语言大模型 / LLM

ACE-Brain-0.5: A Unified Embodied Foundational Model for Physical Agentic AI

ACE-Brain-0.5：用于物理智能体人工智能的统一具身基础模型

Brain Team, Ziyang Gong, Haoming Gu, Zehang Luo, Tianyi Zhang, Tao Tao, Yixiao Chi, Zhe Liu, Lingsi Zhu, Jingyuan Liu, Anke Tang, Songze Li, Yilun Kong, Ningjing Liu, Tianyu Zhu, Yunpeng Qing, Shuang Luo, Xiang Liu, Shi Fu, Dawei Nie, Sixiang Liu, Zhexi Wen, Feng Pan, Xiaofeng Wang, Zhi Hou, Chunxiao Liu, Xue Yang, Junchi Yan, Hengshuang Zhao, Dacheng Tao, Xiaogang Wang

机构 * ACE-Brain Team（ACE-Brain团队） 纠错

专题命中 推理与问题求解 ：foundation model(abstract)

AI总结 研究针对具身人工智能从模块向物理智能体发展的问题，提出ACE-Brain-0.5统一基础模型，通过耦合的五个功能及SSR+等方法，提升空间感知等能力，在多基准测试中有进步。

Swarm-Driven Multi-Agent Reasoning for Smart City Security

用于智慧城市安全的群体驱动多智能体推理

Saeid Jamshidi, Kawser Wazed Nafi, Carol Fung, Foutse Khomh

专题命中 推理与问题求解 ：LLM(abstract)

AI总结 研究智慧城市安全问题，提出基于大语言模型的多智能体方法TPSC-Sec，通过专门智能体分析并经威胁信息素群体共识机制聚合假设，还引入Adaptive Verified TPSC，实验表明该方法能实现高效安全推理。

LogSemFuse: Semantic Evidence Fusion for Explainable Log Anomaly Detection

LogSemFuse：用于可解释日志异常检测的语义证据融合

Hassan Jabri, Zeyang Ma, Zhijie Wang, Tse-Hsun Chen

专题命中 推理与问题求解 ：LLM(abstract)

AI总结 研究日志异常检测，提出LogSemFuse框架，结合骨干预测与多源语义证据，增强现有检测器，能产生异常决策和基于证据的解释，提升检测效果与可解释性，且开销小。

GRCD: Grounded Region Change Detection for Multi-Finding Chest X-Ray Pairs

GRCD：用于多发现胸部X光对的地面区域变化检测

OFM Riaz Rahman Aranya, Peyman Najafirad, Kevin Desai

机构 * Department of Computer Science（计算机科学系） 纠错

专题命中 推理与问题求解 ：language model(abstract)

AI总结 针对现有胸部X光多发现报告自动生成方法不足，提出GRCD框架。通过修正标注错误构建数据集，引入模块编码区域变化并注入语言模型，在多发现测试集上性能优于基线，消融实验验证设计有效性。

GMO-E$^2$DIT: Grounded Multi-Operation Editing for E-Commerce Images

GMO-E$^2$DIT：面向电商图像的接地多操作编辑

Zipeng Guo, Xiaoan Liu, Lichen Ma, Cheng Wang, Yu He, Xiaolong Fu, Jingling Fu, Xinyuan Shan, Shaojie Guo, Luohang Liu, Junshi Huang, Yan Li

机构 * Wuhan University（武汉大学） ； Xi’an Jiaotong University（西安交通大学） ； Sun Yat-sen University（中山大学） 纠错

专题命中 推理与问题求解 ：language model(abstract)

AI总结 提出GMO-E$^2$DIT框架，通过VLM代理构建区域接地编辑议程，结合掩码条件图像编辑器和反思循环，实现多操作、可审计的电商图像编辑，在指令准确性和编辑保真度上超越现有基线。

Knowledge-Enhanced Agentic Vulnerability Repair

知识增强的智能体漏洞修复

Sicong Cao, Hao Ma, Le Yu, Kangyi Ding, Xiaolei Liu, Terry Yue Zhuo, Bo Wang, Xingwei Lin, Xiaobing Sun, Linzhang Wang, David Lo

