语言大模型 / LLM

Q-GeoMem: Question-Guided Geometric Memory for Video Spatial Reasoning

Q-GeoMem：面向视频空间推理的问题引导几何记忆

Xianqiang Gao, Qizhi Chen, Delin Qu, Haoming Song, Zhigang Wang, Bin Zhao, Dong Wang, Xuelong Li

机构 * University of Science and Technology of China（中国科学技术大学） ； Shanghai AI Lab（上海人工智能实验室） ； Northwestern Polytechnical University（西北工业大学） ； TeleAI 纠错

专题命中 长上下文与记忆 ：language model(abstract)

AI总结 提出Q-GeoMem框架，通过问题引导的几何记忆机制，结合细粒度上下文库和语义几何证据库，在视频空间推理任务中实现最先进性能。

RoMa v2: Harder Better Faster Denser Feature Matching

RoMa v2：更优更快更密集的特征匹配

Johan Edstedt, David Nordström, Yushan Zhang, Georg Bökman, Jonathan Astermark, Viktor Larsson, Anders Heyden, Fredrik Kahl, Mårten Wadenbäck, Michael Felsberg

机构 * Linköping University（_linköping大学） ； Chalmers University of Technology（_chalmers技术大学） ； University of Amsterdam（_阿姆斯特丹大学） ； Centre for Mathematical Sciences, Lund University（_数学科学中心，吕勒奥大学） 纠错

专题命中 长上下文与记忆 ：foundation model(abstract)

AI总结 研究针对现有密集匹配器在复杂场景中表现不佳及高精度模型慢等弱点，通过系列改进构建新架构与损失函数，采用解耦管道加速训练、减少内存使用，利用基础模型提升鲁棒性，新匹配器达新的技术水平。

Comments ECCV 2026 camera ready

Quantitative Decomposition of Speckle Decorrelation for Inverse Problems in Complex Wave Scattering

复波散射反问题中散斑去相关的定量分解

Qihang Zhang, Haoyu Yue, Ninghe Liu, Danlin Xu, Renjie Zhou, Liangcai Cao, George Barbastathis

专题命中 长上下文与记忆 ：prompting(abstract)

AI总结 研究复波散射反问题，揭示反向散射去相关可量化为两项，分别源于表面和体积散射，通过实验验证理论预测，为反问题提供先进正向模型并举例验证。

Comments 6 figures

HyFL-CLIP: Hyperbolic Fine-Tuning of CLIP for Robust Long-Context Understanding

HyFL-CLIP: 用于鲁棒长上下文理解的CLIP双曲微调

Ji Ha Jang, Hayeon Kim, Chulwon Lee, Junghun James Kim, Se Young Chun

机构 * Dept. of Electrical and Computer Engineering（电气与计算机工程系） ； IPAI ； INMC & AIIS（智能计算与人工智能研究所） ； Seoul National University（首尔国立大学） 纠错

专题命中 长上下文与记忆 ：pretraining(abstract)

AI总结 提出HyFL-CLIP，通过双曲空间微调CLIP，利用跨流形相似性蒸馏和爱因斯坦中点聚合建模层次蕴含关系，提升长上下文理解鲁棒性，在文本扰动下长文本跨模态检索提升高达19.5%。

Comments Accepted to ECCV 2026. Project page: https://janeyeon.github.io/hyflclip

PA-VAD: Diffusion-Based Pseudo-Only Video Anomaly Detection via Domain-Aligned Memory Updates

PA-VAD: 基于扩散的伪异常视频异常检测通过域对齐记忆更新

Satoshi Hashimoto, Yanan Wang, Hitoshi Nishimura, Mori Kurokawa

机构 * KDDI Research, Inc.（KDDI研究所） 纠错

专题命中 长上下文与记忆 ：language model(abstract)

AI总结 提出PA-VAD框架，仅用真实正常视频和扩散合成伪异常视频训练检测器，通过域对齐正则化模块（DARM）消除伪异常特征偏差，在多个基准上超越使用真实异常视频的方法。

Comments Accepted to ECCV 2026

VisReflect: Latent Visual Reflection for Fine-Grained Perception in Long Visual Context

VisReflect: 用于长视觉上下文中细粒度感知的潜在视觉反射

Xiaoqian Shen, Mohamed Elhoseiny

机构 * King Abdullah University of Science and Technology（卡布斯大学） 纠错

专题命中 长上下文与记忆 ：language model(abstract)

