语音脑机接口的通用通信度量
机构 * University of Oxford（牛津大学）
AI总结 该研究针对语音脑机接口缺乏通用进展度量的问题，提出开放词汇互信息（OVMI）作为统一通信度量，可用于比较异构系统、优化词汇表设计并提升准确率。
Comments Code and OVMI Explorer available from the project page at https://neural-processing-lab.github.io/OVMI/
SolarWM：面向长时序视频世界模型的开放数据与可扩展训练
机构 * CUHK-SZ（香港中文大学（深圳）） ； SLAI（深圳先进人工智能研究院） ； NUS（新加坡国立大学） ； CUHK（香港中文大学） ； HKUST（香港科技大学） ； HKUST-GZ（香港科技大学（广州）） ； NVIDIA（英伟达公司） ； UCLA（加利福尼亚大学洛杉矶分校） ； MSRA（微软亚洲研究院）
AI总结 SolarWM是面向长时序视频世界模型的开放基础框架，通过多源数据引擎与适配框架实现异构数据训练，实例化多款5B至33B模型，仅用5秒序列训练即可支持长时序实时交互，为相关研究提供可复扩展的基础。
面向Web智能体的判别式世界模型
机构 * University of California, Berkeley（加州大学伯克利分校） ； MIT-IBM Watson AI Lab（麻省理工学院-IBM沃森人工智能实验室） ； Cal Poly San Luis Obispo（加州理工州立大学圣路易斯奥比斯波分校） ； Xero（赛罗公司）
AI总结 针对Web智能体世界模型训练与下游排序模型错位的问题，提出预测状态匹配训练目标，经多基准测试验证可提升动作排序及端到端任务成功率。
图像中的思考：推理驱动图像生成的系统基准
机构 * University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； New York University（纽约大学）
AI总结 该研究针对现有生成模型存在的推理-生成差距问题，提出包含2000个样本的RIG-BENCH基准，评估四类认知任务下的推理驱动图像生成，为下一代逻辑型生成模型开发提供诊断框架。
面向可信自主机器人：一种基于可解释人工智能的决策框架
机构 * Hezarfen LLC（赫扎芬有限责任公司） ； Grand Canyon University（大峡谷大学）
AI总结 针对自主机器人决策不可审计问题，提出基于可解释AI的TRACE框架，经500次模拟实验，其在三项指标上表现优异，符合欧盟AI法案要求。
Comments 7 pages. Accepted version. Published in SoutheastCon 2026, IEEE, pp. 1-6
Journal ref SoutheastCon 2026, IEEE, pp. 1-6, February 2026
PlantC2USeg：用于小样本统一植物点云分割的跨尺度一致性预训练
机构 * McGill University（麦吉尔大学）
AI总结 PlantC2USeg是含跨尺度一致性学习与信息受限解码的深度迁移学习框架，可实现植物点云的小样本统一分割，在多数据集上的全监督、小样本迁移任务中均取得领先性能，支持农业外3D表示学习。
Comments 27 pages, 20 figures
用户反馈提供了大型语言模型（LLMs）无法检测到的独特信号
机构 * The Hebrew University of Jerusalem（耶路撒冷希伯来大学） ； IBM Research（IBM研究院） ； MIT（麻省理工学院） ； MIT-IBM Watson AI Lab（麻省理工-IBM沃森人工智能实验室）
AI总结 该研究指出用户反馈是LLMs可利用的高价值改进信号，其被低估源于评估范式偏差，反馈驱动的模型修订解决问题比率更高，且LLM评判者无法识别反馈带来的修正。
MuyBridge：基于单目视频的移动端人体质心估计，通过稀疏融合实现
机构 * ETH Zurich（苏黎世联邦理工学院） ； University of Graz（格拉茨大学） ； University of Bologna（博洛尼亚大学）
AI总结 本研究提出MuyBridge系统，通过耦合二维姿态网络与单目深度网络的稀疏融合，实现从单目手机视频流的移动端人体质心估计，在AthletePose3D数据集上取得了高精度，且可在iPhone 15上实时运行。
语言不可读性对大语言模型（LLM）安全性的影响
机构 * Harvard University（哈佛大学）
AI总结 该研究指出LLM存在语言不可读性问题，提出其会导致依赖语言自我报告的安全机制不可靠，建议采用污点跟踪等沙箱机制提升LLM安全性。
用于在编程竞赛中取得金牌级表现的训练后语言模型
机构 * NVIDIA（英伟达）
AI总结 本研究提出结合SFT、RL及GenCorrect策略的训练后语言模型，在编程竞赛中超越人类选手，成为首个在IOI题集得分超最高人类参赛者的AI系统。
RoGe：通过端到端隐式重建与生成实现新视角合成
机构 * Xiaomi EV（小米汽车） ； Northeastern University（东北大学）