专题命中 推理与问题求解 ：foundation model(abstract)

AI总结 提出KeaRepair，一种基于智能体的自动化漏洞修复方法，通过提取历史漏洞知识并利用工具增强的智能体进行诊断，生成并迭代优化补丁，在55个C/C++漏洞上修复率达83.64%。

AeroVerse-SatAgent: UAV-Satellite Collaborative Spatial Reasoning Inspired by the Dual Visual Pathway Theory of Cognitive Neuroscience

AeroVerse-SatAgent: 受认知神经科学双视觉通路理论启发的无人机-卫星协同空间推理

Wenyi Zhang, Fanglong Yao, Youzhi Liu, Peng Hu, Zhengqiu Zhu, Chen Gao, Xian Sun, Kun Fu

机构 * Aerospace Information Research Institute, Chinese Academy of Sciences（中国科学院空天信息创新研究院） ； University of Chinese Academy of Sciences（中国科学院大学） ； School of Electronic, Electrical and Communication Engineering, University of Chinese Academy of Sciences（中国科学院大学电子电气与通信工程学院） ； Key Laboratory of Target Cognition and Application Technology (TCAT), Aerospace Information Research Institute, Chinese Academy of Sciences（中国科学院空天信息创新研究院目标认知与应用技术重点实验室） ； School of Computer Science and Engineering, Beihang University（北京航空航天大学计算机学院） 纠错

专题命中 推理与问题求解 ：foundation model(abstract)

AI总结 针对单视角感知易受遮挡和视角变化影响的问题，提出受人类视觉双通路机制启发的无人机-卫星协同空间推理模型SatAgent，通过几何感知3D重建编码器、多视角拓扑语义对齐模块和一致性损失，在复杂城市环境中实现鲁棒推理，构建首个大规模协同数据集，性能超越现有模型。

Comments 21 pages, 10 figures and 8 tables

Decodable Is Not Grounded: A Vision-Ablation Arbiter for VLM Spatial Reasoning

可解码不等于已接地：用于VLM空间推理的视觉消融仲裁器

Chih-Ting Liao, Fei Shen, Xin Cao, Tat-Seng Chua

机构 * University of New South Wales（新南威尔士大学） ； National University of Singapore（新加坡国立大学） 纠错

专题命中 推理与问题求解 ：language model(abstract)

AI总结 本文提出一种视觉消融仲裁方法，通过将图像替换为灰色空白，揭示视觉语言模型在空间推理中存在的三种接地机制：接地、先验和反转，并证明线性探针和转向恢复会系统性地高估模型的实际视觉接地能力。

TaxoMIL: Taxonomy-Constrained Learning for Hierarchical Whole Slide Image Analysis

TaxoMIL：用于层次化全切片图像分析的分层约束学习

Chaeyeon Lee, Khang Nguyen Quoc, Jinsol Song, Yosep Chong, Kwangil Yim, Jin Tae Kwak

机构 * School of Electrical Engineering, Korea University（韩国大学电气工程学院） ； Department of Hospital Pathology, The Catholic University of Korea College of Medicine（韩国天主教大学医学院医院病理学系） 纠错

专题命中 推理与问题求解 ：language model(abstract)

AI总结 提出TaxoMIL框架，将WSI诊断重构为多粒度文本生成任务，通过双头Transformer解码器和分类学引导目标，实现层次感知的准确预测。

Comments Accepted at ECCV 2026

Hierarchical 3D Scene Graph Construction and Belief-based Planning for Semantic Navigation

层次化3D场景图构建与基于信念的语义导航规划

Bing Wu, Zuyao Chen, Changwen Chen

机构 * The Hong Kong Polytechnic University（香港理工大学） 纠错

专题命中 推理与问题求解 ：foundation model(abstract)