AI总结 针对长视觉上下文中细粒度感知的挑战，提出VisReflect框架，通过潜在空间中的连续视觉反射选择性强调相关区域，无需显式定位或额外前向传播，在图像和视频基准上分别提升4.1%和1.8%，并减少约44%推理时间。

Comments Accepted to ECCV 2026; Project page: https://xiaoqian-shen.github.io/VisReflect

LETT-NeXt: A Lightweight RECIST-Guided Model for 3D CT Lesion Segmentation

LETT-NeXt: 一种轻量级RECIST引导的3D CT病灶分割模型

Sebastian Aas, Elias Stenhede, Arian Ranjbar

机构 * Medical Technology & E-health, Akershus University Hospital, Lørenskog, Norway（医疗技术与e健康，阿克赫斯大学医院，洛伦斯克罗格，挪威） ； Faculty of Medicine, University of Oslo, Oslo, Norway（医学学院，奥斯陆大学，奥斯陆，挪威） 纠错

专题命中 长上下文与记忆 ：foundation model(abstract)

AI总结 提出轻量级RECIST引导模型LETT-NeXt，通过编码RECIST标记为提示通道，结合MedNeXt-v2编码器-解码器和自适应AutoZoom推理，实现3D CT病灶分割，在公开验证集上DSC达79.4%。

AsyncMDE: Real-Time Monocular Depth Estimation via Asynchronous Spatial Memory

AsyncMDE：通过异步空间记忆实现实时单目深度估计

Lianjie Ma, Yuquan Li, Bingzheng Jiang, Ziming Zhong, Han Ding, Lijun Zhu

专题命中 长上下文与记忆 ：foundation model(abstract)

AI总结 AsyncMDE通过异步空间记忆系统，结合冻结的基础模型和轻量级快速路径，在边缘设备上实现高效的实时单目深度估计，兼顾精度与速度。

Comments 8 pages, 5 figures, 5 tables

DivAS: Interactive 3D Segmentation by Depth-Weighted Voxel Aggregation

DivAS：通过深度加权体素聚合实现交互式3D分割

Ayush Pande, Mayank Vatsa

机构 * Indian Institute of Technology Kanpur（印度理工学院坎普尔分校） ； Indian Institute of Technology Jodhpur（印度理工学院焦特布尔分校） 纠错

专题命中 长上下文与记忆 ：prompting(abstract)

AI总结 DivAS通过深度加权体素聚合实现交互式3D分割，无需优化循环，基于GAussian Splatting和NeRF框架，实现高效且高质量的3D分割。

Memory Retrieval in Visuomotor Policies for Long-Horizon Robot Control

视觉运动策略中的记忆检索用于长期机器人控制

Rutav Shah, Yisu Li, Femi Bello, Yuke Zhu, Roberto Martín-Martín

机构 * The University of Texas at Austin（德克萨斯大学奥斯汀分校） 纠错

专题命中 长上下文与记忆 ：language model(abstract)

AI总结 提出HALO策略，通过注意力记忆检索机制和视觉语言模型先验蒸馏，解决长期控制中的虚假相关和记忆误差累积问题，实现从长达8分钟历史中检索任务相关信息。

Comments 16 pages, 5 tables, 8 figures

From Local Corrections to Generalized Skills: Improving Neuro-Symbolic Policies with MEMO

从局部修正到通用技能：利用MEMO改进神经符号策略

Benjamin A. Christie, Yinlong Dai, Mohammad Bararjanianbahnamiri, Simon Stepputtis, Dylan P. Losey

机构 * Collab ； Dept. of Mechanical Engineering, Virginia Tech, Blacksburg, USA.（机械工程系，弗吉尼亚理工学院，黑斯堡，美国） ； TEA Lab（TEA实验室） 纠错

专题命中 长上下文与记忆 ：language model(abstract)

AI总结 针对机器人神经符号策略中技能不足的问题，提出MEMO框架，通过收集、聚类和改写多用户自然语言修正，构建检索增强的技能手册，动态扩展技能库，实现新任务泛化。

FrameVGGT: Coherence-Preserving Memory for Bounded Streaming Geometry

FrameVGGT：几何对齐的帧级内存用于有界流式VGGT

Zhisong Xu, Takeshi Oishi

机构 * Institute of Industrial Science（工业科学研究所） ； The University of Tokyo（东京大学） 纠错

专题命中 长上下文与记忆 ：language model(abstract)

