高校专区
AnchorEdit: 通过因果记忆在多轮图像编辑中保持时间一致性
机构 * University of Science and Technology of China（中国科学技术大学） ； JD Explore Academy（京东探索研究院）
AI总结 提出首个自回归扩散框架AnchorEdit，通过因果记忆机制和自展开策略解决多轮编辑中的身份漂移和误差累积问题，在10轮以上交互中保持高保真度。
Comments Code: https://github.com/xuhang07/AnchorEdit
针对边际保持攻击的分布式可检测性带
机构 * University of Science and Technology of China（中国科学技术大学）
AI总结 针对AI监控的边际保持攻击，通过高斯Copula AR(1)构造将危害编码在时间相关性中，证明分布形状监控器失效而时间相关性监控器有效，形成非空可检测性带。
Comments 10 pages, 11 figures
Ultra Flash: 将实时流式视频生成扩展到高分辨率
机构 * JD Explore Academy（京东探索研究院） ； USTC（中国科学技术大学） ； PKU（北京大学） ； THU（清华大学） ； BUAA（北京航空航天大学） ； FDU（复旦大学） ； HKUST（香港科技大学） ； HKU（香港大学） ； CUHK（香港中文大学）
AI总结 提出Ultra Flash级联框架，通过架构保持的超分辨率训练、因果流式潜在上采样器和高分辨率解码器、以及级联优化方案，在单GPU上实现1K分辨率约30 FPS和2K分辨率约18 FPS的实时高分辨率流式视频生成。
感知行为基础模型：将人体运动先验适应到以机器人为中心的地形
机构 * Mondo Robotics ； The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）） ； The Hong Kong University of Science and Technology（香港科技大学） ； Artificial General Intelligence Institute, University of Science and Technology of China（中国科学技术大学通用人工智能研究院）
AI总结 提出感知行为基础模型（Perceptive BFM），通过地形一致参考合成（TCRS）将人体运动先验适应到机器人局部地形，实现地形感知的人形机器人控制。
面向统一歌曲生成与带伴奏共生成的歌声转换
机构 * Northwestern Polytechnical University（西北工业大学） ； Kuaishou Technology（快手科技） ； Beijing Institute of Technology（北京理工大学） ； Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所） ； 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）
AI总结 提出UniSinger框架，基于多模态扩散Transformer统一零样本歌曲生成与伴奏共生成歌声转换，通过共享说话人嵌入和课程学习策略实现跨任务音色控制与多任务优化。
基于轻量随机注意力的移动睡眠分期高效时序建模
机构 * University of Science and Technology of China（中国科学技术大学）
AI总结 提出轻量随机注意力模块RA，通过固定随机投影实现相似性聚合，替代可学习序列建模，在移动睡眠分期中实现高效时序平滑，理论解释为随机注意力先验核，实验显示在准确率和F1上提升1-3%，性能媲美LSTM/GRU/Transformer。
Comments 7 pages, 1 figures, 5 tables
层次化常微分方程：学习连续时间物理原型用于早期链路故障检测
机构 * University of Science and Technology of China（中国科学技术大学）
AI总结 提出层次化常微分方程聚类网络，利用神经ODE建模连续潜状态演化，解耦随机噪声与动态趋势，自适应确定原型数量，在不规则采样时间序列的早期链路故障检测中有效提取物理原型。
Comments International Conference on Machine Learning 2026
上下文感知的模态-拓扑协同对齐用于多模态属性图
机构 * University of Science and Technology of China（中国科学技术大学）
AI总结 提出CoMAG框架，通过任务自适应可靠上下文学习和模态保持的跳令牌对齐，统一处理图任务和模态任务，在保持稀疏边线性复杂度的同时提升结构预测、跨模态匹配和图条件生成性能。
对男性更严厉？评估LLM在不同冲突场景中的性别不对称道德框架
机构 * University of Science and Technology of China（中国科学技术大学） ； Eastern Institute of Technology, Ningbo（宁波东方理工大学）
AI总结 提出GAMA-Bench基准，通过性别镜像场景评估LLM对相同负面行为的回应，发现模型对男性更倾向于惩罚和责备，对女性则更强调共情和治疗。
Comments underreview
ReactSim-Bench：自动驾驶中反应性行为世界模型模拟的基准测试
机构 * School of Computer Science & School of Artificial Intelligence, Shanghai Jiao Tong University（上海交通大学计算机科学与技术学院、人工智能学院） ； Great Wall Motor（长城汽车） ； Institute of Trustworthy Embodied AI (TEAI), Fudan University（复旦大学可信具身人工智能研究所） ； School of Computer Science, Wuhan University（武汉大学计算机学院） ； University of Science and Technology of China（中国科学技术大学）