AI总结 提出零样本语义导航框架，通过在线维护层次化3D场景图（HSG）实现多粒度语义拓扑，并基于信念规划进行有限视野推演，在长距离导航中显著提升成功率与路径效率。

Comments Camera-ready version accepted at ECCV 2026

ReScene: Structured Indoor Scene Reconstruction from Multi-View Captures

ReScene: 基于多视角图像的结构化室内场景重建

Haoran Xu, Lechao Zhang, Daoguo Dong, Yan Gao, Xin Tan

机构 * School of Computer Science and Technology, East China Normal University（华东师范大学计算机科学与技术学院） ； Institute of Trustworthy Embodied AI, Fudan University（复旦大学可信具身智能研究院） 纠错

专题命中 推理与问题求解 ：language model(abstract)

AI总结 提出ReScene框架，通过层级视图选择和关系感知组装，解决多视角场景重建中跨视角关系融合与物理一致性难题，在ScanNet上实现几何、渲染和感知质量的最优性能。

zQR: A Verifiable QR-Driven zkSNARK Proof Verification Framework for Mobile Platforms

zQR: 一种面向移动平台的可验证QR驱动zkSNARK证明验证框架

Goshgar Can Ismayilov

专题命中 推理与问题求解 ：language model(abstract)

AI总结 提出zQR框架，利用二维码编码零知识证明，结合区块链和大型语言模型，实现移动平台上的可离线验证隐私保护方案。

Falcon: Functional Assembly and Language for Compositional Reasoning in X-ray

Falcon: X射线中组合推理的功能组装与语言

Yonathan Michael, Mohamad Alansari, Natnael Takele, Andreas Henschel, Naoufel Werghi

机构 * Khalifa University（哈利法大学） 纠错

专题命中 推理与问题求解 ：language model(abstract)

AI总结 针对X射线安检中威胁来自分散组件功能兼容性的问题，提出Falcon框架，通过结构化安全状态表示实现组合威胁推理，并构建Falcon-X基准验证其有效性。

Comments Accepted at ECCV2026; Project Page: https://yonathan-kiflom.github.io/FALCON/page/

C2RM-Seg: Causal Counterfactual Reasoning with Structural-Semantic Priors for Weakly Supervised Histopathological Tissue Segmentation

C2RM-Seg: 基于结构语义先验的因果反事实推理用于弱监督组织病理学组织分割

Hualong Zhang, Siyang Feng, Zihan Huan, Yi Qian, Zhenbing Liu, Rushi Lan, Xipeng Pan

机构 * Guangxi Key Laboratory of Image and Graphic Intelligent Processing, Guilin University of Electronic Technology（广西图像图形智能处理重点实验室，桂林电子科技大学） ； International Joint Research Laboratory of Spatio-temporal Information and Intelligent Location Services, Guilin University of Electronic Technology（时空信息与智能定位服务国际联合研究实验室，桂林电子科技大学） ； School of Computer Science and Information Security, Guilin University of Electronic Technology（桂林电子科技大学计算机与信息安全学院） 纠错

专题命中 推理与问题求解 ：foundation model(abstract)

AI总结 提出C2RM-Seg框架，通过因果反事实推理模块生成形态对齐的CAM，结合双路径结构语义架构和不确定性门控边缘损失，解决弱监督组织分割中伪标签噪声问题，在公共数据集上达到最优性能。

Comments 11 pages, 3 figures. Code is available at https://github.com/OceanPetal/C2AM-Seg

Decoupling Semantics and Geometric Grounding: Spatial Visual Prompts for Language-Conditioned Imitation Learning

解耦语义与几何基础：面向语言条件模仿学习的空间视觉提示

Yanzhe Tang, Xinyu Shao, Yuxuan Hu, Siyu Chen, Bowen Yang, Yajun Gao, Tongtong Cao, Xiu Li, Long Zeng

机构 * Tsinghua University（清华大学） ； Huawei Technologies Co., Ltd.（华为技术有限公司） ； National University of Singapore（新加坡国立大学） 纠错