AI总结 FrameVGGT从几何支持角度重新审视有界内存流式处理，通过组织帧级增量KV贡献为连贯段，实现稳定几何支持与内存平衡。

Comments 23pages including appendix checklist

HY-WU (Part I): An Extensible Functional Neural Memory Framework and An Instantiation in Text-Guided Image Editing

HY-WU (第一部分): 一种可扩展的功能性神经记忆框架及其在文本引导图像编辑中的应用

Mengxuan Wu, Xuanlei Zhao, Ziqiao Wang, Ruicheng Feng, Zhangyang Wang, Kai Wang

机构 * Tencent HY Team（腾讯 HY 团队） 纠错

专题命中 长上下文与记忆 ：foundation model(abstract)

AI总结 提出HY-WU框架，通过功能性神经记忆模块即时生成实例特定权重更新，避免共享权重覆盖导致的干扰，解决持续学习与个性化中的灾难性遗忘问题。

VL-MemKnG: Hybrid Memory with a Spatio-Temporal Knowledge Graph for Question Answering over Long Egocentric Navigation Trajectories

VL-MemKnG：结合时空知识图谱的混合记忆用于长程自我中心导航轨迹问答

Svetlana Lukina, Mohamad Al Mdfaa, Gloria Haro, Sergey Zagoruyko, Gonzalo Ferrer

机构 * Mobile Robotics Laboratory, Artificial Intelligence Center（移动机器人实验室，人工智能中心） ； Skoltech（斯科尔科沃科学技术学院） ； Intelligent Multimodal Vision Analysis Group, Department of Engineering, Universitat Pompeu Fabra（智能多模态视觉分析组，工程系，庞培法布拉大学） ； Independent Researcher（独立研究员） 纠错

专题命中 长上下文与记忆 ：language model(abstract)

AI总结 提出VL-MemKnG混合记忆框架，结合时空知识图谱与片段级上下文记忆，通过混合检索推理模块提升长程自我中心视频导航问答的准确性和效率。

Scaling Short-Term Memory of Visuomotor Policies for Long-Horizon Tasks

面向长时任务的视觉运动策略短期记忆扩展

Rutav Shah, Rajat Kumar Jenamani, Xiaohan Zhang, Lingfeng Sun, Roberto Martín-Martín, Yuke Zhu, Deva Ramanan, Karl Schmeckpeper

机构 * University of California, Berkeley（加州大学伯克利分校） ； Stanford University（斯坦福大学） ； Toyota Research Institute（丰田研究院） 纠错

专题命中 长上下文与记忆 ：pretraining(abstract)

AI总结 提出PRISM架构，通过门控注意力与层次化压缩扩展视觉运动策略的短期记忆至两分钟，在ReMemBench基准上超越现有方法5%-12%。

Comments 14 pages, 9 Figures, 8 Tables

AnyGoal: Vision-Language Guided Multi-Agent Exploration for Training-Free Lifelong Navigation

AnyGoal: 视觉-语言引导的多智能体探索实现免训练终身导航

MoniJesu James, Marcelino Julio Fernando, Miguel Altamirano Cabrera, Dzmitry Tsetserukou

机构 * University of California, Berkeley（加州大学伯克利分校） 纠错

专题命中 长上下文与记忆 ：language model(abstract)

AI总结 提出AnyGoal，一种免训练多机器人架构，利用视觉-语言模型（VLM）驱动前沿探索，通过共享2D高斯贝叶斯价值图（BVM）协调智能体，实现终身证据积累，在GOAT-Bench上达到52.4%子任务成功率，优于模块化方法27.7个百分点。

Comments 17 pages, 3 figures

Goal2Pixel: Grounding Goals to Pixels for Vision-Language Navigation

Goal2Pixel: 将目标锚定到像素以实现视觉语言导航

Muyi Bao, Yuxin Cai, Hang Xu, Zongtai Li, Jinxi He, Jingfan Tang, Chen Lv, Ji Zhang, Yaqi Xie, Wenshan Wang

机构 * Carnegie Mellon University（卡内基梅隆大学） ； Nanyang Technological University（南洋理工大学） 纠错

专题命中 长上下文与记忆 ：language model(abstract)

AI总结 提出Goal2Pixel范式，通过将连续环境中的视觉语言导航（VLN-CE）重新定义为可导航像素锚定，利用图像平面作为统一空间接口，预测可见导航像素并反投影为3D航点，结合可见性感知关键帧记忆和坐标感知辅助损失，在减少VLM调用次数的同时实现竞争性性能。

