AI 大模型
跨文本、图像、视频、音频等模态的大模型与学习方法。
去中心化指令微调：冲突感知拆分与权重合并
机构 * Korea University（韩国大学）
专题命中 多模态训练与对齐 ：multimodal(abstract)
AI总结 提出MERIT方法，通过冲突感知拆分和权重合并实现去中心化指令微调，在Qwen2.5-VL-3B上8个基准平均分从54.3提升至57.0。
Comments 32 pages, 5 figures. Accepted for publication at ICML 2026
基于共享潜在几何的图迁移学习：理论与应用
机构 * University of Central Florida, USA（佛罗里达中央大学） ； Cornell University, USA（康奈尔大学）
专题命中 多模态训练与对齐 ：cross-modal(abstract)
AI总结 提出一种非对称双路径架构，通过教师编码器从高保真模拟器学习算子多项式特征，学生编码器从稀疏数据学习相同潜在几何，实现零样本迁移并给出可证明的误差界。
先验引导的多组学Transformer用于单细胞基因调控网络推断
机构 * Elmore Family School of Electrical and Computer Engineering（埃尔莫夫家庭电气与计算机工程学院） ； Purdue University（普渡大学） ； Department of Horticulture and Landscape Architecture（园艺与景观建筑系） ； School of Biological Sciences（生物科学学院）
专题命中 多模态训练与对齐 ：cross-modal(abstract)
AI总结 提出EpiAwareNet框架，通过先验引导的多组学Transformer，结合基因-峰值交叉注意力模块和批量数据先验，从配对单细胞数据中重建基因调控网络。
Comments 12 pages, 6 figures. Accepted to the KDD 2026 AI4Sciences Track
UniRTL：统一代码和图以实现稳健的RTL表示学习
机构 * Department of Computer Science and Engineering, The Chinese University of Hong Kong, Hong Kong SAR（计算机科学与工程系，香港中文大学，香港特别行政区） ； Noah's Ark Lab, Huawei, Hong Kong SAR（华为诺亚实验室，香港特别行政区）
专题命中 多模态训练与对齐 ：multimodal(abstract)
AI总结 提出UniRTL多模态预训练框架，通过互掩码建模和分层训练策略联合利用RTL代码与控制数据流图，实现细粒度对齐，在性能预测和代码检索任务上优于现有方法。
Comments Forty-Third International Conference on Machine Learning (ICML 2026)
弥合自然语言与市场动态之间的差距：基于高维表示学习
专题命中 多模态训练与对齐 ：multi-modal(abstract)
AI总结 本文通过用密集FinBERT嵌入替代离散情感评分，在Transformer架构中探索高维表示学习，以提升金融新闻对短期股价预测的准确性。
DynaFLIP: 通过三模态动力学引导表示重新思考机器人感知
机构 * Seoul National University（首尔国立大学） ； University of Maryland, College Park（马里兰大学学院公园分校） ； Georgia Institute of Technology（佐治亚理工学院）
专题命中 多模态训练与对齐 ：multimodal(abstract)
AI总结 提出DynaFLIP，一种动力学感知的多模态预训练框架，通过图像-语言-3D流三元组训练图像编码器，利用单纯形体积最小化与余弦正则化和对比目标对齐三模态，提升机器人操作中的运动理解与泛化能力。
Comments Project website: https://dynaflip-robotics.github.io
基于图学习辅助混合组合优化的空间碎片捕获主动绳网系统设计
机构 * University at Buffalo（布法罗大学）
专题命中 多模态训练与对齐 ：multimodal(abstract)
AI总结 针对主动绳网系统设计中涉及连续、整数和分类变量的混合组合非线性规划问题，提出图神经网络辅助优化方法，将MCNLP简化为NLP，实现网形态、MU质量和推进器选择及瞄准点的联合设计，相比直接求解MCNLP显著加快收敛速度。
Comments Accepted for presentation at 2026 AIAA Aviation Forum
喷注标记器中的粒子-拉普兰多模态
机构 * Brown University（布朗大学） ； Imperial College of Science, Technology and Medicine（帝国理工学院科学、技术与医学学院）
专题命中 多模态训练与对齐 ：multimodal(abstract)
AI总结 提出PLuM多模态架构，联合处理粒子成分与拉普兰平面分裂，通过交叉注意力机制研究显式QCD层次结构是否补充原始粒子表示，发现对顶夸克和H→bb标记有系统性提升，在HH(4b)分析中背景抑制提高25%。