AI总结 提出ReactSim-Bench，通过解耦自车与周围智能体控制，使用偏离日志的自车行为作为输入，评估行为世界模型模拟的反应性能力，并基于碰撞、地图和运动学指标系统评测多种模型。
Minim: 通过可信本地净化实现代理的隐私感知最小化视图
机构 * University of Science and Technology of China（中国科学技术大学）
AI总结 针对LLM代理传输完整UI状态导致隐私泄露的问题，提出MINIM框架，在客户端基于上下文完整性学习双重分数（敏感性和必要性），通过三元披露策略实现隐私感知的最小化视图，在减少敏感泄露的同时保留任务关键信息。
Comments Accepted at ICML 2026 (43rd International Conference on Machine Learning, Seoul, South Korea). Code available at https://github.com/yyyyhx/MINIM
TWLA：通过训练后量化实现大语言模型的三值权重和低位激活
机构 * University of Science and Technology of China（中国科学技术大学）
AI总结 提出TWLA框架，通过后训练量化实现1.58位权重和4位激活，解决激活分布长尾问题，加速推理。
Comments Accepted by ICML 2026
面向聊天机器人微调的直接偏好优化：一项实证研究
机构 * University of Science and Technology of China（中国科学技术大学）
AI总结 本文实证研究直接偏好优化（DPO）在聊天机器人微调中的应用，表明其简化训练流程、提升计算效率且性能有竞争力，但存在训练不稳定性。
Comments 7 pages, 3 figures, 1 table. All authors contributed equally
EvTexture++: 事件驱动的视频超分辨率纹理增强
机构 * MOE Key Laboratory of Brain-Inspired Intelligent Perception and Cognition, University of Science and Technology of China（中国科学技术大学，脑启发智能感知与认知教育部重点实验室） ； Midea Group（美的集团）
AI总结 提出首个事件驱动的视频超分辨率纹理增强框架EvTexture++，利用事件的高频时空细节逐步恢复纹理，并通过时间纹理对齐模块增强帧间一致性，在多个数据集上达到最优性能。
Comments IEEE TPAMI 2026. Extended version of arXiv:2406.13457 (ICML 2024). Project page: https://dachunkai.github.io/evtexture-project-page/
Journal ref IEEE Transactions on Pattern Analysis and Machine Intelligence, vol. 48, no. 6, pp. 6642-6659, June 2026
OmniDirector: 无需配对数据的通用多镜头相机克隆
机构 * Kuaishou Technology（快手科技） ； Tsinghua University（清华大学） ； University of Science and Technology of China（中国科学技术大学）
AI总结 提出OmniDirector框架，通过将相机参数编码为网格运动视频，并利用百万级配对数据训练，实现无需交叉配对数据的多镜头相机运动克隆，具备卓越的控制性能。
Comments 12 pages, 8 figures
PolyFlow: 安全高效的多面体约束流匹配，具有约束嵌入和无投影更新
机构 * University of Science and Technology of China（中国科学技术大学）
AI总结 提出PolyFlow，一种将约束直接嵌入模型和流动力学的多面体约束流匹配框架，通过离散时间流公式和无投影架构消除离散化误差并严格满足任意多面体约束，在规划与控制任务中实现零约束违反并降低推理延迟。
Comments 30 pages, 12 figures, Accepted to ICML 2026
跨模态掩码组合概念建模以增强视觉-语言组合性
机构 * MoE Key Laboratory of Brain-inspired Intelligent Perception and Cognition, University of Science and Technology of China（中国科学技术大学，教育部脑启发智能感知与认知重点实验室） ； Independent Researcher（独立研究员）
AI总结 提出MACCO框架，通过掩码一个模态的组合概念并从另一模态完整上下文重建，增强视觉-语言模型的组合理解能力，在五个基准上显著提升。
Comments Accepted to ACL 2026 Main Conference, 25 pages
ARMOR-MAD：大语言模型推理中异构多智能体辩论的自适应路由
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） ； School of Artificial Intelligence, Shenzhen Technology University（深圳技术大学人工智能学院）
AI总结 提出ARMOR-MAD框架，通过辩论前协议路由、早期一致停止评估和语义异常检测，自适应控制异构多智能体辩论，提升推理准确性和效率。
Reddit生物伦理争议中立场检测的上下文感知数据集
