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

KH-FUNSD: A Hierarchical and Fine-Grained Layout Analysis Dataset for Low-Resource Khmer Business Document

KH-FUNSD：一种面向低资源柬埔寨商业文档的分层和细粒度布局分析数据集

Nimol Thuon, Jun Du

机构 * National Engineering Research Center of Speech and Language Information Processing (NERC-SLIP) University of Science and Technology of China（国家语信息处理语音工程研究中心（NERC-SLIP）大学科学技术大学） 纠错

AI总结 KH-FUNSD是首个面向克默语商业文档的分层细粒度布局分析数据集，通过三级注释框架提升低资源语言文档处理能力。

Journal ref 2025 Asia Pacific Signal and Information Processing Association Annual Summit and Conference (APSIPA ASC)

NeuralOGCM: Differentiable Ocean Modeling with Learnable Physics

NeuralOGCM：可微海洋建模与可学习物理

Hao Wu, Yuan Gao, Fan Xu, Fan Zhang, Guangliang Liu, Yuxuan Liang, Xiaomeng Huang

机构 * Tsinghua University, Beijing, China（清华大学） ； University of Science and Technology of China, Hefei, China（中国科学技术大学） ； The Chinese University of Hong Kong, Hong Kong, China（香港中文大学） ； Hong Kong University of Science and Technology (Guangzhou), Guangzhou, China（香港科学与技术大学（广州）） 纠错

AI总结 NeuralOGCM通过融合可微编程与深度学习，实现高效且物理合理的海洋建模，提升科学计算的精度与效率。

M3-Embedding: Multi-Linguality, Multi-Functionality, Multi-Granularity Text Embeddings Through Self-Knowledge Distillation

M3-Embedding：通过自知识蒸馏实现多语言、多功能、多粒度的文本嵌入

Jianlv Chen, Shitao Xiao, Peitian Zhang, Kun Luo, Defu Lian, Zheng Liu

机构 * University of Science and Technology of China（中国科学技术大学） ； BAAI（北京人工智能研究院） 纠错

AI总结 M3-Embedding通过自知识蒸馏实现多语言、多功能和多粒度的文本嵌入，提升多语言检索性能。

Universal Discrete-Domain Speech Enhancement

通用离散域语音增强

Fei Liu, Yang Ai, Ye-Xin Lu, Rui-Chen Zheng, Hui-Peng Du, Zhen-Hua Ling

机构 * National Engineering Research Center of Speech and Language Information Processing, University of Science and Technology of China（语音与语言信息处理国家级工程研究中心，中国科学技术大学） 纠错

AI总结 本文提出一种通用离散域语音增强模型UDSE，通过离散域分类任务提升对多种失真语音的增强能力。

Benchmarking Multimodal LLMs on Recognition and Understanding over Chemical Tables

在化学表格上评估多模态大语言模型的基准测试

Yitong Zhou, Mingyue Cheng, Qingyang Mao, Yucong Luo, Qi Liu, Yupeng Li, Xiaohan Zhang, Deguang Liu, Xin Li, Enhong Chen

机构 * State Key Laboratory of Cognitive Intelligence（认知智能国家重点实验室） ； University of Science and Technology of China（中国科学技术大学） ； Artificial Intelligence Research Institute（人工智能研究院） ； iFLYTEK Co., Ltd（iFLYTEK公司） 纠错

AI总结 本文提出ChemTable基准，用于评估多模态模型在理解化学表格中的能力，揭示了现有模型在跨模态对齐和领域推理方面的不足。

LISN: Language-Instructed Social Navigation with VLM-based Controller Modulating

LISN: 基于VLM控制器的指令引导社交导航

Junting Chen, Yunchuan Li, Panfeng Jiang, Jiacheng Du, Zixuan Chen, Chenrui Tie, Jiajun Deng, Lin Shao

机构 * RoboScience Co.（RoboScience公司） ； ShanghaiTech University（上海科技大学） ； Nanjing University（南京大学） ； University of Science and Technology of China（中国科学技术大学） 纠错

AI总结 LISN通过VLM控制器实现指令引导的社交导航，提出首个标准化基准并提升动态避障能力。

Comments 8 pages

DMP-TTS: Disentangled multi-modal Prompting for Controllable Text-to-Speech with Chained Guidance