AI总结 本文提出RoGe框架，通过端到端统一的隐式重建与生成实现新视角合成，在DL3DV数据集上，其性能优于各类基线，且联合训练及射线查询隐式特征均能提升效果。
基于光谱协调的高效一体化天气复原
机构 * Cidaut AI ； Fundación Cidaut（Cidaut基金会） ； Technical University of Munich（慕尼黑工业大学）
AI总结 本文提出轻量级一体化天气复原方法FReSH-IR，通过光谱协调分解特征频率，参数与运算量较Transformer模型减少80%，实现高效性能权衡，适配资源受限系统。
Comments Technical Report
图像信号处理器中RAW与RGB图像复原的基准测试
机构 * University of Würzburg（维尔茨堡大学）
AI总结 本研究构建覆盖多设备、ISP与退化场景的基准，对比ISP前后的RAW/RGB复原，发现结合ISP变换训练的RGB模型性能最优，建议报告复原位置与ISP感知监督。
Comments Accepted BMVC 2026: The 37th British Machine Vision Conference
面向实车部署的鲁棒激光雷达语义分割：粗标签、恶劣环境与域偏移下的评估
机构 * Mines Paris, PSL University（巴黎高等矿业学校（PSL大学）） ； Paris-Saclay University（巴黎萨克雷大学） ； CEA（法国原子能和替代能源委员会）
AI总结 本文提出一种结构化评估协议，从粗标签、恶劣环境干扰、域泛化及嵌入式平台推理速度维度评估LiDAR语义分割模型的部署就绪性，发现基准性能与实车部署需求存在差距，为相关评估提供参考。
用于恢复个体与群体层面效应的AI情境测量：与调查测量及职业应用的验证
机构 * Northwestern University（西北大学） ； Nanjing University（南京大学）
AI总结 本研究提出AICOME框架，验证其可在拥有丰富受访者与工作特征时，从现有数据集中恢复理论重要构念，以AI生成测量在情境模型中恢复个体与群体层面效应。
Cliff：从首次错误中学习过程奖励
机构 * Amazon Web Services（亚马逊网络服务） ； University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）
AI总结 Cliff是一种利用现成LLM识别推理轨迹首次错误的奖励塑形策略，在12种场景下可提升推理性能，比策略蒸馏高15%、比标准GRPO高7%，为RLVR提供细粒度监督。
GDB-Reward：从评估指标到平面设计的训练奖励
机构 * Lica World（利卡世界） ； University of Surrey（萨里大学）
AI总结 该研究提出GDB-Reward框架，将异构平面设计评估指标转化为强化学习奖励，在冻结图像生成器的情况下，提升了平面设计任务中对设计规范的遵守度，为不可微监督领域的优化提供了新方案。
更好的想象式回滚是否意味着更好的机器人控制？反馈下世界模型评估的对照研究
机构 * Georgia Institute of Technology（佐治亚理工学院） ； Emory University（埃默里大学）
AI总结 该研究通过差速驱动路径跟踪任务对照实验发现，离线回滚的感知与修正模式需匹配闭环操作，轨迹重放比回滚误差更能反映机器人控制性能，评估预测模型需明确预测时间范围和测量更新计划
Comments 20 pages, 10 figures
用于电信根本原因分析（RCA）的大语言模型（LLMs）：面向证据驱动诊断的结构化推理框架
机构 * Samsung Research America（三星美国研究院）
AI总结 本研究针对5G/6G电信网络RCA难题，提出LLM驱动的结构化推理框架，经TeleLogs、TelecomTS数据集验证，可提升诊断准确率与决策一致性，为实用型LLM-RCA系统提供关键支撑。
AutoCompass：基于弱标签学习的公共地图精准视觉定位
机构 * I3A, Universidad de Zaragoza（萨拉戈萨大学I3A研究所） ； Niantic Spatial（Niantic Spatial公司） ； University of Oxford（牛津大学）
AI总结 AutoCompass是一种基于弱标签的监督方法，通过利用原始GPS标签、GPS容差区域及SLAM/SfM获取的相对位姿，提升神经地图匹配器的视觉定位精度，在两类基准测试中均优于同类方法。
Comments ECCV 2026
DiscoSign：篇章感知的文本到手语 gloss 翻译
机构 * Apple（苹果公司） ； Northeastern University（东北大学） ； Gallaudet University（加劳德特大学）
AI总结 本研究提出基于LLM的DiscoSign框架，解决手语翻译中的空间共指等三个篇章现象，配套新评估指标，在数据集上显著提升空间一致性，建立首个篇章级手语gloss翻译系统框架
Comments Accepted at EMNLP 2026 Main Conference
SafeEvolve：利用智能体经验进行安全对齐的 harness-策略协同进化
