Xi'an Jiaotong University（西安交通大学）

Neural Operator-Grounded Continuous Tensor Function Representation and Its Applications

神经运算机基础的连续张量函数表示及其应用

Ruoyang Su, Xi-Le Zhao, Sheng Liu, Wei-Hao Wu, Yisi Luo, Michael K. Ng

机构 * School of Mathematical Sciences, University of Electronic Science and Technology of China（电子科技大学数学科学学院） ； School of Mathematics and Statistics, Xi’an Jiaotong University（西安交通大学数学与统计学院） ； Department of Mathematics, Hong Kong Baptist University（香港 Baptist 大学数学系） 纠错

AI总结 本文提出神经运算机基础的连续张量函数表示NO-CTR，通过连续非线性模式-n运算符提升复杂数据表示能力，并在多种数据集上验证其优越性。

Randomized Neural Networks for Partial Differential Equation on Static and Evolving Surfaces

随机神经网络用于静态和演变表面上的偏微分方程

Jingbo Sun, Fei Wang

机构 * School of Mathematics and Statistics, Xi’an Jiaotong University, Xi’an, Shaanxi 710049, P.R. China（西安交通大学数学与统计学院） ； School of Mathematics and Statistics & State Key Laboratory of Multiphase Flow in Power Engineering, Xi’an Jiaotong University, Xi’an, Shaanxi 710049, China（西安交通大学数学与统计学院） 纠错

AI总结 本文提出了一种随机神经网络方法，用于在静态和演变表面求解偏微分方程，通过随机生成隐藏层参数和最小二乘问题确定输出层系数，提高求解效率和精度。

MIST-RL: Mutation-based Incremental Suite Testing via Reinforcement Learning

MIST-RL：基于突变的增量测试套件生成 via 强化学习

Sicheng Zhu, Jiajun Wang, Jiawei Ai, Xin Li

机构 * Fudan University, Shanghai, China（复旦大学） ； University of Science and Technology of China（中国科学技术大学） ； Xi'an Jiaotong University, Xi'an, China（西安交通大学） ； South China University of Technology, Guangzhou, China（华南理工大学） 纠错

AI总结 MIST-RL通过强化学习优化测试生成，提升突变得分并减少测试用例数量，改进代码验证效果。

Comments Preprint. 17 pages

Structure-preserving Randomized Neural Networks for Incompressible Magnetohydrodynamics Equations

保持结构的随机神经网络用于不可压缩磁流体动力学方程

Yunlong Li, Fei Wang, Lingxiao Li

机构 * School of Mathematics and Statistics, Xi’an Jiaotong University（西安交通大学数学与统计学院） ； School of Mathematics and Statistics & State Key Laboratory of Multiphase Flow in Power Engineering, Xi’an Jiaotong University（西安交通大学数学与统计学院及电力工程多相流国家重点实验室） ； School of Mathematics and Statistics, Henan University（河南大学数学与统计学院） 纠错

AI总结 SP-RaNN通过保持结构的随机神经网络方法，高效解决不可压缩MHD方程，实现高精度和无散度约束的精确满足。

Adaptive-Growth Randomized Neural Networks for Level-Set Computation of Multivalued Nonlinear First-Order PDEs with Hyperbolic Characteristics

自适应增长随机神经网络用于多值非线性一阶偏微分方程的水平集计算

Haoning Dang, Shi Jin, Fei Wang

机构 * School of Mathematics and Statistics, Xi’an Jiaotong University, Xi’an, Shaanxi 710049, China（数学与统计学学院，西安交通大学，西安，陕西 710049，中国） ； School of Mathematical Sciences & Institute of Natural Sciences, Shanghai Jiao Tong University, Shanghai 200240, China（数学科学学院及自然科学研究所，上海交通大学，上海 200240，中国） ； School of Mathematics and Statistics & State Key Laboratory of Multiphase Flow in Power Engineering, Xi’an Jiaotong University, Xi’an, Shaanxi 710049, China（数学与统计学学院及电力工程多相流国家重点实验室，西安交通大学，西安，陕西 710049，中国） 纠错