从报告到本体：本体引导的12导联心电图表示学习
专题命中 多模态训练与对齐 ：multimodal(abstract)
AI总结 提出MAR-ECG框架，通过本体引导的掩码自回归和图形对齐监督编码器，无需配对临床报告，在低标签设置下优于基线方法，性能与多模态方法相当。
NeuralTouch: 用于精确的仿真到现实触觉机器人控制的神经描述符
机构 * Department of Engineering Mathematics and Bristol Robotics Laboratory（工程数学系和布里斯托尔机器人实验室）
专题命中 多模态训练与对齐 ：multimodal(abstract)
AI总结 提出NeuralTouch多模态框架，结合神经描述符场（NDF）和触觉感知，通过深度强化学习策略利用触觉反馈优化抓取姿态，实现精确且可泛化的机器人操作。
Journal ref IEEE/ASME Transactions on Mechatronics, 2026 IEEE/ASME Transactions on Mechatronics IEEE/ASME Transactions on Mechatronics
Synheart Capacity: 一种理论驱动的从可穿戴信号中认知容量动态的生理表征
机构 * Synheart AI
专题命中 多模态训练与对齐 ：multimodal(abstract)
AI总结 提出一种理论驱动的多模态学习框架，通过心脏和皮肤电信号的双流编码，将认知容量状态建模为资源分配（努力）和超负荷（压力）的二维生理表征，在SWELL-KW数据集上实现跨个体泛化，并区分不同认知状态。
UniField: RBF引导的电子密度融合用于增强分子表示
专题命中 多模态训练与对齐 ：multimodal(abstract)
AI总结 提出UniField，一种SE(3)-等变多模态架构，通过融合离散拓扑图与连续电子密度场，在多个基准上取得最先进性能。
语义结构化混合专家用于组合机器人操作
机构 * The University of Hong Kong（香港大学） ； Southern University of Science and Technology（南方科技大学）
专题命中 多模态训练与对齐 ：multi-modal(abstract)
AI总结 提出语义结构化混合专家扩散策略（SMoDP），通过视觉语言模型标注的技能语义指导专家专业化，实现参数高效的多任务组合操作。
Comments Accepted to Robotics: Science and Systems (RSS) 2026
面向气候驱动的城市韧性与公平的灾害响应数字孪生
机构 * Buildings and Transportation Science Division, Oak Ridge National Laboratory（奥克伍德国家实验室建筑与交通科学部门） ； Civil and Environmental Engineering, University of Tennessee（田纳西大学土木与环境工程系）
专题命中 多模态训练与对齐 ：multimodal(abstract)
AI总结 提出一种灾害响应数字孪生（H-RDT），结合物理信息神经网络、多模态数据融合和公平感知风险分析，在合成区域中验证其能维持温度预测稳定性、自适应融合多源数据、识别高脆弱性区域，并通过前瞻性干预降低热风险。
Comments 52 pages, 9 figures
Journal ref Sustainable Cities and Society 144 (2026) 107413
最大熵矩滤波器用于随机混合系统
专题命中 多模态训练与对齐 ：multimodal(abstract)
AI总结 本文提出了一种混合扩展的最大熵矩卡尔曼滤波器，用于从部分统计信息中进行滤波，通过传播有限的矩并通过随机混合动态重构信念，关键步骤是基于Dynkin公式推导出的矩传播规则，能够有效处理边界诱导的概率流，从而在不求解底层混合PDE的情况下获得可处理的矩动力学。
Comments 8 pages, 6 figures
超越航点：双热图接地用于跨具身语义导航
机构 * Harbin Institute of Technology（哈尔滨工业大学） ； JD AI Research（京东人工智能研究院）
专题命中 多模态训练与对齐 ：multimodal(abstract)
AI总结 本文提出一种统一的视觉-语言框架，通过双热图表示替代单点回归，以解决语义指令与物理可达性之间的差距，从而提升跨具身语义导航的鲁棒性和性能。
TriAxialKV: 向极低精度KV缓存量化迈进以应对代理推理任务
机构 * University of Cambridge（剑桥大学） ； Imperial College London（伦敦帝国学院）
专题命中 多模态训练与对齐 ：multimodal(abstract)
AI总结 本文提出TriAxialKV，一种混合精度的KV缓存量化方案，通过为每个token分配三轴标签，校准每种标签的敏感性，并在固定内存预算下分配INT2/INT4位宽，以提高代理推理任务的效率和吞吐量。
张量烹饪书：通过图表掌握张量
机构 * Mila & DIRO（Mila与DIRO） ； Université de Montréal（蒙特利尔大学） ； CIFAR AI Chair（CIFAR人工智能主席）
专题命中 多模态训练与对齐 ：multi-modal(abstract)
