高校专区
SkillGenBench: 评估LLM代理技能生成流水线的基准测试
机构 * SJTU（上海交通大学） ； XJTU（西安交通大学） ； NUS（新加坡国立大学） ； QuantaAlpha（量子Alpha） ； THU（清华大学） ； SUFE（上海财经大学） ； NTU（国立.ntu） ； PKU（北京大学） ； UCAS（中国科学技术大学）
AI总结 本文提出SkillGenBench，一个用于评估LLM代理技能生成流水线的基准测试，通过统一可控的协议评估技能生成过程，涵盖任务条件生成和任务无关生成两种模式，以及基于仓库和文档的两种程序来源，揭示技能生成在不同数据源中的表现差异。
DocReward: 一种用于文档结构化和风格化的文档奖励模型
机构 * CUHK（香港大学） ； UCAS（中国科学技术大学） ； XJTU（西安交通大学） ； UMich（密歇根大学） ； Microsoft（微软）
AI总结 本文提出DocReward，一种用于评估文档结构和风格的奖励模型，通过构建包含117,000对文档的DocPair数据集，采用Bradley-Terry损失训练，有效提升了文档生成的结构和风格专业性。
KVDrive: 一个面向长上下文LLM推理的多层级KV缓存管理系统
机构 * Hong Kong University of Science and Technology China（香港科技大学中国） ； Xi’an Jiaotong University China（西安交通大学中国）
AI总结 本文提出KVDrive，一个面向长上下文LLM推理的多层级KV缓存管理系统，通过联合缓存放置、流水线调度和跨层级协调，实现了高吞吐量的推理，在有限的GPU预算下保持高精度。
释放傅里叶形状的表示能力以攻击红外目标检测
机构 * School of Information and Communications Engineering, Faculty of Electronic and Information Engineering, Xi'an Jiaotong University, Xi'an, China（信息与通信工程学院，电子与信息工程学院，西安交通大学，西安，中国） ； School of Physics, Xi'an Jiaotong University, Xi'an, China（物理学院，西安交通大学，西安，中国）
AI总结 本文提出了一种基于傅里叶形状的红外目标检测攻击方法，通过引入可学习的傅里叶形状，克服了传统形状方法在表示能力和优化能力之间的根本权衡问题，实现了高效的梯度优化生成具有欺骗性的形状，使人类目标逃避检测。
实验中的代理，代理中的实验：一种面向人工智能增强型实验科学的设计语法
机构 * Guanghua School of Management, Peking University（北京大学光华管理学院） ； Xi'an Jiaotong University（西安交通大学） ； Cheung Kong Graduate School of Business（长江商学院）
AI总结 本文提出SEED框架，用于表示实验条件为类型化的代理-流程图，以支持实验设计的自动化生成和评估，通过在医疗分诊任务中的实验证明其有效性，并讨论了新颖性、可重复性等治理问题。
ClaHF：一种基于人类反馈的强化学习框架，用于改进分类任务
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）
AI总结 本文提出ClaHF，一种基于人类反馈的强化学习框架，用于改进文本分类任务，通过整合偏好建模和强化学习优化，无需额外人工标注，在分类流程中提升分类性能和置信度校准。
基于触觉的多模态融合在具身智能中的应用：视觉、语言和接触驱动范式的综述
机构 * School of Electronic Science and Engineering, Xi’an Jiaotong University, China（西安交通大学电子科学与技术学院） ； Thrust of Artificial Intelligence, The Hong Kong University of Science and Technology (Guangzhou), China（香港科技大学（广州）人工智能研究所） ； State Key Laboratory for Novel Software Technology, Nanjing University, China（南京大学新型软件技术国家重点实验室） ； Purple Mountain Laboratory, China（紫金山实验室） ； Institute for Math & AI, Wuhan University, China（武汉大学数学与人工智能学院） ； Centre for AI and Data Science Innovation and the School of Science and Engineering, James Cook University, Australia（詹姆斯库克大学人工智能与数据科学创新中心及科学与工程学院） ； School of Artificial Intelligence, Beijing University of Posts and Telecommunications, China（北京邮电大学人工智能学院） ； Institute of Big Data, Fudan University, China（复旦大学大数据研究院） ； Linkerbot (Beijing) Technology Co., Ltd, China（北京链动科技有限公司） ； School of Engineering, Swinburne University of Technology, Melbourne（斯威本技术大学工程学院）
AI总结 本文综述了多模态触觉融合在具身智能中的研究，探讨了如何通过整合视觉、语言和触觉信息来提升物理交互与语义推理的结合，提出了一种分层的分类体系，并总结了当前的研究挑战和未来方向。
Comments 20 pages, 8 figures
培养可推广的多模态操纵检测的推理能力
机构 * School of Software Engineering, Xi’an Jiaotong University（西安交通大学软件工程学院） ； School of Computer Science and Information Engineering, Hefei University of Technology（合肥工业大学计算机科学与信息工程学院） ； CSIRO（澳大利亚联邦科学与工业研究组织） ； Northwestern Polytechnical University（西北工业大学） ； University of Macau（澳门大学）
AI总结 本文提出REFORM框架，通过推理驱动的方法改进多模态操纵检测，提升泛化能力，在多个数据集上取得新高准确率。
Comments Accepted to ACL 2026
整体大于部分之和：一种兼容性感知的多教师CoT蒸馏框架
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） ； Nankai University（南开大学） ； The Hong Kong University of Science and Technology(Guangzhou)（香港科技大学（广州）） ； School of Software Engineering, State Key Laboratory of Human-Machine Hybrid Augmented Intelligence, Institute of Artificial Intelligence and Robotics, Xi’an Jiaotong University（软件学院，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COMPACT框架，通过动态加权不同教师的梯度，结合多维指标提升学生模型的推理能力，有效整合多样化推理能力并减少灾难性遗忘。
Comments 11pages, 9figures
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