高校专区
从基于大语言模型的任务机器人中提取训练对话数据
机构 * MOE Key Laboratory for Intelligent Networks and Network Security, Xi’an Jiaotong University（信息网络与网络安全国家重点实验室，西安交通大学）
AI总结 本文提出了一种针对基于大语言模型的任务机器人数据提取攻击方法，通过系统性研究揭示LLM记忆在TODS中的继承机制，并有效提取训练对话数据。
Comments Accepted for publication in IEEE Transactions on Information Forensics and Security (TIFS). \c{opyright} 2026 IEEE
MatPedia: 一种通用生成基础，用于高保真材料合成
机构 * Nankai University（南开大学） ； Tencent Hunyuan（腾讯文言） ； Xi’an Jiaotong University（西安交通大学） ； Nanjing University（南京大学）
AI总结 MatPedia是一种基于联合RGB-PBR表示的生成模型，能够统一处理多种材料生成任务，实现高质量的高保真材料合成。
基于MLLM的网页理解基准测试：推理、鲁棒性与安全性
机构 * Dalian Maritime University（大连海事大学） ； The Chinese University of Hong Kong（香港中文大学） ； Tsinghua University（清华大学） ； Nanyang Technological University（南洋理工大学） ； Xi'an Jiaotong University（西安交通大学） ； Renmin University of China（中国人民大学） ； Wuhan University（武汉大学）
AI总结 本文提出WebRRSBench基准测试，评估多模态大语言模型在网页理解中的推理、鲁棒性和安全性能力，揭示模型在复杂交互任务中的不足。
超越交叉验证：基于核梯度下降的自适应参数选择
机构 * Center for Intelligent Decision-Making and Machine Learning, School of Management, Xi’an Jiaotong University, Xi’an, China（智能决策与机器学习中心，管理学院，西安交通大学，西安，中国） ； Department of Mathematics, The University of Hong Kong, Hongkong, China（数学系，香港大学，香港，中国）
AI总结 本文提出了一种基于核梯度下降的自适应参数选择策略，通过经验有效维度量化迭代增量，理论证明其在不同核函数和误差度量下达到最优泛化误差界。
基于EEG的情感识别中的图神经网络：综述
机构 * Nanyang Technological University, Singapore（南洋理工大学） ； Xi’an Jiaotong University, Xi’an, China（西安交通大学） ； Imperial College London, London, UK（伦敦帝国理工学院） ； Amazon, Seattle, WA, USA（亚马逊） ； Carnegie Mellon University, Pittsburgh, PA, USA（卡内基梅隆大学） ； Uber Technologies, Inc., USA（Uber Technologies, Inc.） ； School of Computer Science, Central China Normal University, Wuhan, China（中央财经大学计算机学院） ； Institute of Automation, Chinese Academy of Sciences, Beijing, China（中国科学院自动化研究所）
AI总结 本文综述了基于EEG的情感识别中图神经网络的应用，分析了现有方法的共性与差异，并探讨了未来研究方向。
Comments The 30th Pacific-Asia Conference on Knowledge Discovery and Data Mining (PAKDD 2026)
迈向准确且可解释的时间序列预测：多项式学习方法
机构 * Center for Intelligent Decision-Making（智能决策中心） ； Machine Learning, School of Management, Xi'an Jiaotong University, Xi'an, China（机器学习，管理学院，西安交通大学，中国） ； The 39th Research Institute of China Electronics Technology Group Corporation, Xi'an, China（中国电子科技集团第三十九研究所，中国） ； Shenzhen Research Institute of Big Data, ShenZhen, China（深圳大数据研究院，中国）
AI总结 本文提出可解释的多项式学习方法，通过显式建模特征及其交互实现时间序列预测的高准确性和可解释性。
小初始化在噪声低管秩张量恢复中的作用
机构 * State Key Laboratory of Robotics and Intelligent Systems, Shenyang Institute of Automation, Chinese Academy of Sciences, China（机器人与智能系统国家重点实验室，沈阳自动化研究所，中国科学院，中国） ； University of Chinese Academy of Sciences, China（中国科学院大学，中国） ； School of Electrical and Electronic Engineering, Nanyang Technological University, Singapore（南洋理工大学电子与电气工程学院，新加坡） ； The Center for Intelligent Decision-making and Machine Learning, School of Management, Xi’an Jiaotong University, China（智能决策与机器学习中心，西安交通大学管理学院，中国）
