Xi'an Jiaotong University（西安交通大学）

This Looks Distinctly Like That: Grounding Interpretable Recognition in Stiefel Geometry against Neural Collapse

这看起来明显像那：在Stiefel几何中基于可解释识别对抗神经崩溃

Junhao Jia, Jiaqi Wang, Yunyou Liu, Haodong Jing, Yueyi Wu, Xian Wu, Yefeng Zheng

机构 * Medical Artificial Intelligence Lab, Westlake University, Hangzhou, China（西湖大学医学人工智能实验室） ； Tencent Jarvis Lab, Shenzhen, China（腾讯 Jarvis 实验室） ； Hangzhou Dianzi University, Hangzhou, China（杭州电子科技大学） ； Xi’an Jiaotong University, Xi’an, China（西安交通大学） 纠错

AI总结 本文提出AMP框架，利用Stiefel几何上的Riemannian优化提升原型网络的可解释性，通过正交基和空间正则化器减少原型崩溃问题，实现更准确的分类和更高的因果可信度。

Not All Queries Need Deep Thought: CoFiCot for Adaptive Coarse-to-fine Stateful Refinement

并非所有查询都需要深度思考：CoFiCot用于自适应粗到细状态细化

Dongxu Zhang, Hongqiang Lin, Yiding Sun, Pengyu Wang, Qirui Wang, Ning Yang, Jihua Zhu

机构 * Xi’an Jiaotong University（西安交通大学） ； Zhejiang University（浙江大学） ； The Chinese University of Hong Kong (Shenzhen)（香港中文大学（深圳）） ； Institute of Automation CASIA（中国科学院自动化研究所） 纠错

AI总结 CoFiCot通过自适应粗到细框架，利用多指标分类器和状态依赖传播过程，提升大语言模型在不同任务上的推理能力与上下文一致性。

Geometric Transformation-Embedded Mamba for Learned Video Compression

嵌入几何变换的Mamba用于学习视频压缩

Hao Wei, Yanhui Zhou, Chenyang Ge

机构 * State Key Laboratory of Human-Machine Hybrid Augmented Intelligence, Institute of Artificial Intelligence and Robotics, Xi'an Jiaotong University（人机混合增强智能国家重点实验室，人工智能与机器人研究院，西安交通大学） ； School of Information and Communications Engineering, Xi'an Jiaotong University（信息与通信工程学院，西安交通大学） 纠错

AI总结 本文提出了一种基于嵌入几何变换的Mamba模块和局部性细化网络，实现高效学习视频压缩，提升低比特率下的感知质量和时间一致性。

Hide and Find: A Distributed Adversarial Attack on Federated Graph Learning

隐藏与寻找：联邦图学习中的分布式对抗攻击

Jinshan Liu, Ken Li, Jiazhe Wei, Bin Shi, Bo Dong

机构 * 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） ； Ministry of Education Key Laboratory of Intelligent Networks and Network Security（教育部智能网络与网络 security 重点实验室） ； Shaanxi Province Key Laboratory of Big Data Knowledge Engineering（陕西省大数据知识工程重点实验室） ； School of Distance Education, Xi’an Jiaotong University（西安交通大学继续教育学院） 纠错

AI总结 FedShift是一种新的两阶段分布式对抗攻击方法，通过在训练前注入隐藏的位移器和训练后聚合扰动，有效提升联邦图学习的攻击效果和隐蔽性。

Comments Accepted at ICLR 2026 Workshop: Principled Design for Trustworthy AI

Multi-Modal Decouple and Recouple Network for Robust 3D Object Detection

多模态解耦与耦合网络用于抗干扰的3D目标检测

Rui Ding, Zhaonian Kuang, Yuzhe Ji, Meng Yang, Xinhu Zheng, Gang Hua

机构 * State Key Laboratory of Human-Machine Hybrid Augmented Intelligence, Institute of Artificial Intelligence and Robotics, Xi’an Jiaotong University（人机混合增强智能国家重点实验室，人工智能与机器人研究院，西安交通大学） ； Intelligent Transportation Thrust of the Systems Hub, The Hong Kong University of Science and Technology (Guangzhou)（系统枢纽智能交通方向，香港科技大学（广州）） ； Multimodal Experiences Research Lab, Dolby Laboratories（多模态体验研究实验室，Dolby实验室） 纠错

