高校专区
TIDE：基于大语言模型的自动启发式设计调谐集成动态进化
机构 * School of Mathematics and Statistics, Xi’an Jiaotong University, Xi’an, China（西安交通大学数学与统计学院） ； School of Electronics and Information, Northwest Polytechnical University, Xi’an, China（西北工业大学电子与信息学院）
AI总结 TIDE通过集成调谐的动态进化框架，解决大语言模型在自动化启发式设计中结构与参数优化耦合的问题，提升搜索效率和解的质量。
解耦互补的光谱-空间学习用于超光谱异常检测中的背景表示增强
机构 * School of Software Engineering, Xi’an Jiaotong University（西安交通大学软件工程学院）
AI总结 本文提出了解耦互补的光谱-空间学习框架，通过两阶段训练策略提升背景表示，从而在超光谱异常检测中实现更高效的检测性能。
HiFo-Prompt: 基于前瞻性与回顾性的提示方法用于基于大语言模型的自动启发式设计
机构 * School of Mathematics and Statistics, Xi’an Jiaotong University, Xi’an, China（西安交通大学数学与统计学院） ； School of Electronics and Information, Northwest Polytechnical University, Xi’an, China（西北工业大学电子与信息学院）
AI总结 HiFo-Prompt通过前瞻性与回顾性提示策略，提升基于大语言模型的自动启发式设计效率与质量。
Comments Accepted at ICLR 2026
DuMeta++: 基于时空双元学习的通用化少样本脑组织分割方法用于跨多样年龄的分割
机构 * School of Mathematics and Statistics, Xi’an Jiaotong University（西安交通大学数学与统计学院） ； Key Laboratory of Biomedical Information Engineering of Ministry of Education, School of Life Science and Technology, Xi’an Jiaotong University（教育部生物医学信息工程重点实验室，西安交通大学生命科学与技术学院）
AI总结 DuMeta++通过双元学习框架实现跨年龄少样本脑组织分割的通用化，无需配对纵向数据，提升模型适应性和泛化能力。
自适应不确定性感知树搜索用于鲁棒推理
机构 * Institute of Software Chinese Academy of Sciences, Beijing, China（中国科学院软件研究所） ； University of the Chinese Academy of Sciences（中国科学院大学） ； Multimodal Experiences Lab, Dolby Laboratories Inc（多模态体验实验室，Dolby Laboratories Inc） ； 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） ； Electronic Information Science and Technology, Central South University（电子信息科学与技术，中南大学）
AI总结 本文提出UATS方法，通过蒙特卡洛Dropout估计不确定性并结合强化学习控制器，以缓解外部搜索中分布外样本的不确定性问题。
Spider-Sense: 基于内在风险感知的高效代理防御方法与分层自适应筛查
机构 * SUFE（上海财经大学） ； NUS（新加坡国立大学） ； QuantaAlpha（量子阿尔法） ； CMU（卡内基梅隆大学） ； SYSU（南方科技大学） ； USTC（中国科学技术大学） ； XJTU（西安交通大学）
AI总结 Spider-Sense通过内在风险感知实现高效代理防御，结合分层自适应筛查机制，有效降低攻击成功率和误报率，仅引入微小延迟。
基于启发式解耦视角的自监督视频表示学习
机构 * National Key Laboratory of Space Integrated Information System, Institute of Software Chinese Academy of Sciences（空间信息集成国家重点实验室，软件研究所中国科学院） ； University of Chinese Academy of Sciences（中国科学院大学） ； Hong Kong University of Science and Technology（香港理工大学） ； Dolby Laboratories Inc（杜比实验室有限公司） ； Xi’an Jiaotong University（西安交通大学）
AI总结 本文提出BOD-VCL方法，通过解耦静态和动态语义，提升视频对比学习的性能。
MambaVF：用于高效视频融合的状态空间模型
机构 * Xi'an Jiaotong University（西安交通大学） ； Nanyang Technological University（南洋理工大学） ； Tsinghua University（清华大学）
AI总结 MambaVF通过基于状态空间模型的高效框架，实现了无需显式运动估计的视频融合，显著提升效率和性能。
通过条件点稀疏化提升SAM用于跨域少样本分割