AI总结 本文研究了在噪声环境下利用小初始化改进低管秩张量恢复的性能，证明了小初始化能实现接近最优的恢复误差，同时提供了理论保证和实验验证。
TenExp: 基于专家混合的张量分解结构搜索框架
机构 * School of Mathematical Sciences/Research Center for Image and Vision Computing, University of Electronic Science and Technology of China（数学科学学院/图像与视觉计算研究中心，电子科技大学） ； School of Information Science and Technology, Southwest Jiaotong University（信息科学与技术学院，西南交通大学） ； School of Mathematics and Statistics and Ministry of Education Key Lab of Intelligent Networks and Network Security, Xi’an Jiaotong University（数学与统计学学院及教育部智能网络与网络安全重点实验室，西安交通大学） ； Pazhou Laboratory (Huangpu), Guangzhou, Guangdong（琶洲实验室（黄埔），广州，广东）
AI总结 TenExp通过基于专家混合的方法，实现了张量分解结构的动态选择和混合，提升了张量分解的准确性和灵活性。
FAST：面向拓扑的频率域分布匹配用于聚类选择
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 Software Engineering, State Key Laboratory of Human-Machine Hybrid Augmented Intelligence, Institute of Artificial Intelligence and Robotics, Xi’an Jiaotong University（软件工程学院，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） ； School of Mathematical Sciences, Nankai University（数学科学学院，南开大学）
AI总结 FAST是一种无深度神经网络的分布匹配聚类选择方法，通过频域特征函数距离和渐进不匹配感知采样策略，实现高效且准确的聚类选择。
Comments 20 pages, 17 figures
神经运算机基础的连续张量函数表示及其应用
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）
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。
随机神经网络用于静态和演变表面上的偏微分方程
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）
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：基于突变的增量测试套件生成 via 强化学习
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）
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
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
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）
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。
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
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）
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。
通过统一模型去除视频中的多种混合恶劣天气
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）
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。
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
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）
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: 向基于视觉的空间-时间智能迈进
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）
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。
异质人群中的最优时间跨度社会机器人导航
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）
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：迈向视觉语言模型的空间推理综合基准
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）
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: 通过强化学习激励'图像思考'
机构 * Xiaohongshu Inc.（小红书公司） ； Xi’an Jiaotong University（西安交通大学）
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
量化专家：基于专家混合的令牌感知自适应误差重建用于大视觉-语言模型量化