AI总结 本文提出自适应增长随机神经网络方法，用于高效计算具有双曲特征的非线性一阶偏微分方程的多值解。

Removing Multiple Hybrid Adverse Weather in Video via a Unified Model

通过统一模型去除视频中的多种混合恶劣天气

Yecong Wan, Mingwen Shao, Yuanshuo Cheng, Jun Shu, Shuigen Wang

机构 * China University of Petroleum (East China)（中国石油大学（华东）） ； Xi’an Jiaotong University（西安交通大学） ； IRay Technology Co., Ltd.（IRay科技有限公司） 纠错

AI总结 UniWRV通过统一模型有效去除视频中多种混合恶劣天气，提升多种退化场景下的适应能力。

Has Multimodal Learning Delivered Universal Intelligence in Healthcare? A Comprehensive Survey

多模态学习是否在医疗领域实现了通用智能？一项全面的综述

Qika Lin, Yifan Zhu, Xin Mei, Ling Huang, Jingying Ma, Kai He, Zhen Peng, Erik Cambria, Mengling Feng

机构 * Saw Swee Hock School of Public Health, National University of Singapore（新加坡国立大学公共健康学院） ； School of Computer Science, Beijing University of Posts and Telecommunications（北京邮电大学计算机学院） ； School of Automation, Northwestern Polytechnical University（西北工业大学自动化学院） ； School of Computer Science and Technology, Xi’an Jiaotong University（西安交通大学计算机科学与技术学院） 纠错

AI总结 本文通过全面调查，指出当前多模态学习在医疗领域尚未实现通用智能，并提出十个潜在研究方向。

Comments 21 pages, 6 figures

MLLM-4D: Towards Visual-based Spatial-Temporal Intelligence

MLLM-4D: 向基于视觉的空间-时间智能迈进

Xingyilang Yin, Chengzhengxu Li, Jiahao Chang, Chi-Man Pun, Xiaodong Cun

机构 * University of Macau（澳门大学） ； Xi'an Jiaotong University（西安交通大学） ； The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳）） ； GVC Lab, Great Bay University（大湾大学GVC实验室） 纠错

AI总结 MLLM-4D通过改进的数据筛选和训练策略，实现了从2D输入中强大的空间-时间理解和推理能力。

Optimal-Horizon Social Robot Navigation in Heterogeneous Crowds

异质人群中的最优时间跨度社会机器人导航

Jiamin Shi, Haolin Zhang, Yuchen Yan, Shitao Chen, Jingmin Xin, Nanning Zheng

机构 * National Key Laboratory of Human-Machine Hybrid Augmented Intelligence（人机混合增强智能国家重点实验室） ； Nation Engineering Research Center for Visual Information and Applications（视觉信息与应用国家工程研究中心） ； Institute of Artificial Intelligence and Robotics（人工智能与机器人研究所） ； Xi’an Jiaotong University（西安交通大学） 纠错

AI总结 本文提出了一种基于社会条件优化的机器人导航框架，通过时空Transformer和强化学习策略动态调整预测时间跨度，提升在异质人群中的导航效率与安全性。

Comments 7 pages, 5 figures

OmniSpatial: Towards Comprehensive Spatial Reasoning Benchmark for Vision Language Models

OmniSpatial：迈向视觉语言模型的空间推理综合基准

Mengdi Jia, Zekun Qi, Shaochen Zhang, Wenyao Zhang, Xinqiang Yu, Jiawei He, He Wang, Li Yi

机构 * Tsinghua University（清华大学） ； Xian Jiaotong University（西安交通大学） ； Shanghai Jiao Tong University（上海交通大学） ； Galbot ； Peking University（北京大学） ； Shanghai Qi Zhi Institute（上海启智研究院） 纠错

AI总结 OmniSpatial是一个基于认知心理学的综合性空间推理基准，通过动态推理、复杂空间逻辑等四个类别，评估视觉语言模型在空间推理上的能力与局限。

Comments ICLR 2026

DeepEyes: Incentivizing "Thinking with Images" via Reinforcement Learning

DeepEyes: 通过强化学习激励'图像思考'

Ziwei Zheng, Michael Yang, Jack Hong, Chenxiao Zhao, Guohai Xu, Le Yang, Chao Shen, Xing Yu

机构 * Xiaohongshu Inc.（小红书公司） ； Xi’an Jiaotong University（西安交通大学） 纠错

AI总结 DeepEyes通过强化学习实现图像引导的推理，无需预训练数据，提升多模态任务性能。

Comments Accepted by ICLR2026. Ziwei, Michael, Jack, and Chenxiao are equal-contribution. The list order is random