DMP-TTS: 解耦多模态提示的可控文本到语音系统 with 链式引导

Kang Yin, Chunyu Qiang, Sirui Zhao, Xiaopeng Wang, Yuzhe Liang, Pengfei Cai, Tong Xu, Chen Zhang, Enhong Chen

机构 * University of Science and Technology of China（科学技术大学） 纠错

AI总结 DMP-TTS通过解耦多模态提示和链式引导技术，实现了更强的文本到语音风格可控性，同时保持良好的可懂度和自然度。

Dual-Branch Center-Surrounding Contrast: Rethinking Contrastive Learning for 3D Point Clouds

双分支中心-周围对比：重新思考3D点云中的对比学习

Shaofeng Zhang, Xuanqi Chen, Xiangdong Zhang, Sitong Wu, Junchi Yan

机构 * University of Science and Technology of China（中国科学技术大学） ； Shanghai Jiao Tong University（上海交通大学） ； Chinese University of Hong Kong（香港中文大学） 纠错

AI总结 本文提出双分支中心-周围对比框架，通过双分支输入和补丁级对比损失，提升3D点云对比学习性能，达到SOTA效果。

Comments 16 pages, 6 figures

Fast-ARDiff: An Entropy-informed Acceleration Framework for Continuous Space Autoregressive Generation

Fast-ARDiff: 一种基于熵信息的连续空间自回归生成加速框架

Zhen Zou, Xiaoxiao Ma, Jie Huang, Zichao Yu, Feng Zhao

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

AI总结 Fast-ARDiff通过联合优化AR和扩散组件，结合熵信息引导策略和动态调度器，实现高效连续空间自回归生成加速。

TrackingWorld: World-centric Monocular 3D Tracking of Almost All Pixels

TrackingWorld: 以世界为中心的单目3D像素跟踪

Jiahao Lu, Weitao Xiong, Jiacheng Deng, Peng Li, Tianyu Huang, Zhiyang Dou, Cheng Lin, Sai-Kit Yeung, Yuan Liu

机构 * HKUST（香港科技大学） ； USTC（中国科学技术大学） ； CUHK（香港中文大学） ； HKU（香港大学） ； XMU（厦门大学） ； MUST（澳门科技大学） 纠错

AI总结 TrackingWorld提出了一种以世界为中心的单目3D像素跟踪方法，通过上采样器和优化框架实现对视频中几乎所有像素的密集3D跟踪。

Comments Accepted by NeurIPS 2025. Project Page: https://igl-hkust.github.io/TrackingWorld.github.io/

Information-Dense Reasoning for Efficient and Auditable Security Alert Triage

信息密集推理用于高效且可审计的安全警报分拣

Guangze Zhao, Yongzheng Zhang, Changbo Tian, Dan Xie, Hongri Liu, Bailing Wang

机构 * Harbin Institute of Technology（哈尔滨工业大学） ； CHANG AN communication technology Co., Ltd.（CHANG AN通信技术有限公司） ； University of Science and Technology of China（中国科学技术大学） ； Harbin Institute of Technology (Weihai) Qingdao Research Institute（哈尔滨工业大学（威海）青岛研究院） ； Shandong Key Laboratory of Industrial Network Security（山东省工业网络信息安全重点实验室） 纠错

AI总结 AIDR通过混合云边框架和信息密度优化，实现高效且可审计的安全警报分拣，减少40.6%的延迟并提升准确性。

MELLM: A Flow-Guided Large Language Model for Micro-Expression Understanding

MELLM：一种面向微表情理解的流引导大型语言模型

Sirui Zhao, Zhengye Zhang, Shifeng Liu, Xinglong Mao, Shukang Yin, Chaoyou Fu, Tong Xu, Enhong Chen

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） ； Nanjing University（南京大学） 纠错

AI总结 MELLM通过结合光学流敏感性与LLM推理能力，首次实现对微表情的全面理解，显著提升微表情识别的准确性和泛化能力。

Single-step Diffusion-based Video Coding with Semantic-Temporal Guidance

单步扩散视频编码与语义-时间引导

Naifu Xue, Zhaoyang Jia, Jiahao Li, Bin Li, Zihan Zheng, Yuan Zhang, Yan Lu

机构 * Communication University of China（中国通信大学） ； 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） 纠错

AI总结 S2VC通过单步扩散与语义-时间引导，实现低比特率下的高质量视频编码，比特率节省达52.73%。

Gait-Adaptive Perceptive Humanoid Locomotion with Real-Time Under-Base Terrain Reconstruction