专题命中 推理与问题求解 ：foundation model(abstract)

AI总结 提出SVP-IL解耦架构，通过视觉语言基础模型将指令解析为零样本几何掩码，生成空间视觉提示并注入连续动作生成器，在低数据条件下显著提升语言条件模仿学习的成功率。

ViTexQA: A Multi-Frame Temporal Perception Dataset for Video Text Question Answering

ViTexQA: 面向视频文本问答的多帧时序感知数据集

Zhentao Guo, Chen Duan, Tongkun Guan, Zining Wang, Kai Zhou, Pengfei Yan

机构 * Meituan（美团） ； Shanghai Jiao Tong University（上海交通大学） 纠错

专题命中 推理与问题求解 ：SFT(abstract)

AI总结 提出ViTexQA数据集和FrameThinker方法，通过跨帧文本融合的问答对和两阶段训练（CoT微调+时序强化学习），解决多帧时序文本感知难题，ROUGE-L提升6.3%。

Comments Accepted by ECCV2026

RoBoSR: Structured Scene Representations for Embodied Robotic Reasoning

RoBoSR：面向具身机器人推理的结构化场景表示

Kewei Hu, Wanchan Yu, Fangwen Chen, Jing Jiajian, Zimeng Li, Ying Wei, Tianhao Liu, Michael Zhang, Hanwen Kang

专题命中 推理与问题求解 ：prompting(abstract)

AI总结 提出RoBoSR，一种基于语义对象中心场景图的中间结构表示，将操作建模为逐步状态转换，实现因果推理和长期任务规划，并在零样本泛化中优于提示方法和经典TAMP基线。

Trustworthy Image Authentication using Forensic Knowledge Graphs

使用取证知识图谱的可信图像认证

Tai D. Nguyen, Matthew C. Stamm

机构 * Drexel University（德雷塞尔大学） 纠错

专题命中 推理与问题求解 ：language model(abstract)

AI总结 提出取证知识图谱（FKG）框架，通过结构化取证证据提取与推理实现可解释的图像伪造检测，优于现有检测器和视觉语言模型。

Comments Accepted and Published at ECCV 2026

LaST-HD: Learning Latent Physical Reasoning from Scalable Human Data for Robot Manipulation

LaST-HD：从可扩展人类数据中学习潜在物理推理以进行机器人操作

Jiaming Liu, Yinxi Wang, Chenyang Gu, Siyuan Qian, Xiangju Mi, Hao Chen, Jiawei Chen, Qingpo Wuwu, Xiaoqi Li, Nuowei Han, Yiming Zhang, Xuheng Zhang, Yang Yue, Yeqing Yang, Lei Wang, Peng Jia, Hao Tang, Shanghang Zhang

机构 * State Key Laboratory of Multimedia Information Processing, School of Computer Science, Peking University（北京大学计算机学院多媒体信息处理国家重点实验室） ； The Chinese University of Hong Kong（香港中文大学） ； Simplexity Robotics ； Aether Tech 纠错

专题命中 推理与问题求解 ：post-training(abstract)

AI总结 提出LaST-HD框架，通过将人手与机器人演示在共享潜在推理空间中对齐，利用未配对轨迹训练世界模型合成统一潜在目标，实现跨形态物理动力学内化，并开发低成本数据手套OOL Glove，结合混合训练策略，仅用少量人类数据即可达到高泛化性能。

SATURN: Symbolic Spatial Reasoning for Multi-Perspective Grounding

SATURN: 多视角定位的符号化空间推理

Danial Kamali, Tanawan Premsri, Shreya Rajpal, Amir Zadeh, Chuan Li, Parisa Kordjamshidi

机构 * Michigan State University（密歇根州立大学） ； Lambda Labs（Lambda实验室） 纠错

专题命中 推理与问题求解 ：language model(abstract)

AI总结 提出SATURN框架，通过神经符号方法实现视角感知的组合空间推理，结合3D场景重建、软空间谓词和Python符号执行器，在3D FORCE和MindCube基准上显著优于强基线。

