高校专区
SGF-CDNet：基于语义-几何融合节点的一致性-差异图网络用于人脸伪造检测
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空间安全学院） ； Anhui Province Key Laboratory of Digital Security（安徽省数字安全重点实验室）
AI总结 针对人脸伪造检测，提出SGF-CDNet，通过融合语义与几何信息构建节点，利用双路径CD-GNN在一致性和差异两维度并行推理，有效识别面部组件间不和谐关系，实验证明性能优越。
Comments 6 pages, 4 figures. This work has been accepted at ICMEW 2026
遮挡解空间：针对容错感知操纵的与规划器无关的对抗攻击
机构 * Guangzhou University（广州大学） ； University of Science and Technology of China（中国科学技术大学） ； Northwestern Polytechnical University（西北工业大学）
AI总结 提出针对容错感知操纵的与规划器无关攻击框架，通过运动学占用热图刻画机器人能力，将攻击设为预算最大覆盖优化，实验表明该方法能可靠引发规划失败，优于基线。
Comments Accepted by IROS'2026
用于少步生成建模的感知流匹配
机构 * Joy Future Academy（京东探索研究院） ； Fudan University（复旦大学） ； Tsinghua University（清华大学） ； USTC（中国科学技术大学）
AI总结 提出感知流匹配框架，在感知特征空间监督流匹配，改进少步生成能力，减少采样步骤，无需教师模型和辅助分数网络，实验表明其能产生高质量结果。
基于分层混合物理信息深度强化学习的异构多机器人系统高精度编队控制
机构 * Dongguan Key Laboratory of Intelligent Equipment and Smart Industry, School of Advanced Engineering, Great Bay University（东莞智能装备与智能产业重点实验室，大湾区大学先进工程学院） ； Technische Universität Dresden（德累斯顿工业大学） ； School of Mechanical and Electrical Engineering, Guangzhou University（广州大学机电工程学院） ； University of Science and Technology of China（中国科学技术大学） ； College of Computer Science, Dongguan University of Technology（东莞理工学院计算机科学与技术学院）
AI总结 针对异构多机器人系统编队控制问题，提出分层混合物理信息深度强化学习框架。上层用深度强化学习设计领导者导航策略网络，下层整合多种控制器构建编队控制策略网络，设计分层奖励函数训练跟随者，实验验证方法有效性。
从通用动作到特定领域监测：基于骨架的动作识别的先验自适应迁移
机构 * University of Science and Technology of China（中国科学技术大学）
AI总结 研究基于骨架的动作识别模型在特定领域任务中表现不佳的问题，提出先验自适应迁移框架PATS，通过选择性保留相关先验并过滤冗余，经实验在阿尔茨海默病检测和跌倒检测任务中提升性能与效率。
SafeGuard：用于社会风险AI生成视频检测的多智能体感知-推理框架
机构 * University of Science and Technology of China（中国科学技术大学） ； King Abdullah University of Science and Technology（阿卜杜拉国王科技大学） ； Vast Intelligence Lab（旷视智能实验室）
AI总结 针对AI生成视频检测挑战，提出SafeGuard多智能体框架，通过感知求解器与验证器协作，引入SafeVid基准，实验证明其泛化性佳，提升检测准确率。
Comments Accepted to ECCV 2026, The code and dataset are publicly available at https://github.com/williamw99/SafeGuard
GuideMe：流视频中的多域任务指导与干预
机构 * City University of Hong Kong（香港城市大学） ； Huawei Research（华为研究院） ； University of Science and Technology of China（中国科学技术大学） ； Chinese University of Hong Kong（香港中文大学） ； City University of Hong Kong (Dongguan)（香港城市大学（东莞））
AI总结 构建流视频多域基准GuideMe，支持训练和评估用于闭环交互任务指导的MLLMs，设计评估框架衡量模型能力，实验发现现有MLLMs虽擅提供指令，但难识别执行错误并反馈。
Comments ECCV 2026
ReLo-IRR：用于图像反射去除的反射引导LoRA框架
机构 * School of Artificial Intelligence, South China Normal University（南方科技大学人工智能学院） ； University of Science and Technology of China（中国科学技术大学）