具有实时底层地形重建的感知人体机器人运动

Haolin Song, Hongbo Zhu, Tao Yu, Yan Liu, Mingqi Yuan, Wengang Zhou, Hua Chen, Houqiang Li

机构 * Department of Electronic Engineering and Information Science (EEIS), 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） ； LimX Dynamics（LimX动力学） ； Hong Kong University of Science and Technology（香港科技大学） ； School of Mechanics Engineering, Harbin Institute of Technology (HIT)（机械工程学院，哈尔滨工业大学） ； Department of Computing, The Hong Kong Polytechnic University（计算学院，香港理工大学） ； Zhejiang University-University of Illinois Urbana-Champaign Institute (ZJUI)（浙江大学-伊利诺伊大学厄巴纳-香槟分校联合研究所） 纠错

AI总结 该研究提出了一种结合地形感知、步态调节和全身控制的强化学习框架，通过实时底层地形重建实现稳健的人形机器人运动。

Geometric Prior-Guided Federated Prompt Calibration

几何先验引导的联邦提示校准

Fei Luo, Ziwei Zhao, Mingxuan Wang, Duoyang Li, Zhe Qian, Jiayi Tuo, Chenyue Zhou, Yanbiao Ma

机构 * Jishou University（吉首大学） ； Technical University of Munich（慕尼黑技术大学） ； Renmin University of China（中国人民大学） ； Northwestern Polytechnical University（西北工业大学） ； South China Agricultural University（华南农业大学） ； University of Science and Technology of China（中国科学技术大学） ； Nanjing University of Aeronautics and Astronautics（南京航空航天大学） 纠错

AI总结 本文提出GGTPC框架，通过引入全局几何先验纠正本地训练偏见，提升联邦学习在数据异质性下的性能。

MM-ACT: Learn from Multimodal Parallel Generation to Act

MM-ACT: 从多模态并行生成中学习以行动

Haotian Liang, Xinyi Chen, Bin Wang, Mingkang Chen, Yitian Liu, Yuhao Zhang, Zanxin Chen, Tianshuo Yang, Yilun Chen, Jiangmiao Pang, Dong Liu, Xiaokang Yang, Yao Mu, Wenqi Shao, Ping Luo

机构 * Shanghai AI Laboratory（上海人工智能实验室） ； Shanghai Jiao Tong University（上海交通大学） ； The University of Hong Kong（香港大学） ； 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） 纠错

AI总结 MM-ACT通过多模态并行生成提升机器人任务执行能力，实现96.3%的成功率。

Comments 17 pages

QiMeng-SALV: Signal-Aware Learning for Verilog Code Generation

QiMeng-SALV：面向Verilog代码生成的信号感知学习

Yang Zhang, Rui Zhang, Jiaming Guo, Lei Huang, Di Huang, Yunpu Zhao, Shuyao Cheng, Pengwei Jin, Chongxiao Li, Zidong Du, Xing Hu, Qi Guo, Yunji Chen

机构 * State Key Lab of Processors, Institute of Computing Technology, CAS（处理器国家重点实验室，计算技术研究所，中国科学院） ； 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 QiMeng-SALV通过信号感知学习提升Verilog代码生成的准确性与性能，采用信号级优化解决功能奖励不足问题。

Comments Accepted to NeurIPS 2025

Self-Improvement Towards Pareto Optimality: Mitigating Preference Conflicts in Multi-Objective Alignment

迈向帕累托最优的自我改进：缓解多目标对齐中的偏好冲突

Moxin Li, Yuantao Zhang, Wenjie Wang, Wentao Shi, Zhuo Liu, Fuli Feng, Tat-Seng Chua

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） 纠错

AI总结 本文提出一种自我改进的DPO框架，通过生成帕累托最优响应缓解多目标对齐中的偏好冲突，提升模型在帕累托前沿的优化效果。

Comments ACL findings (2025)

Bridging Relevance and Reasoning: Rationale Distillation in Retrieval-Augmented Generation

弥合相关性与推理：检索增强生成中的推理蒸馏

Pengyue Jia, Derong Xu, Xiaopeng Li, Zhaocheng Du, Xiangyang Li, Yichao Wang, Yuhao Wang, Qidong Liu, Maolin Wang, Huifeng Guo, Ruiming Tang, Xiangyu Zhao

机构 * 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） ； Huawei Noah’s Ark Lab（华为诺亚实验室） 纠错