Comments 8 pages

QueryOcc: Query-based Self-Supervision for 3D Semantic Occupancy

QueryOcc：基于查询的3D语义占据自监督方法

Adam Lilja, Ji Lan, Junsheng Fu, Lars Hammarstrand

机构 * Chalmers University of Technology（查尔姆斯理工大学） ； Zenseact 纠错

专题命中 长上下文与记忆 ：foundation model(abstract)

AI总结 提出QueryOcc，一种基于查询的自监督框架，通过相邻帧的4D时空查询直接学习连续3D语义占据，利用视觉基础模型或激光雷达数据提供监督，并引入收缩场景表示以在恒定内存下实现远程监督，在Occ3D-nuScenes基准上语义RayIoU提升26%。

Memory as a Service (MaaS): Purpose-Bound Memory Mediation for Cooperative Agents

记忆即服务 (MaaS)：面向合作智能体的目的绑定记忆中介

Haichang Li

专题命中 长上下文与记忆 ：prompting(abstract)

AI总结 提出记忆即服务 (MaaS) 框架，通过目的绑定的记忆中介机制，在合作编程智能体间平衡记忆共享效用与隐私泄露风险，实验表明现有检索方法存在严重隐私泄露。

Comments Accepted to the KDD 2026 Workshop on Agentic Software Engineering (AgenticSE @ KDD 2026)

Investigating Energy Bounds of Analog Compute-in-Memory with Local Normalization

局部归一化的模拟存内计算的能量界研究

Brian Rojkov, Shubham Ranjan, Derek Wright, Manoj Sachdev

专题命中 长上下文与记忆 ：LLM(abstract_cn)

AI总结 针对模拟存内计算中动态范围导致ADC能耗高的问题，提出增益范围MAC（GR-MAC）实现局部归一化，在35 dB SQNR下将输入动态范围提升4位而不增加能耗，并降低ADC分辨率需求1.5位。

T-FunS3D: Task-Driven Hierarchical Open-Vocabulary 3D Functionality Segmentation

T-FunS3D：任务驱动的分层开放词汇3D功能分割

Jingkun Feng, Reza Sabzevari

机构 * P4MARS Lab at the Faculty of Aerospace Engineering, Delft University of Technology（代尔夫特理工大学航空航天工程学院P4MARS实验室） 纠错

专题命中 长上下文与记忆 ：language model(abstract)

AI总结 提出T-FunS3D方法，通过构建开放词汇场景图并利用视觉语言模型，实现任务驱动的分层3D功能分割，在保持性能的同时提升速度和降低内存消耗。

Attention-Augmented LSTMs for Automatic Homophonic Ciphertext Decipherment

注意力增强LSTM用于自动同音替换密码破译

Micaella Bruton, Meriem Beloucif, Beáta Megyesi

专题命中 长上下文与记忆 ：language model(abstract)

AI总结 本文评估注意力增强LSTM模型在共享密钥设置下自动破译同音替换密码的能力，在历史英语和瑞典语文本上实现接近完美的字符级解密准确率。

Comments 10 pages, 2 figures

Geometry-Aware Implicit Memory for Video World Models

几何感知隐式记忆用于视频世界模型

Zhengxuan Wei, Xu Guo, Xinghui Li, Xunzhi Xiang, Min Wei, Yiran Zhu, Qiulin Wang, Xintao Wang, Pengfei Wan, Xiangwang Hou, Qi Fan

机构 * School of Intelligence Science and Technology, Nanjing University（南京大学智能科学与技术学院） ； Kling Team, Kuaishou Technology（快手技术 Kling 团队） ； Tsinghua University（清华大学） 纠错

专题命中 长上下文与记忆 ：foundation model(abstract)

AI总结 提出GIM-World框架，通过轻量级Transformer编码器将可变长度历史压缩为固定大小的记忆令牌，并利用相机可查询的几何头在训练期间从冻结的基础模型中蒸馏3D场景结构，从而在长时程视频生成中保持几何和视觉一致性。

Comments Project page: https://gim-world.github.io/

$R^3$: 3D Reconstruction via Relative Regression

$R^3$: 通过相对回归进行3D重建

Congrong Xu, Huachen Gao, Xingyu Chen, Yuliang Xiu, Jun Gao, Anpei Chen

机构 * University of Michigan（密歇根大学） ； Westlake University（西雅图大学） ； NVIDIA Research（英伟达研究） 纠错