AI总结 针对单图像反射去除问题，提出基于整流流模型的ReLo-IRR框架。设计轻量级估计器预测反射强度描述符，引入时间条件机制，联合建模反射强度和去噪动态，有效抑制不同反射条件。
看见情感：用于脑电图情感识别的面部表情符号代理建模
机构 * Hefei University of Technology（合肥工业大学） ； PLA Information Engineering University（中国人民解放军信息工程大学） ； University of Science and Technology of China（中国科学技术大学） ； MBZUAI
AI总结 研究将脑电图可解释性重构为跨模态生成任务，提出面部表情符号代理建模框架，把高维脑电图信号转化为面部表情符号，在相关基准测试中取得先进准确率，能生成忠实面部动画展现大脑情感演变。
Comments Accepted by ICML 2026
大语言模型安全工具编排的决定因素与限制：基于HexStrike-AI的研究
机构 * University of Science and Technology of China（中国科学技术大学） ； Suzhou Institute for Advanced Research（苏州研究院）
AI总结 以HexStrikeAI为测试平台，通过评估系统、诊断故障并改进，运行多类挑战，发现驱动客户端是固定模型的首要因素，整体解决率提升，剩余故障受推理或环境限制，还讨论了编排器评估及局限性。
H-OPD：置信感知异构多教师多模态在线策略蒸馏
机构 * Beijing University of Posts and Telecommunications（北京邮电大学） ； ByteDance（字节跳动） ； USTC（中国科学技术大学） ； Beijing Key Laboratory of Network System and Network Culture（北京网络系统与网络文化重点实验室） ； Key Laboratory of Interactive Technology and Experience System, Ministry of Culture and Tourism（文化和旅游部互动技术与体验系统重点实验室） ； Zhongguancun Academy（中关村科学城）
AI总结 研究多模态推理的在线策略蒸馏问题，提出H-OPD框架，通过验证异构教师互补性，以令牌级教师仲裁取代任务或样本级路由，结合视觉与文本教师，在多基准测试中性能优越。
Comments Technical report(work-in-progress). Code will be available at \url{https://github.com/buptyqx/H-OPD}
双自适应SAM3：基于低秩专家层的分层路由用于参数高效的医学图像分割
机构 * Shenzhen Research Institute, The Chinese University of Hong Kong（香港中文大学深圳研究院） ； University of Science and Technology of China（中国科学技术大学） ； Nanyang Technological University（南洋理工大学） ； Imperial Global Singapore (IGS), Imperial College London（伦敦帝国理工学院新加坡帝国全球（IGS））
AI总结 提出双自适应SAM3框架，通过任务感知的动态专家路由器和参数感知的分解参数化专家设计，兼顾分割精度与参数效率，在医学图像分割上有高表现。
Comments Accepted by MICCAI 2026
科大讯飞-具身全能技术报告
机构 * iFLYTEK ； LindenBot ； University of Science and Technology of China（中国科学技术大学）
AI总结 研究通用具身智能体，提出统一多模态基础模型iFLYTEK-Embodied-Omni，通过共享多模态自注意力联合建模视觉、语言和动作，结合多种数据构建数据集并采用四阶段策略训练，实现脑-小脑协作。
图上的样本选择：用于无损训练加速的统一数据集剪枝框架
机构 * University of Science and Technology of China（中国科学技术大学）
AI总结 提出基于图的统一数据集剪枝框架，将数据集建模为加权图，通过最大权重团问题选择样本，并设计贪心算法，在多种剪枝比例下优于现有方法，实现ImageNet-1k上40%以上训练加速且不损失精度。
Comments ICML 2026
Q-GeoMem：面向视频空间推理的问题引导几何记忆
机构 * University of Science and Technology of China（中国科学技术大学） ； Shanghai AI Lab（上海人工智能实验室） ； Northwestern Polytechnical University（西北工业大学） ； TeleAI
AI总结 提出Q-GeoMem框架，通过问题引导的几何记忆机制，结合细粒度上下文库和语义几何证据库，在视频空间推理任务中实现最先进性能。
IR-Flow：通过修正流弥合判别与生成图像修复的鸿沟
机构 * MoE Key Laboratory of Brain-inspired Intelligent Perception and Cognition, School of Information Science and Technology, University of Science and Technology of China（脑启发智能感知与认知联合实验室，信息科学与技术学院，中国科学技术大学）
AI总结 IR-Flow通过修正流框架结合判别与生成方法，提升图像修复的细节与效率，实现多级数据分布和累积速度场，增强修复性能与适应性。