Robot Critics that Sweat the Small Stuff

关注细节的机器人批评家

Sruthi Sudhakar, Junbang Liang, Sreehari Rammohan, Pavel Tokmakov, Richard Zemel, Carl Vondrick

机构 * Columbia University（哥伦比亚大学） ； Toyota Research Institute（丰田研究所） 纠错

专题命中 推理与问题求解 ：language model(abstract)

AI总结 针对大视觉语言模型在机器人操作中难以区分微小视觉差异的问题，提出通过成功与失败轨迹构建成对进展监督来微调批评家，提升细粒度推理和失败检测能力，并在真实和仿真任务中分别提高策略成功率11%和5.9%。

ZeroDex: Zero-Shot Long-Horizon Dexterous Manipulation via Multi-View 3D-Grounded VLM Reasoning

零样本长时程灵巧操作：基于多视图3D接地VLM推理

Jisoo Kim, Sangwon Baik, Taeksoo Kim, Sungjoo Kim, Junyoung Lee, Mingi Choi, Hanbyul Joo

机构 * Seoul National University（首尔国立大学） 纠错

专题命中 推理与问题求解 ：language model(abstract)

AI总结 提出零样本框架，利用多视图RGB图像通过VLM生成3D任务规划，结合三角测量和射线投票实现精确3D接地，支持抓取和工具使用，在真实实验中优于基线方法。

G2G: Exploiting Intra-Group Geometry for Inter-Group Pose Estimation

G2G：利用组内几何进行组间姿态估计

Yufei Wei, Shuhao Ye, Chenxiao Hu, Yiyuan Pan, Dongyu Feng, Rong Xiong, Yue Wang, Yanmei Jiao

机构 * State Key Laboratory of Industrial Control and Technology, Zhejiang University（浙江大学工业控制技术国家重点实验室） ； Zhejiang Humanoid Robot Innovation Center Co., Ltd.（浙江人形机器人创新中心有限公司） ； School of Information Science and Engineering, Hangzhou Normal University（杭州师范大学信息科学与工程学院） 纠错

专题命中 推理与问题求解 ：foundation model(abstract)

AI总结 提出G2G方法，通过冻结多视图基础模型并添加三个轻量可训练模块（感知器重采样器、跨组桥接模块和多帧姿态头），仅利用相对姿态监督实现组间6-DoF姿态估计，在四个数据集上达到SOTA。

SIGMA: Skill-Incidence Graphs for Compositional Multi-Agent Design

SIGMA: 用于组合式多智能体设计的技能-关联图

Kun Zeng, Yu Huo, Siyu Zhang, Yuecheng Zhuo, Yuquan Lu, Haoyue Liu, Siyue Chen, Xiaoying Tang

专题命中 推理与问题求解 ：LLM(abstract_cn)

AI总结 提出SIGMA框架，通过技能-智能体关联图将智能体构建为可复用技能的任务条件组合，并解码通信拓扑，在六个基准测试中优于基线方法，并展现出对未见技能库的鲁棒性。

Comments EMNLP2026

ReSiReg: Towards Spatially Consistent Semantics in Language-Conditioned Robotic Tasks

ReSiReg：面向语言条件机器人任务的空间一致语义

Simon Schwaiger, David Seyser, Alessandro Scherl, Wilfried Wöber, Gerald Steinbauer-Wagner

机构 * Graz University of Technology, Institute of Software Engineering and Artificial Intelligence（格拉茨技术大学，软件工程与人工智能研究所） ； University of Applied Sciences Technikum Wien, Department of Industrial Engineering（维也纳应用科技大学，工业工程系） ； University of Alicante, Department of Computer Technology（阿利坎特大学，计算机技术系） ； University of Natural Resources and Life Sciences, Institute for Integrative Nature Conservation Research（自然资源与生命科学大学，整合自然保护研究 institute） 纠错

专题命中 推理与问题求解 ：language model(abstract)