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） ； School of Artificial Intelligence, Shenzhen Technology University（深圳技术大学人工智能学院） ； School of Urban Planning and Design, Peking University（北京大学城市规划与设计学院）
AI总结 提出BioStance数据集，包含39,600个Reddit生物伦理讨论中的评论-回复对，覆盖六类争议话题，通过三层立场标注实现高可靠性，支持上下文感知的立场检测研究。
自引导：通过解码器流形对齐增强神经编解码器
机构 * University of Science and Technology of China（中国科学技术大学）
AI总结 提出自引导方法，通过轻量特征映射损失对齐解码器内部流形，在不改变推理过程下提升VQ-VAE神经语音编解码器重建质量，实现低比特率SOTA性能并支持4倍码本缩减。
Comments 20 pages, 9 figures, accepted to ICML 2026, demo website available at https://sgvqvae.github.io/sgvqvae-demo
虚假相关性去除是否总是可学习的？
机构 * University of Science and Technology of China（中国科学技术大学）
AI总结 研究不变学习在统计可识别时的计算障碍，证明存在一维不变子空间的可采样多环境实例，多项式时间算法无法达到常数精度，并量化环境多样性对可识别性和风险的影响。
Comments poster paper in ICML-2026
基于贝叶斯条件先验的多标签测试时自适应
机构 * University of Science and Technology of China（中国科学技术大学）
AI总结 提出贝叶斯条件先验估计（BCP），一种无梯度的测试时自适应方法，通过在线估计锚定条件先验注入标签依赖性，提升冻结视觉语言模型在多标签识别中的分布偏移鲁棒性。
Comments accepted by ICML2026
LongSpike：用于高效长序列学习的分数阶脉冲状态空间模型
机构 * Wuhan University（武汉大学） ； University of Science and Technology of China（中国科学技术大学） ； Anhui University（安徽大学）
AI总结 提出LongSpike框架，将分数阶状态空间模型(f-SSM)引入脉冲神经网络，通过长记忆核实现高效长序列学习，在多个基准上超越现有SNN。
DailyReport: 一个用于评估搜索代理在日常搜索任务上的开放式基准
机构 * University of Science and Technology of China（中国科学技术大学） ； Meituan（美团）
AI总结 提出DailyReport基准，包含150个开放式日常搜索任务和3546个级联评分标准，通过分解子任务和维度评估，揭示当前搜索代理系统仍未能满足用户期望。
超越问题求解：用于评估竞赛编程中代码生成、攻击和修复的UOJ-Bench基准
机构 * University of Science and Technology of China（中国科学技术大学）
AI总结 提出UOJ-Bench基准，通过代码生成、攻击和修复三项任务评估LLM在竞赛编程中的问题求解与人类代码错误识别能力，发现最强模型在一次性评估中无法识别超过50%的错误提交，但测试时扩展可提升至90%以上，且能发现约5%的满分提交中的错误。
TimeROME-DLM：掩码扩散语言模型的时间因果追踪与低秩推理时知识编辑
机构 * Shanghai Jiao Tong University（上海交通大学） ； Nanyang Technological University（南洋理工大学） ； 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）
AI总结 提出TimeROME-DLM，首个无需训练和梯度的推理时知识编辑框架，通过时间因果追踪定位关键坐标并应用低秩残差编辑，在保持模型性能的同时高效删除事实。
MLUBench: 多模态大语言模型终身遗忘评估基准
机构 * University of Science and Technology of China（中国科学技术大学）
AI总结 提出MLUBench基准，评估多模态大模型在连续遗忘请求下的性能，发现现有方法存在累积退化，并揭示多模态对齐保持的挑战，提出LUMoE方法缓解退化。
Comments 36 pages, accepted to the ICML 2026
ECA：面向开放图像到文本生成的高效持续对齐
机构 * University of Science and Technology of China（中国科学技术大学）
AI总结 提出ECA方法，通过混合查询模块、Fisher动态扩展和字典重放，实现无需旧数据的持续对齐，缓解灾难性遗忘，提升开放图像到文本生成的增量学习性能。
Comments Accepted at the 43rd International Conference on Machine Learning (ICML 2026)
通过候选感知因果推理增强教学视频中的时间答案定位
机构 * University of Science and Technology of China（中国科学技术大学）
AI总结 提出候选感知因果推理框架，通过视觉-语言预训练候选选择和基于GRPO的时序逻辑推理，解决教学视频中复杂问题理解和长视频片段定位挑战，在六个基准上取得最优mIoU。
OmniBioTwin：用于健康数字孪生的孪生系统之系统框架
机构 * University of Science and Technology of China（中国科学技术大学）
AI总结 提出OmniBioTwin框架，通过多层级网络架构中的模块化孪生体和交互算子，实现跨尺度健康数字孪生的系统级集成，并在阿尔茨海默病GLP-1信号通路中验证。
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