AI总结 RADIO通过推理提取和基于推理的对齐方法，弥合检索增强生成中重排器与生成器之间的相关性差距。

Comments Accepted to ACL 25 Findings

Diffusion Models for Image Restoration and Enhancement: A Comprehensive Survey

扩散模型在图像修复与增强中的应用：全面综述

Xin Li, Yulin Ren, Xin Jin, Cuiling Lan, Xingrui Wang, Wenjun Zeng, Xinchao Wang, Zhibo Chen

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） ； Eastern Institute for Advanced Study（东部高级研究机构） ； Microsoft Research Asia（微软亚洲研究院） 纠错

AI总结 本文首次全面综述了基于扩散模型的图像修复与增强方法，涵盖学习范式、条件策略、框架设计等，并提出未来研究方向。

Comments Accepted by IJCV 2025

Balanced Learning for Domain Adaptive Semantic Segmentation

领域自适应语义分割中的平衡学习

Wangkai Li, Rui Sun, Bohao Liao, Zhaoyang Li, Tianzhu Zhang

机构 * MoE Key Laboratory of Brain-inspired Intelligent Perception and Cognition（脑启发智能感知与认知关键实验室） ； University of Science and Technology of China（中国科学技术大学） ； Deep Space Exploration Laboratory（深空探测实验室） 纠错

AI总结 BLDA通过分析logits分布和引入共享锚定分布，有效缓解领域自适应语义分割中的类别偏倚问题，提升模型在欠预测类别上的性能。

Comments Accepted by International Conference on Machine Learning (ICML 2025)

Spatial Retrieval Augmented Autonomous Driving

空间检索增强的自动驾驶

Xiaosong Jia, Chenhe Zhang, Yule Jiang, Songbur Wong, Zhiyuan Zhang, Chen Chen, Shaofeng Zhang, Xuanhe Zhou, Xue Yang, Junchi Yan, Yu-Gang Jiang

机构 * Institute of Trustworthy Embodied AI, Fudan University（可信具身人工智能研究院，复旦大学） ； Shanghai Jiao Tong University（上海交通大学） ； Key Laboratory of Target Cognition and Application Technology, Aerospace Information Research Institute, Chinese Academy of Sciences（目标认知与应用技术重点实验室，航天信息研究所，中国科学院） ； University of Science and Technology of China（中国科学技术大学） 纠错

AI总结 本文提出空间检索范式，通过引入离线地理图像提升自动驾驶任务性能，扩展nuScenes数据集并建立多个基准测试。

Comments Demo Page: https://spatialretrievalad.github.io/ with open sourced code, dataset, and checkpoints

An Index-based Approach for Efficient and Effective Web Content Extraction

基于索引的方法用于高效有效的网络内容提取

Yihan Chen, Benfeng Xu, Xiaorui Wang, Zhendong Mao

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

AI总结 本文提出基于索引的方法，用于高效提取网络相关内容，提升RAG系统查询准确性与处理速度。

LabUtopia: High-Fidelity Simulation and Hierarchical Benchmark for Scientific Embodied Agents

LabUtopia：高保真模拟与分层基准用于科学具身智能体

Rui Li, Zixuan Hu, Wenxi Qu, Jinouwen Zhang, Zhenfei Yin, Sha Zhang, Xuantuo Huang, Hanqing Wang, Tai Wang, Jiangmiao Pang, Wanli Ouyang, Lei Bai, Wangmeng Zuo, Ling-Yu Duan, Dongzhan Zhou, Shixiang Tang

机构 * Shanghai AI Laboratory（上海人工智能实验室） ； Peking University（北京大学） ； Oxford（牛津大学） ； The Chinese University of Hong Kong（香港中文大学） ； Harbin Institute of Technology（哈尔滨工业大学） ； University of Science and Technology of China（中国科学技术大学） 纠错

AI总结 LabUtopia通过高保真模拟和分层基准推动实验室环境中具身智能的发展。

Comments Accepted by NeurIPS 2025 Dataset and Benchmark Track

Towards Unsupervised Domain Bridging via Image Degradation in Semantic Segmentation

通过图像退化实现无监督领域桥接的语义分割方法

Wangkai Li, Rui Sun, Huayu Mai, Tianzhu Zhang

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联合实验室，中国科学技术大学） ； National Key Laboratory of Deep Space Exploration, Deep Space Exploration Laboratory（国家深空探测重点实验室，深空探测实验室） 纠错