Journal ref Machine Intelligence Research, 2026
MCLMR：一种多行为推荐的模型无关因果学习框架
机构 * School of Artificial Intelligence and Data Science, University of Science and Technology of China（中国科学技术大学人工智能与数据科学学院） ； Artificial Intelligence Thrust, The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）人工智能学域） ； RMIT University（皇家墨尔本理工大学） ； State Key Laboratory of Cognitive Intelligence（认知智能国家重点实验室） ； iFLYTEK Research, iFLYTEK（科大讯飞研究院）
AI总结 MCLMR提出一种模型无关的因果学习框架，解决多行为推荐中因果效应建模、辅助行为聚合和语义对齐的问题，通过因果图和混合专家模块提升推荐性能。
Comments Accepted by WWW 2026(oral)
NextCrystal：用于晶体结构预测的对称驱动生成框架
机构 * Laboratory of Quantum Information, University of Science and Technology of China（量子信息实验室，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 研究针对晶体结构预测难题，引入NextCrystal框架，用大语言模型编码化学语义，经启发式波束搜索和扩散主干，实现从原子化学计量比直接生成精细Wyckoff位点模式，性能达最优并发现新相。
GIPO：高斯重要性采样策略优化
机构 * University of Science and Technology of China（中国科学技术大学）
AI总结 该研究提出了一种基于截断重要性采样的策略优化目标GIPO，通过使用基于对数比率的高斯信任权重替代硬裁剪，以软化极端重要性比率同时保持非零梯度，从而提高数据效率，实验表明GIPO在多种回放缓冲区大小下均取得最佳性能，表现出优越的偏差-方差权衡、高训练稳定性及改进的样本效率。
迈向高效智能体：记忆、工具学习与规划
机构 * Shanghai Artificial Intelligence Laboratory（上海人工智能实验室） ； Fudan University（复旦大学） ； University of Science and Technology of China（中国科学技术大学） ； Shanghai Jiaotong University（上海交通大学） ； Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所） ； The Chinese University of Hong Kong (Shenzhen)（香港中文大学（深圳）） ； Hong Kong Polytechnic University（香港理工大学） ； Wuhan University（武汉大学） ； Tsinghua University（清华大学）
AI总结 研究将大语言模型扩展到智能体系统中的效率问题，从记忆、工具学习和规划三个核心组件考虑成本，回顾多种方法并详细讨论，以两种方式刻画效率，还探讨关键挑战与未来方向。
Comments 63 pages, 244 references
VKnowU：评估多模态语言模型中的视觉知识理解
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） ； Nanjing University（南京大学） ； Shanghai Innovation Institute（上海创新研究院） ； City University of Hong Kong（香港城市大学）
AI总结 研究多模态大语言模型视觉知识理解能力，提出VKnowU基准测试。评估28个模型，发现与人类表现有差距。引入新数据集和VideoKnow+基线模型，采用结构化范式和强化学习，提升模型表现。
Comments Accepted by ECCV 2026. https://github.com/OpenGVLab/VKnowU
用于一次性医学地标检测的结构引导自监督匹配
机构 * Department of Computer Science（计算机科学系） ； Renmin University of China（中国人民大学） ； University of Science and Technology of China（中国科学技术大学） ； School of Biomedical Engineering（生物医学工程学院） ； School of Artificial Intelligence（人工智能学院） ； Shanghai Jiaotong University（上海交通大学） ； Department of Orthopedics（骨科系） ； Affiliated Hospital of Guizhou Medical University（贵州医科大学附属医院） ； Yale University（耶鲁大学）
AI总结 研究仅单张标注模板图像的一次性医学地标检测，提出SGB-Match框架，通过自监督从无标注图像对学习对应关系，经结构引导偏差改进对比目标，采用全局到局部设计，实验证明其性能优异。
场景条件PINN-GNN用于多径射频地图：跨场景生成与场景内补全