AI总结 本文提出多模态解耦与耦合网络，通过分离和重新耦合不同模态特征以提高在数据损坏下的3D目标检测鲁棒性。

Selective Transfer Learning of Cross-Modality Distillation for Monocular 3D Object Detection

跨模态蒸馏的 selective transfer learning 用于单目3D物体检测

Rui Ding, Meng Yang, Nanning Zheng

机构 * Institute of Artificial Intelligence and Robotics, Xi’an Jiaotong University（人工智能与机器人研究所，西安交通大学） 纠错

AI总结 本文提出MonoSTL方法，通过解决跨模态蒸馏中的模态差距问题，提升单目3D物体检测的准确性。

Object-Scene-Camera Decomposition and Recomposition for Data-Efficient Monocular 3D Object Detection

面向数据高效的单目3D物体检测的物体-场景-相机分解与重组

Zhaonian Kuang, Rui Ding, Meng Yang, Xinhu Zheng, Gang Hua

机构 * Institute of Artificial Intelligence and Robotics（人工智能与机器人研究院） ； Xi'an Jiaotong University（西安交通大学） ； Intelligent Transportation Thrust of the Systems Hub（系统枢纽智能交通事业部） ； Hong Kong University of Science and Technology (GZ)（香港科技大学（广州）） ； Amazon Alexa AI（亚马逊Alexa AI） 纠错

AI总结 本文提出了一种在线分解与重组数据处理方案，通过生成多样化的物体-场景-相机组合数据，提升单目3D物体检测模型的性能。

Comments IJCV

Journal ref Int J Comput Vis 134, 155 (2026)

MTVCraft: Tokenizing 4D Motion for Arbitrary Character Animation

MTVCraft: 4D运动分词用于任意角色动画

Yanbo Ding, Xirui Hu, Zhizhi Guo, Yan Zhang, Xinrui Wang, Zhixiang He, Chi Zhang, Yali Wang, Xuelong Li

机构 * Shenzhen Key Laboratory of Computer Vision and Pattern Recognition, Shenzhen Institutes of Advanced Technology, Chinese Academy of Sciences, Shenzhen, China（深圳计算机视觉与模式识别重点实验室，深圳先进技术研究院，中国科学院，深圳，中国） ； Institute of Artificial Intelligence (TeleAI), China Telecom, Beijing, China（人工智能研究所（TeleAI），中国电信，北京，中国） ； School of Computer Science and Technology, Xi’an Jiaotong University, Xi’an, China（计算机科学与技术学院，西安交通大学，西安，中国） ； School of Artificial Intelligence, University of Chinese Academy of Sciences, Beijing, China（人工智能学院，中国科学院大学，北京，中国） ； Shanghai Artificial Intelligence Laboratory, Shanghai, China（上海人工智能实验室，上海，中国） 纠错

AI总结 MTVCraft通过直接建模4D运动序列，实现任意角色动画，提升运动控制灵活性和泛化能力。

Learning From Failures: Efficient Reinforcement Learning Control with Episodic Memory

从失败中学习：利用片段记忆的高效强化学习控制

Chenyang Miao

机构 * Xi’an Jiaotong University（西安交通大学） 纠错

AI总结 本文提出FEMA技术，通过存储失败经验防止机器人陷入不稳定状态，提升强化学习的样本效率和长期探索能力。

Fairness May Backfire: When Leveling-Down Occurs in Fair Machine Learning

公平可能适得其反：当公平机器学习中出现“平抑”现象时

Yi Yang, Xiangyu Chang, Pei-yu Chen

机构 * Department of Information Systems, Arizona State University（信息系统系，亚利桑那州立大学） ； Department of Information Systems and Intelligent Business, Xi’an Jiaotong University（信息系统与智能商业系，西安交通大学） 纠错

AI总结 研究揭示了在不同决策模式下，公平机器学习可能对不同群体产生正反两面影响，指出公平性约束可能改善弱势群体但损害优势群体，或导致系统性平抑。

Comments Short version of the paper (Nov 20, 2025)