 纠错

AI总结 本文提出CVSI方法，通过互补视觉-语义整合提升细粒度零样本组合图像检索性能。

From Tags to Trees: Structuring Fine-Grained Knowledge for Controllable Data Selection in LLM Instruction Tuning

从标签到树：为LLM指令微调中的可控数据选择构建细粒度知识

Zihan Niu, Wenping Hu, Junmin Chen, Xiyue Wang, Tong Xu, Ruiming Tang

机构 * University of Science and Technology of China（中国科学技术大学） ； Klear Team, Kuaishou Technology（快手科技Klear团队） 纠错

AI总结 TAGS通过构建细粒度知识树，实现LLM指令微调中可控数据选择的高效采样与知识对齐。

IF-GEO: Conflict-Aware Instruction Fusion for Multi-Query Generative Engine Optimization

IF-GEO：面向多查询生成引擎优化的冲突感知指令融合

Heyang Zhou, JiaJia Chen, Xiaolu Chen, Jie Bao, Zhen Chen, Yong Liao

机构 * School of Cyber Science and Technology, University of Science and Technology of China（中国科学技术大学网络科学与技术学院） ； Institute of Dataspace, Hefei Comprehensive National Science Center（合肥综合性国家科学中心数据研究所） 纠错

AI总结 IF-GEO通过冲突感知指令融合框架，提升多查询生成引擎在有限预算下的优化稳定性与性能。

Comments 9 pages, 3 figures. Submitted to ACL 2026. Corresponding author: Zhen Chen

Activation-Space Anchored Access Control for Multi-Class Permission Reasoning in Large Language Models

基于激活空间锚定的多类权限推理访问控制

Zhaopeng Zhang, Pengcheng Sun, Lan Zhang, Chen Tang, Jiewei Lai, Yunhao Wang, Hui Jin

机构 * University of Science and Technology of China（中国科学技术大学） ； Lenovo Research（联想研究院） 纠错

AI总结 本文提出AAAC框架，通过激活空间锚点实现多类权限控制，有效降低权限违规和攻击成功率。

From Completion to Editing: Unlocking Context-Aware Code Infilling via Search-and-Replace Instruction Tuning

从补全到编辑：通过搜索和替换指令微调解锁上下文感知的代码填充

Jiajun Zhang, Zeyu Cui, Jiaxi Yang, Lei Zhang, Yuheng Jing, Zeyao Ma, Tianyi Bai, Zilei Wang, Qiang Liu, Liang Wang, Binyuan Hui, Junyang Lin

机构 * USTC（University of Science and Technology of China） ； Alibaba Group（阿里巴巴集团） ； CASIA（Chinese Academy of Sciences Institute of Automation） ； SIAT（Institute of Automation, Chinese Academy of Sciences） 纠错

AI总结 通过搜索和替换指令微调，SRI框架实现了上下文感知的代码填充，提升了补全性能并保持低延迟。

AgentAsk: Multi-Agent Systems Need to Ask

AgentAsk: 多智能体系统需要提问

Bohan Lin, Kuo Yang, Zelin Tan, Yingchuan Lai, Chen Zhang, Guibin Zhang, Xinlei Yu, Miao Yu, Xu Wang, Yudong Zhang, Yang Wang

机构 * University of Science and Technology of China（科学技术大学） ； Shanghai AI Laboratory（上海人工智能实验室） ； Xi’an Jiaotong University（西安交通大学） ； National University of Singapore（新加坡国立大学） 纠错

AI总结 AgentAsk通过边缘级澄清模块提升多智能体系统准确性，减少误差传播，提高任务效率与性能。

Paired Image Generation with Diffusion-Guided Diffusion Models

配对图像生成与扩散引导扩散模型

Haoxuan Zhang, Wenju Cui, Yuzhu Cao, Tao Tan, Jie Liu, Yunsong Peng, Jian Zheng

机构 * University of Science and Technology of China（科学技术大学） ； Suzhou Institute of Biomedical Engineering and Technology（生物医学工程与技术研究所） ； Macao Polytechnic University（澳门 polytechnic 大学） ； Suzhou Municipal Hospital（苏州 municipal 医院） ； Guizhou Provincial People's Hospital（贵州省人民医院） 纠错

AI总结 本文提出一种无需外部条件的配对图像生成方法，通过训练额外的扩散引导器提升生成质量并缓解标注数据不足问题。

Jingfang: An LLM-Based Multi-Agent System for Precise Medical Consultation and Syndrome Differentiation in Traditional Chinese Medicine

Jingfang: 一种基于大语言模型的多智能体系统，用于精准中医诊疗和辨证论治

Yehan Yang, Tianhao Ma, Ruotai Li, Xinhan Zheng, Guodong Shan

机构 * Beijing University of Posts and Telecommunications（北京邮电大学） ； Southeast University（东南大学） ； University of Chinese Academy of Sciences（中国科学院大学） ； University of Science and Technology of China（中国科学技术大学） 纠错

AI总结 JingFang 是一种基于大语言模型的多智能体系统，旨在通过多智能体协作机制提升中医诊疗的准确性和个性化水平，尤其在辨证论治方面表现优异。