AI总结 提出ReSiReg方法，通过重构空间一致的VLM中间特征，改善密集语言接地检索，在OVSS和3D映射中提升空间一致性，并发布紧凑的25M参数VLM模型。

Evolution & Foundation: AI Shares Creative Control

进化与基础模型：AI共享创意控制

Dylan Banarse, Stephen Todd, William Latham, Frederic Fol Leymarie

专题命中 推理与问题求解 ：foundation model(abstract)

AI总结 提出一种结合遗传算法与多模态AI基础模型的框架，实现自动化设计3D有机形态，将艺术家角色从直接选择转变为系统设计，加速创意探索。

WEAVER, Better, Faster, Longer: An Effective World Model for Robotic Manipulation

$\texttt{WEAVER}$：更好、更快、更长——一种有效的机器人操作世界模型

Arnav Kumar Jain, Yilin Wu, Jesse Farebrother, Gokul Swamy, Andrea Bajcsy

机构 * Mila - Québec AI Institute（Mila - 魁北克人工智能研究所） ； Université de Montréal（蒙特利尔大学） ； Carnegie Mellon University（卡内基梅隆大学） ； McGill University（麦吉尔大学） 纠错

专题命中 推理与问题求解 ：foundation model(abstract)

AI总结 提出WEAVER世界模型架构，通过流匹配损失训练多视图潜在预测，同时实现高保真度、长程一致性和高效推理，在机器人操作任务中显著提升策略评估、改进和测试时规划性能。

EventDrive: Event Cameras for Vision-Language Driving Intelligence

EventDrive: 用于视觉-语言驾驶智能的事件相机

Dongyue Lu, Rong Li, Ao Liang, Lingdong Kong, Wei Yin, Lai Xing Ng, Benoit R. Cottereau, Camille Simon Chane, Wei Tsang Ooi

机构 * NUS（新加坡国立大学） ； HKUST(GZ)（香港科技大学（广州）） ； Horizon Robotics（地平线机器人） ； A*STAR, I2R（新加坡科技研究局，资讯通信研究院） ； IPAL, CNRS IRL 2955, Singapore（IPAL，法国国家科学研究中心国际联合实验室2955，新加坡） ； University Toulouse, CNRS, CerCo, Toulouse, France（图卢兹大学，法国国家科学研究中心，CerCo，法国图卢兹） ； ETIS UMR 8051, CY Cergy Paris University, ENSEA, CNRS, France（ETIS UMR 8051，CY塞尔吉-巴黎大学，ENSEA，法国国家科学研究中心，法国） 纠错

专题命中 推理与问题求解 ：language model(abstract)

AI总结 提出EventDrive基准和模型套件，通过多时域事件金字塔和时域混合专家模块融合事件流与RGB帧，在感知、理解、预测和规划四维度提升驾驶推理性能。

Comments CVPR2026, 34 pages, 15 figures, 15 tables, project page: https://dylanorange.github.io/projects/eventdrive

Reasoning Text-to-Video Retrieval for Operating Room Clips via Action-Driven Digital Twins

面向手术室视频的推理式文本-视频检索：基于动作驱动数字孪生

Yiqing Shen, Hao Ding, Mathias Unberath

机构 * Johns Hopkins University（约翰霍普金斯大学） 纠错

专题命中 推理与问题求解 ：LLM(abstract)

AI总结 提出OR3方法，通过动作驱动数字孪生（ActDT）将视频片段转化为结构化表示，并利用大语言模型生成假设ActDT进行检索，结合证据修正实现隐式查询推理，在手术室视频检索中显著优于基线。

Mind the Gap: Diagnosing Constraint Discovery Failures in Text-in-Image Editing

注意差距：诊断图像内文本编辑中的约束发现失败

Rui Gui

专题命中 推理与问题求解 ：prompting(abstract)

AI总结 通过图像内文本编辑的受控诊断，研究多模态模型在发现未明确指定的视觉依赖约束时的失败，发现模型仅能自行发现46%的约束，而明确提供时可达94%。