机构 * State Key Laboratory of Human-Machine Hybrid Augmented Intelligence（人机混合增强智能国家重点实验室） ； 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）
AI总结 本文提出Quant Experts，通过令牌感知的专家混合方法，提升大视觉-语言模型在量化过程中的任务准确性，保持与全精度模型相当的性能。
Comments 13 pages, 6 figures, including appendix, Accepted at CVPR 2026
PointCoT: 一种用于显式3D几何推理的多模态基准
机构 * Xi'an Jiaotong University（西安交通大学） ； Tsinghua University（清华大学） ； Shanghai Jiao Tong University（上海交通大学） ； Zhejiang University（浙江大学） ； Nanyang Technological University（南洋理工大学） ； Harbin Institute of Technology, Shenzhen（哈尔滨工业大学（深圳）） ； Institute of Automation, CASIA（中国科学院自动化研究所） ； Taiyuan University of Technology（太原理工大学） ； Shanghai AI Laboratory（上海人工智能实验室）
AI总结 PointCoT通过显式链式推理提升3D几何推理能力，提出多模态基准和双流架构，实现对3D点云的高精度理解与推理。
无监督因果原型网络用于去偏的可解释皮肤病镜诊断
机构 * Zhejiang Key Laboratory of Accessible Perception and Intelligent Systems（浙江可及感知与智能系统重点实验室） ； College of Computer Science and Technology（计算机科学与技术学院） ； Hangzhou Dianzi University（杭州电子科技大学） ； Xi'an Jiaotong University（西安交通大学）
AI总结 CausalProto通过无监督因果原型网络去偏可解释皮肤病镜诊断，提升诊断性能并提供高纯度视觉解释。
FAVLA：一种力适应的快速-慢速VLA模型用于接触丰富的机械臂操作
机构 * University of Science and Technology of China（中国科学技术大学） ； Xi'an Jiaotong University（西安交通大学） ； Central South University（中南大学）
AI总结 FAVLA通过解耦慢感知规划与快速接触感知控制，提升接触丰富任务中的反应性和成功率。
BuildAnyPoint: 从多样点云构建三维建筑结构抽象
机构 * HKUST(GZ)（香港科技大学（广州）） ； Xi’an Jiaotong University（西安交通大学）
AI总结 BuildAnyPoint通过Loca-DiT框架从多样点云中生成结构化三维建筑抽象，提升重建的表面准确性和分布均匀性。
Comments CVPR 2026
单环随机双层优化的收敛性研究：近似隐式微分
机构 * Xi’an Jiaotong University（西安交通大学） ； Fudan University（复旦大学） ； SGIT AI Lab（SGIT人工智能实验室）
AI总结 本文提出单环随机近似隐式微分算法，证明其在O(κ⁷ ε⁻²)复杂度下达到ε-静态点，兼顾多环方法的最优收敛速度与单环的高效计算。
学习连续Wasserstein均值空间用于通用全合一图像修复
机构 * School of Mathematics and Statistics, Xi’an Jiaotong University（数学与统计学院，西安交通大学）
AI总结 本文提出BaryIR框架，通过Wasserstein均值空间对齐多源退化特征，解耦退化无关和退化特定信息，提升图像修复的泛化能力与鲁棒性。
超越像素模拟：通过诊断语义标记和原型控制生成病理图像
机构 * College of Intelligent Robotics and Advanced Manufacturing（智能机器人与先进制造学院） ； Fudan University（复旦大学） ； Fysics Intelligence Technologies Co., Ltd.（Fysics智能科技有限公司） ； University of Science and Technology Beijing（北京科技大学） ； ByteDance（字节跳动） ； School of Computer Science and Technology（计算机科学与技术学院） ； Xi’an Jiaotong University（西安交通大学）
AI总结 UniPath通过诊断语义标记和原型控制实现可控的病理图像生成，取得SOTA性能，包括Patho-FID 80.9和98.7%的细粒度语义控制。
Comments accepted by CVPR 2026; 32 pages, 17 figures, and 6 tables
LLM4AD：基于大语言模型的算法设计平台
机构 * City University of Hong Kong（香港城市大学） ； Southern University of Science and Technology（南方科技大学） ； Xi’an Jiaotong University（西安交通大学） ； Huawei Technologies Co., Ltd（华为技术有限公司）
AI总结 LLM4AD是一个基于大语言模型的统一平台，旨在通过模块化框架支持多领域算法设计，并提供全面的资源和评估工具促进相关研究发展。
基于多尺度图正则化的持久非负矩阵分解
机构 * School of Mathematics and Statistics, Xi’an Jiaotong University（数学与统计学学院，西安交通大学）
AI总结 本文提出持久非负矩阵分解方法，通过多尺度图正则化生成多尺度低秩嵌入，解决传统NMF单尺度问题，提升数据表示的解释性与鲁棒性。
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