机构 * Department of Electronic Engineering and Information Science, 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） ； Wireless Technology Lab, Huawei（华为无线技术实验室）
AI总结 提出基于物理信息神经网络和图神经网络的统一射频地图构建框架，支持跨场景生成和场景内补全，采用峰值加权动态时间弯曲度量评估多径重建质量，实验表明优于多种基线方法。
EvoPolicyGym：评估交互环境中的自主策略进化
机构 * 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） ； University of Macau（澳门大学） ； Tsinghua University（清华大学） ； Zhejiang University（浙江大学） ； Soochow University（苏州大学） ； Brown University（布朗大学） ； Shanghai Jiao Tong University（上海交通大学）
AI总结 提出自主策略进化评估框架，通过EvoPolicyGym基准测试代理在固定交互预算下迭代改进策略的能力，GPT-5.5在16个环境中表现最优，并揭示预算分配与反馈转化机制。
Comments 24 pages
通过分布级奖励优化视觉生成模型
机构 * University of Science and Technology of China（中国科学技术大学） ； Shanghai Innovation Institute（上海创新研究院） ； Hunyuan Frontier Lab, Tencent（腾讯混元前沿实验室） ； National University of Singapore（新加坡国立大学）
AI总结 提出分布级奖励框架，通过子集替换策略高效估计奖励并优化模型合并系数，解决样本级奖励导致的模式崩溃和视觉异常问题，在SiT和EDM2上显著提升FID-50K。
Comments ICML 2026 Main
DisciplineGen-1M：用于多学科视觉生成与编辑的大规模数据集
机构 * Shanghai Jiao Tong University（上海交通大学） ； South China University of Technology（华南理工大学） ； Xiamen University（厦门大学） ； University of Science and Technology of China（中国科学技术大学）
AI总结 提出百万级多学科数据集DisciplineGen-1M，涵盖10个学科，通过可扩展框架构建，并基于此开发学科感知推理生成模型，在学科和通用推理基准上显著提升。
HERMES：一种用于预训练数据混合的多粒度标注基底
机构 * Wizard Quant ； Peking University（北京大学） ； University of Science and Technology of China（中国科学技术大学）
AI总结 提出HERMES层次化标注基底，通过语义变换和三级残差向量量化实现从粗到细的数据编码，支持多粒度混合策略，在1B参数、25B token预训练中揭示固定粒度无法检测的交互效应，提升16任务宏平均+0.0253。
Comments 19 pages, 5 figures
AgenticSTS: 一种用于长周期LLM智能体的有界记忆测试平台
机构 * Alaya Lab（Alaya实验室） ； Shanghai Jiao Tong University（上海交通大学） ； Shanghai Innovation Institute（上海创新研究院） ； Nankai University（南开大学） ； University of Science and Technology of China（中国科学技术大学）
AI总结 提出一种有界记忆契约，通过类型化检索组装用户消息，避免原始跨决策转录，在《杀戮尖塔2》中实现并验证，揭示了战略技能层对胜率的提升效果。
InduceKV: 通过诱导KV记忆实现多模态大语言模型的固定足迹持续适应
机构 * Nanyang Technological University（南洋理工大学） ； University of Science and Technology of China（中国科学技术大学） ； Shenzhen Campus of Sun Yat-sen University（中山大学深圳校区）
AI总结 提出InduceKV方法，通过检索将训练前缀存储为注意力就绪的记忆条目，在固定内存预算下实现多模态大语言模型的持续适应，无需更新骨干模型。
PairCoder++：结对编程作为验证代码驱动的多模态与结构化工件生成的通用范式
机构 * THU（清华大学） ； PKU（北京大学） ； PolyU, Hong Kong（香港理工大学） ； USTC（中国科学技术大学） ； UESTC（电子科技大学） ； Tongji University（同济大学） ； Tianjin University（天津大学） ； Independent Researcher（独立研究者） ； Guangming Lab（光明实验室） ； BAAI（北京智源人工智能研究院）
AI总结 提出PairCoder框架，通过驱动者和导航者两个智能体结对编程，利用工具链反馈验证代码生成，在17个基准测试中显著提升可验证工件的生成质量。
Comments Accepted by ACL 2026. Project Page: https://yisuanwang.github.io/PairCoder/
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