Re-Triggering Safeguards within LLMs for Jailbreak Detection
在大语言模型中重新触发安全机制以检测劫持
机构 * Xidian University（西安电子科技大学） ； Xi'an Jiaotong University（西安交通大学）
AI总结 本文提出一种大语言模型劫持提示检测方法，通过重新激活内部安全机制提升防御能力，实验表明其在白盒和黑盒环境下有效抵御最新劫持攻击。
高校专区
Xi'an Jiaotong University（西安交通大学）
Guaranteed Jailbreaking Defense via Disrupt-and-Rectify Smoothing
通过干扰-校正平滑实现保证的对抗防御
机构 * Xidian University（西安电子科技大学） ； Xi’an Jiaotong University（西安交通大学）
AI总结 本文提出了一种基于平滑的新型防御方法，通过干扰-校正机制提升大语言模型对劫持攻击的防御能力，理论分析提供了防御成功的紧界和干扰强度要求，实验表明其在安全性和有用性上优于现有方法。
Diffusion Masked Pretraining for Dynamic Point Cloud
动态点云的扩散掩码预训练
机构 * Xi’an Jiaotong University（西安交通大学） ； School of Artificial Intelligence and Robotics, Hunan University（湖南大学人工智能与机器人学院） ； University of Western Australia（西澳大学）
AI总结 本文提出DiMP框架，通过引入扩散建模解决动态点云预训练中位置泄露和运动监督问题，提升下游任务性能。
AffordSim: A Scalable Data Generator and Benchmark for Affordance-Aware Robotic Manipulation
AffordSim：一种可扩展的数据生成器和基准，用于面向 affordance 的机器人操作
机构 * School of Artificial Intelligence, Xi’an Jiaotong University（西安交通大学人工智能学院）
AI总结 AffordSim 通过整合开放词汇 3D affordance 预测，解决了机器人操作中接触信息获取的挑战，实现了高成功率的轨迹生成和跨仿真到现实的迁移。
When Less is More: The LLM Scaling Paradox in Context Compression
当少即多：在上下文压缩中的LLM扩展悖论
机构 * Baidu Inc.（百度公司） ； Tsinghua University（清华大学） ； Xi’an Jiaotong University（西安交通大学） ； City University of Hong Kong（香港城市大学）
AI总结 研究揭示在上下文压缩中，增大压缩器规模反而降低重建上下文的忠实度，发现知识覆盖和语义漂移是主要因素，中等规模压缩器在忠实恢复上表现更优。
Comments 22 pages, 7 figures, conference
ML-CLIPSim: Multi-Layer CLIP Similarity for Machine-Oriented Image Quality
ML-CLIPSim: 多层CLIP相似性用于机器导向的图像质量
机构 * Simon Fraser University（西蒙弗雷泽大学） ； University of British Columbia（不列颠哥伦比亚大学） ； Eastern Institute of Technology（东部技术学院） ； Xi’an Jiaotong University（西安交通大学） ； Google Inc（谷歌公司）
AI总结 本文提出ML-CLIPSim，基于冻结的CLIP视觉编码器构建可微质量度量，通过聚合中间补丁-令牌相似性和全局图像嵌入，更符合机器导向偏好，同时在人类质量预测中保持竞争力。
Mantis: Mamba-native Tuning is Efficient for 3D Point Cloud Foundation Models
Mantis：Mamba原生微调在3D点云基础模型中的高效性
机构 * Xi’an Jiaotong University（西安交通大学） ； School of Artificial Intelligence and Robotics, Hunan University（湖南大学人工智能与机器人学院） ； University of Western Australia（西澳大学）
AI总结 针对Mamba架构基础模型的微调问题，提出Mantis框架，通过引入状态感知适配器和双序列一致性蒸馏，实现高效且稳定的微调，仅需约5%的可训练参数。
Toward Reliable Sim-to-Real Predictability for MoE-based Robust Quadrupedal Locomotion
迈向基于MoE的稳健四足运动的可靠仿真到现实预测性
机构 * National 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）
AI总结 本文提出基于MoE的四足运动策略与RoboGauge评估框架，通过仿真测试实现可靠的真实世界迁移，实验显示在复杂地形上具备良好的鲁棒性和泛化能力。
Comments Accepted at Robotics Science and Systems (RSS), 2026. Project Page: https://robogauge.github.io/complete/
Kaczmarz Linear Attention
Kaczmarz线性注意力
机构 * School of Mathematics and Statistics（数学与统计学学院） ； Xi’an Jiaotong University（西安交通大学） ； Gaoling School of Artificial Intelligence（白洋学校人工智能学院） ； Renmin University of China（中国人民大学）
AI总结 本文提出Kaczmarz线性注意力(KLA)，通过改进Gated DeltaNet的更新机制，提升长上下文语言模型的准确性和效率。
Is Class Signal Clustered or Routed in Task-Induced Implicit Neural Representation Weight Spaces?
隐式神经表示中的类别信号是聚类还是路由？
机构 * South China Normal University（南方科技大学） ； Beijing University of Chemical Technology（北京化工大学） ； Tsinghua University（清华大学） ； Xi’an Jiaotong University（西安交通大学）
AI总结 研究探讨了隐式神经表示中类别信号的几何结构，发现其并非简单聚类，而是通过读者路由实现可分类性。