专题命中 长上下文与记忆 ：foundation model(abstract)

AI总结 提出一种基于相对回归的3D重建方法$R^3$，使用轻量级MLP预测置信度加权的相对约束，以支持全上下文离线重建和因果有界内存流式重建。

DeepImageSearch: Benchmarking Multimodal Agents for Context-Aware Image Retrieval in Visual Histories

DeepImageSearch: 多模态智能体在视觉历史中上下文感知图像检索的基准测试

Chenlong Deng, Mengjie Deng, Junjie Wu, Dun Zeng, Teng Wang, Qingsong Xie, Jiadeng Huang, Shengjie Ma, Changwang Zhang, Zhaoxiang Wang, Jun Wang, Yutao Zhu, Zhicheng Dou

机构 * Gaoling School of Artificial Intelligence, Renmin University of China, Beijing, China（中国人民大学北京校区人工智能学院） ； OPPO Research Institute（OPPO研究院） 纠错

专题命中 长上下文与记忆 ：language model(abstract)

AI总结 提出DeepImageSearch范式，将图像检索重构为自主探索任务，通过构建DISBench基准和模块化智能体框架，验证了在视觉历史中基于隐式上下文线索进行多步推理的必要性。

Comments 18 pages, 6 figures

Why Can't They Remember? Uncovering Representation and Retrieval Bottlenecks in Multi-Turn Acoustic Memory

为什么它们记不住？揭示多轮声学记忆中的表征和检索瓶颈

Yang Xiao, Siyi Wang, Han Yin, Hong Jia, Vidhyasaharan Sethu, Eun-Jung Holden, Ting Dang

机构 * The University of Melbourne（墨尔本大学） ； KAIST（韩国科学技术院） ； The University of Auckland（奥克兰大学） ； UNSW Sydney（新南威尔士大学悉尼分校） 纠错

专题命中 长上下文与记忆 ：language model(abstract)

AI总结 本文通过引入EnvMem基准，发现大型音频语言模型在多轮交互中非语音信息记忆失败的主要原因是表征轨迹漂移，而非注意力分配不足。

Addressing Exacerbated Attention Sink for Source-Free Cross-Domain Few-Shot Learning

应对源自由跨域小样本学习中加剧的注意力汇聚问题

Shuai Yi, Yixiong Zou, Yuhua Li, Ruixuan Li

机构 * Huazhong University of Science and Technology（华中科技大学） 纠错

专题命中 长上下文与记忆 ：language model(abstract)

AI总结 针对跨域小样本学习中标准微调加剧注意力汇聚导致判别性下降的问题，提出基于令牌动态重加权的方法抑制简单令牌依赖并增强困难令牌学习，实现新最优性能。

Comments Accepted by CVPR 2026

LiveR: Fine-Grained Elasticity via Live Reconfiguration for Model Training

LiveR: 通过活体重新配置实现细粒度弹性

Haoyuan Liu, Kairui Zhou, Shuyao Qi, Qinwei Yang, Shengkai Lin, Shizhen Zhao, Wei Zhang

专题命中 长上下文与记忆 ：LLM(abstract)

AI总结 LiveR通过活体重新配置技术，解决了大规模模型训练中因资源波动导致的停机问题，显著减少了停机时间并提高了资源利用率。

Vision Harnessing Agent for Open Ad-hoc Segmentation

用于开放即兴分割的视觉引导代理

Zilin Wang, Stella X. Yu

机构 * University of Michigan（密歇根大学） 纠错

专题命中 长上下文与记忆 ：foundation model(abstract)

AI总结 本文提出了一种名为VASA的视觉引导即兴分割代理，该代理通过结合视觉语言模型、分割基础模型和视觉引导工作流，实现了无需训练的即兴分割任务，其在PARS和RefCOCO等基准测试中均表现出色。

Comments 23 pages, 11 figures

LATERN: Test-Time Context-Aware Explainable Video Anomaly Detection

LATERN：测试时上下文感知的可解释视频异常检测

Mitchell Piehl, Muchao Ye

机构 * The University of Iowa（爱荷华大学） 纠错

专题命中 长上下文与记忆 ：language model(abstract)

AI总结 本文提出LATERN框架，通过上下文感知模块和递归证据聚合模块提升视频异常检测的准确性和解释一致性。