机构 * Nanyang Technological University（南洋理工大学） ； Institute of Artificial Intelligence (TeleAI), China Telecom（人工智能研究所（TeleAI），中国电信） ； Xi'an Jiaotong University（西安交通大学） ； VinUniversity（文大学）
AI总结 本文提出条件点稀疏化方法，通过自适应引导SAM实现跨域少样本分割的更准确结果。
E.M.Ground: 一种具有整体事件感知和匹配的时序地面视频大语言模型
机构 * Interdisciplinary Graduate Programme, Nanyang Technological University, Singapore（南洋理工大学交叉学科研究生项目） ； Xi’an Jiaotong University, China（西安交通大学） ； Alibaba DAMO Academy, Singapore（阿里巴巴达摩院） ； Institute of Science Tokyo, Japan（东京科学研究院） ； VinUniversity, Vietnam（文大学） ； Nanyang Technological University, Singapore（南洋理工大学）
AI总结 E.M.Ground通过引入事件标记、平滑处理和多粒度特征聚合，提升了时序视频地面任务的性能。
SynthVerse：一个大规模多样化合成数据集用于点跟踪
机构 * University of Liverpool（利物浦大学） ； Zhejiang University（浙江大学） ； Durham University（杜伦大学） ； Beihang University（北京航空航天大学） ； Duke Kunshan University（杜克昆山大学） ； Xi’an Jiaotong-Liverpool University（西安交通大学利物浦大学） ； Xi’an Jiaotong University（西安交通大学） ； Tsinghua University（清华大学） ； Shanghai AI Laboratory（上海人工智能实验室） ； The Chinese University of Hong Kong（香港中文大学）
AI总结 SynthVerse通过提供大规模多样化合成数据集，提升点跟踪任务的泛化能力和评估效果。
一致的监督-无监督对齐用于通用类别发现
机构 * National Key Laboratory of Human-Machine Hybrid Augmented Intelligence, National Engineering Research Center for Visual Information and Applications, Institute of Artificial Intelligence and Robotics, Xi’an Jiaotong University（国家人类-机器混合增强智能重点实验室、视觉信息与应用国家工程研究中心、人工智能与机器人研究院、西安交通大学） ； School of Computer Science and Technology, Harbin Institute of Technology, Shenzhen（计算机科学与技术学院、哈尔滨工业大学深圳校区） ； School of Software Engineering, Xi’an Jiaotong University（软件工程学院、西安交通大学） ； Kuaishou Technology（快手科技） ； Faculty of Microelectronics, Shenzhen University of Advanced Technology（微电子学院、深圳先进技术大学）
AI总结 本文提出NC-GCD框架，通过预分配ETF原型和引入一致ETF对齐损失，提升通用类别发现任务中新类别识别的性能。
Comments Accepted by NeurIPS 2025
AERO：通过内生双环反馈实现自主进化推理优化
机构 * 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） ； School of Cyber Science and Engineering（网络安全科学与工程学院） ； MOE KLINNS Lab（教育部KLINNS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） ； Lenovo AI Technology Center（联想人工智能技术中心） ； Lenovo（联想公司） ； Baidu Inc.（百度公司）
AI总结 AERO通过内生双环反馈机制实现自主进化推理优化，提升模型在多个基准测试中的性能表现。
有效前沿：神经缩放定律的统一
机构 * Department of Mathematics and Statistics, Xi'an Jiaotong University（西安交通大学数学与统计学系） ； Department of Artificial Intelligence, Gaoling School of Artificial Intelligence, Renmin University of China（中国人民大学人工智能学院） ； University of Chinese Academy of Sciences（中国科学院大学） ； Shenzhen Institutes of Advanced Technology, Chinese Academy of Sciences（中国科学院深圳先进技术研究院）
AI总结 本文提出有效前沿框架，统一神经缩放定律，揭示容量、覆盖和优化瓶颈的相互作用，证明Kaplan和Chinchilla定律是同一问题的不同解。