机构 * Shanghai AI Laboratory（上海人工智能实验室） ； SJTU（上海交通大学） ； Fudan University（复旦大学） ； HKUST（香港科技大学） ； Zhejiang University（浙江大学）
AI总结 SafeEvolve是一种基于智能体经验的安全对齐自进化框架，通过harness-策略协同进化实现更优的安全-效用权衡，在Qwen3.5-4B上可降低AgentDojo的ASR并提升良性效用
Comments Project: https://github.com/MaoPopovich/SafeEvolve
EarlyEval：通过早期结果预测实现更经济的智能体评估
机构 * Shanghai Jiao Tong University（上海交通大学） ； Singapore Management University（新加坡管理大学） ； East China Normal University（华东师范大学） ； Shanghai Innovation Institute（上海创新研究院）
AI总结 本研究提出EarlyEval框架，通过训练LightGBM分类器预测智能体结果，提前终止执行以降低LLM智能体评估成本，在多个基准上实现了显著的成本削减且解决率波动极小。
Comments Code and data available at https://github.com/inphotoo/earlyeval
ShallowStream：先建立浅层索引再进行深度推理的流视频理解框架
机构 * Harbin Institute of Technology (Shenzhen)（哈尔滨工业大学（深圳））
AI总结 针对多模态大语言模型处理流视频计算成本高的问题，提出ShallowStream框架，通过利用MLLM浅层构建索引并检索证据，在保持性能的同时大幅降低了延迟。
Comments Work in Progress
挑战性条件下基于视频的掌纹认证
机构 * Columbia University（哥伦比亚大学） ； Princeton University（普林斯顿大学） ； Stanford University（斯坦福大学） ； Amazon.com Services LLC（亚马逊服务有限责任公司）
AI总结 该研究推出首个公开视频掌纹数据集CUP，提出融合时间共识与空间区域匹配的鲁棒认证方法，在脏污等挑战性条件下大幅降低EER，还发现温暖条件下与身体水分、性别相关的性能差距。
HyperStyler：基于上下文感知风格导航与超网络的低资源作者风格迁移
机构 * UNIST（蔚山国家科学技术研究所） ； POSTECH（浦项科技大学） ； POSCO Holdings Inc.（浦项控股公司）
AI总结 HyperStyler通过解耦风格选择与实现的架构，在低资源作者风格迁移任务中，以仅增2.4%参数的规模实现优于现有方法的性能，且推理速度比LLM快1.8倍以上。
Comments Accepted to EMNLP 2026 (Main)
从重加权到重写：解锁训练数据归因中有影响力样本的干预效应
机构 * State Key Laboratory of Multimedia Information Processing, Peking University（北京大学多媒体信息处理国家重点实验室） ； YiXin-AILab（翼星人工智能实验室） ； Beijing Academy of Artificial Intelligence（北京人工智能研究院）
AI总结 该研究针对训练数据归因中影响力样本的干预价值问题，提出影响引导的响应重写方法，实验发现其效果优于传统重加权，为训练数据归因方法的评估提供了新方向。
面向本地部署检索增强型工厂智能体的测量驱动子网络选择
机构 * AI lab of enakronIC PC（EnakronIC公司人工智能实验室） ； Electrical & Computer Engineering University of Patras（帕特雷大学电气与计算机工程学院）
AI总结 针对本地部署检索增强型工厂智能体适配硬件难的问题，提出测量驱动的子网络选择方法，经案例研究验证可挽回模型质量损失并适配多异构边缘层级。
解析医学问答中误导性上下文的机制
机构 * Columbia University（哥伦比亚大学）
AI总结 该研究针对医学问答中误导性上下文的机制，在MedMisBench基准上测试三类模型，发现断言型误导线索更易干扰模型，仅开放推理轨迹可可靠监测错误决策。
Comments 25 pages, 10 figures. Submitted to ML4H 2026
面部伪造中的多工具图像编辑归因
机构 * Institute of Computing Technology, Chinese Academy of Sciences（中国科学院计算技术研究所） ； University of Chinese Academy of Sciences（中国科学院大学）
AI总结 针对多工具面部图像编辑归因难题，构建MultiEdit数据集，设计DPEC方法，在最多5步编辑的面部图像上优于9种现有方法。
Comments Accepted to ACM Multimedia 2026 (MM 2026)
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