AI总结 DiDA通过图像退化构建中间领域并补偿语义偏移，提升语义分割在不同领域间的适应性能。

Comments Accepted by Conference on Neural Information Processing Systems (NeurIPS 2025)

Twisted Convolutional Networks (TCNs): Enhancing Feature Interactions for Non-Spatial Data Classification

扭曲卷积网络（TCNs）：增强非空间数据分类的特征交互

Junbo Jacob Lian, Haoran Chen, Kaichen Ouyang, Yujun Zhang, Rui Zhong, Huiling Chen

机构 * McCormick School of Engineering, Northwestern University（西北大学工程学院） ； School of Mathematics, University of Science and Technology of China（中国科学技术大学数学系） ； College of New Energy, Jingchu University of Technology（荆楚科技学院新能源学院） ； Information Initiative Center, Hokkaido University（北海道大学信息初始化中心） ； School of Computer Science and Artificial Intelligence, Wenzhou University（温州大学计算机科学与人工智能学院） 纠错

AI总结 TCNs通过理论支持的乘法和成对交互机制增强非空间数据分类的特征交互，实现比CNNs、ResNet等方法更显著的性能提升。

Comments The source code for the TCNs can be accessed at https://github.com/junbolian/Twisted-Convolutional-Networks

WaterWave: Bridging Underwater Image Enhancement into Video Streams via Wavelet-based Temporal Consistency Field

WaterWave: 通过小波基于的时间一致性场将水下图像增强扩展到视频流

Qi Zhu, Jingyi Zhang, Naishan Zheng, Wei Yu, Jinghao Zhang, Deyi Ji, Feng Zhao

机构 * University of Science and Technology of China（中国科学技术大学） ； Hefei University of Technology（合肥工业大学） 纠错

AI总结 WaterWave通过小波基于的时间一致性场，解决水下视频增强中缺乏时间一致性的问题，提升视频质量和下游跟踪任务性能。

RAG-IGBench: Innovative Evaluation for RAG-based Interleaved Generation in Open-domain Question Answering

RAG-IGBench: 用于开放领域问答中基于检索增强生成的交错生成的创新评估

Rongyang Zhang, Yuqing Huang, Chengqiang Lu, Qimeng Wang, Yan Gao, Yi Wu, Yao Hu, Yin Xu, Wei Wang, Hao Wang, 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） ； Xiaohongshu Inc.（小红书公司） ； Xi’an Jiaotong University（西安交通大学） 纠错

AI总结 RAG-IGBench通过创新的评估指标和多模态数据，评估基于检索增强生成的交错生成任务，验证了模型在开放领域问答中的性能提升。

Comments 26 pages, 6 figures, NeurIPS 2025 D&B Track poster

Highly Efficient Test-Time Scaling for T2I Diffusion Models with Text Embedding Perturbation

面向T2I扩散模型的高效测试时缩放方法：文本嵌入扰动

Hang Xu, Linjiang Huang, Feng Zhao

机构 * MoE Key Lab of BIPC, USTC（信息与通信前沿技术联合实验室，中国科学技术大学） ； Beihang University（北京航空航天大学） 纠错

AI总结 本文提出文本嵌入扰动方法，通过结合频率引导的噪声调度与空间噪声扰动，提升T2I扩散模型生成质量与多样性，无需额外计算资源。

HybridWorldSim: A Scalable and Controllable High-fidelity Simulator for Autonomous Driving

HybridWorldSim: 一种可扩展且可控的高保真驾驶仿真器

Qiang Li, Yingwenqi Jiang, Tuoxi Li, Duyu Chen, Xiang Feng, Yucheng Ao, Shangyue Liu, Xingchen Yu, Youcheng Cai, Yumeng Liu, Yuexin Ma, Xin Hu, Li Liu, Yu Zhang, Linkun Xu, Bingtao Gao, Xueyuan Wang, Shuchang Zhou, Xianming Liu, Ligang Liu

机构 * XPeng Motors ； ShanghaiTech University（上海科技大学） ； University of Science and Technology of China（中国科学技术大学） 纠错

AI总结 HybridWorldSim通过整合多遍神经重建与生成模型，实现高保真驾驶仿真，提供可扩展且可控的仿真环境及新的多遍数据集MIRROR，推动自动驾驶研究。

Comments Project page: https://hybridworldsim.github.io/