基于轨迹的测试时改进诊断评估：LLM代理中的测试时改进
机构 * Xi’an Jiaotong University（西安交通大学） ； The University of Hong Kong（香港大学） ； Shanghai AI Laboratory（上海人工智能实验室） ； Nanjing University（南京大学） ； National University of Singapore（新加坡国立大学）
AI总结 TIDE提出了一种评估框架，用于诊断LLM代理在测试时改进中的性能瓶颈，通过分析任务完成的时间动态、递归循环行为和记忆负担，优化代理与环境的交互。
Comments 29pages, 10 figures
V2P-Bench: 通过视觉提示评估视频语言理解以提升人机交互
机构 * University of Science and Technology of China（中国科学技术大学） ； Huawei Noah’s Ark Lab（华为诺亚实验室） ； Xi’an Jiaotong University（西安交通大学）
AI总结 V2P-Bench通过视觉提示评估视频语言理解，提升人机交互效率与体验，揭示模型在时空理解上的不足及Hack现象。
Comments Project Page: https://vlm-reasoning.github.io/V2P-Bench/
WS-IMUBench: 音频、图像和视频中弱监督方法能否适应基于IMU的时序动作定位？
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 Technology, Xi'an Jiaotong University（西安交通大学计算机科学与技术学院）
AI总结 WS-IMUBench研究弱监督方法在IMU时序动作定位中的适应性，评估不同模态方法的转移效果，并提出改进方向。
Comments Under Review. 28 pages, 9 figures, 6 tables
AGT$^{AO}$：通过对抗门控训练与自适应正交性实现鲁棒且稳定的LLM反向学习
机构 * School of Computer Science and Technology, Xi’an Jiaotong University, China（西安交通大学计算机科学与技术学院） ； MOE KLINNS Lab, Xi’an Jiaotong University, China（西安交通大学MOE KLINNS实验室） ； Shaanxi Province Key Laboratory of Big Data Knowledge Engineering, China（陕西省大数据知识工程重点实验室）
AI总结 AGT$^{AO}$通过对抗门控训练与自适应正交性，实现LLM反向学习的鲁棒性和实用性平衡。
FSCA-Net：用于鲁棒多数据集训练的特征分离交叉注意力网络
机构 * School of Automation Science and Engineering, Xi’an Jiaotong University（自动化科学与工程学院，西安交通大学） ； Institute for Low-Altitude Regulation, School of Electronics and Information Engineering, Xi’an Jiaotong University（低空调控研究所，电子与信息工程学院，西安交通大学） ； 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）
AI总结 FSCA-Net通过特征分离和交叉注意力机制，有效解决多数据集训练中的负迁移问题，实现跨数据集的鲁棒泛化。
潜在链式思维的能力与基本限制
机构 * Department of Mathematics and Statistics, Xi'an Jiaotong University（西安交通大学数学与统计学系） ； Department of Artificial Intelligence, Gaoling School of Artificial Intelligence, Renmin University of China（中国人民大学人工智能学院）
AI总结 本文提出潜在链式思维模型，揭示决策确定性对探索与执行的权衡影响，并通过理论分析和实验验证，证明课程学习在训练中的必要性。
ReLayout: 通过关系感知的设计重建实现多功能且结构保持的设计布局编辑
机构 * Xi'an Jiaotong University, Xi'an, China（西安交通大学） ； Microsoft Research（微软研究院）
AI总结 ReLayout通过关系感知设计重建实现多功能且结构保持的设计布局编辑，无需三元组数据，提升编辑质量和结构保持性。
通过视觉知识蒸馏实现鲁棒的多模态大语言模型去学习
机构 * Xidian University, China（西安电子科技大学） ； XJTU University, China（西安交通大学） ； Amazon.com, USA（亚马逊公司）
AI总结 本文提出通过视觉知识蒸馏实现多模态大语言模型的鲁棒去学习，有效保留文本知识并提升效率。
FoMEMO：面向昂贵多目标优化的基础模型
机构 * City University of Hong Kong（香港城市大学） ； Xi’an Jiaotong University（西安交通大学）
AI总结 FoMEMO提出一种基础模型，通过预训练合成数据提升昂贵多目标优化的泛化和优化性能，无需后续训练。
质量-多样性优化作为多目标优化
机构 * Xi'an Jiaotong University（西安交通大学） ； City University of Hong Kong（香港城市大学）
AI总结 本文将质量-多样性优化重新表述为多目标优化问题，利用已有的多目标优化方法解决QD问题，并通过实验验证了其性能优势。
基于表示学习的深度强化学习在氢基多能源系统最优运行中的应用
机构 * School of Automation Science and Engineering, Xi’an Jiaotong University（自动化科学与工程学院，西安交通大学） ； Center for Intelligent and Networked Systems, Department of Automation, BNRist, Tsinghua University（智能与网络化系统中心，自动化系，清华大学） ； Department of Electrical Engineering and Computer Sciences, University of California（电气工程与计算机科学系，加州大学）
AI总结 本文提出基于表示学习的深度强化学习框架，用于优化氢基多能源系统的运行，通过增强策略优化提升运行效率和安全性。
Comments 14 pages, 7 figures
PTCBENCH: 对LLM系统中人格特质情境稳定性的基准测试
机构 * Singapore Management University（新加坡管理大学） ； Tianjin University（天津大学） ； Nanyang Technological University（南洋理工大学） ； Xi’an Jiaotong University（西安交通大学）
AI总结 PTCBENCH通过评估LLM在不同情境下的人格一致性，揭示外部事件对LLM人格和推理能力的影响，为构建更稳健的心理学对齐AI系统提供新视角。
Comments 28 pages
ElectriQ：一个评估大型语言模型在电力营销中响应能力的基准
机构 * Systems Engineering Institute, Xi’an Jiaotong University（系统工程研究所，西安交通大学） ； State Key Laboratory of Multiphase Flow in Power Engineering, School of Energy and Power Engineering, Xi’an Jiaotong University（电力工程多相流国家重点实验室，能源与动力工程学院，西安交通大学） ； School of Electronic Science and Engineering, Xi'an Jiaotong University（电子科学与工程学院，西安交通大学） ； Organizational Management Department, School of Management, Xi’an Jiaotong University（组织管理部，管理学院，西安交通大学）
AI总结 ElectriQ是一个用于评估大型语言模型在电力营销中响应能力的基准，通过结合人类评分、自动指标和合规测试，提出SEEK-RAG方法提升领域知识注入，实现高效且合规的电力营销助手部署。
弥合图结构与知识引导编辑以实现可解释的时序知识图谱推理
机构 * Department of Data Science and Artificial Intelligence, The Hong Kong Polytechnic University（数据科学与人工智能系，香港理工大学） ； School of Cybersecurity, Northwestern Polytechnical University（网络安全学院，西北工业大学） ； Department of Electronic Engineering, Tsinghua University（电子工程系，清华大学） ； School of Mechanical Engineering, Northwestern Polytechnical University（机械工程学院，西北工业大学） ； 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 IGETR通过结合图神经网络与大语言模型，实现可解释的时序知识图谱推理，提升预测准确性与可解释性。
通过任务导向的对抗性记忆适应增强对话代理
机构 * Xi’an Jiaotong University（西安交通大学） ； City University of Hong Kong（香港城市大学） ； University of Science and Technology of China（中国科学技术大学） ； Zhejiang University（浙江大学） ； Zhejiang University of Technology（浙江工业大学）
AI总结 本文提出对抗性记忆适应机制，通过模拟任务执行提升对话代理对长对话的处理能力。
Comments 11 pages, 4 figures
SR$^{2}$-Net：一种用于超分辨率超光谱图像光谱细化的通用即插即用模型
机构 * School of Computer Science and Technology, Xi’an Jiaotong University（计算机科学与技术学院，西安交通大学） ； School of Computer Science and Information Engineering, Hefei University of Technology（计算机科学与信息工程学院，合肥工业大学）
AI总结 SR$^{2}$-Net是一种通用即插即用模型，用于提升超分辨率超光谱图像的光谱一致性，通过增强-校正流程提高重建质量。
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