AI总结 本文通过图表语言阐述张量网络及其在张量代数中的应用，展示如何用图形化方法简化高维数据处理和梯度推导。
ITGPT：对不规则时间序列的生成预训练
机构 * Division of Information Science and Engineering, KTH Royal Institute of Technology（信息科学与工程系，皇家理工学院）
专题命中 多模态训练与对齐 ：multimodal(abstract)
AI总结 本文提出ITGPT，一种针对多模态不规则时间序列的注意力架构，通过自监督学习和生成预训练目标处理不规则采样数据，在医疗和预测维护任务中实现SOTA性能。
Comments 9 pages
BaySC：通过概率空间聚类揭示空间多组学中的组织结构
专题命中 多模态训练与对齐 ：multimodal(abstract)
AI总结 BaySC通过概率空间聚类框架整合多组学数据，自动学习空间域数量，利用马尔可夫随机场保证局部空间一致性，提升空间拓扑结构的保持能力。
决策级融合用于鲁棒的可穿戴情感识别
专题命中 多模态训练与对齐 ：multimodal(abstract)
AI总结 本文研究了可穿戴生理数据中情感状态自动识别的鲁棒性问题，提出结合傅里叶-贝塞尔级数展开与EWT的非稳态处理流程，通过决策级融合提升在异构和部分可靠传感下的识别鲁棒性。
让机器人感受你的触摸：用于具身镜像共振的视觉-触觉皮层对齐
机构 * Institute for AI Industry Research, Tsinghua University（清华大学人工智能产业研究院） ； Key Laboratory of Biomedical Engineering of Hainan Province, School of Biomedical Engineering, Hainan University（海南省生物医学工程重点实验室，海南大学生物医学工程学院） ； School of New Media Art and Design, Beihang University（北航艺术与设计学院） ； MoE Key Laboratory for Biomedical Photonics, Wuhan National Laboratory for Optoelectronics, Huazhong University of Science and Technology（教育部生物医学光子学重点实验室，武汉光电研究所，华中科技大学）
专题命中 多模态训练与对齐 ：cross-modal(abstract)
AI总结 本文提出镜像触觉网络，通过多级约束实现视觉与触觉表征的语义、分布和几何对齐，使机器人能从RGB图像预测毫米级触觉信号，为具身镜像共振提供可解释的机器人感知路径。
MicroFuse：用于微生物启动子推理的蛋白质到基因组专家融合
机构 * Department of Physics and Astronomy, Rice University, Texas, USA（物理与天文学系，里士满大学，德克萨斯州，美国）
专题命中 多模态训练与对齐 ：cross-modal(abstract)
AI总结 本文提出MicroFuse框架，通过融合蛋白质结构表示和基因组上下文表示，提升微生物启动子预测的准确性。在OG-Operon100K数据集上，MicroFuse在多个评估指标上表现最优，尤其在生物上模糊的情况中表现突出。
TRACE: 通过扩散与流匹配模型进行传输对齐的置信域
机构 * Department of Statistics and Actuarial Science University of Iowa（统计与精算科学系，爱荷华大学） ； Departments of Data Science and AI, and Applied Mathematics The Hong Kong Polytechnic University（数据科学与人工智能系、应用数学系，香港理工大学）
专题命中 多模态训练与对齐 ：multimodal(abstract)
AI总结 本文提出TRACE框架，通过扩散和流匹配模型中的传输对齐定义非符合性分数，实现多维输出的有效置信域构造，验证了其在复杂生成设置中的有效性。
Comments 22 pages, 5 figures and 5 tables
VLA-GSE: 提升VLA中基于通用和专用专家的参数高效微调
机构 * Microsoft Research Asia（微软亚洲研究院） ； Tsinghua University（清华大学）
专题命中 多模态训练与对齐 ：multimodal(abstract)
AI总结 VLA-GSE通过通用和专用专家机制提升VLA在机器人控制中的参数高效微调效果，保留预训练知识的同时提高适应能力，实验表明其在多个基准测试中表现优异。
AffectGPT-RL：揭示强化学习在开放词汇情绪识别中的作用
专题命中 多模态训练与对齐 ：multimodal(abstract)
AI总结 本文提出AffectGPT-RL框架，通过强化学习优化非可微目标，提升开放词汇情绪识别的性能，并在情绪识别和其他任务中取得显著成果。
VisMMOE：利用视觉专家亲和力实现高效的视觉语言MoE卸载
机构 * Shanghai Jiao Tong University（上海交通大学）
专题命中 多模态训练与对齐 ：multimodal(abstract)
AI总结 VisMMOE通过剪枝冗余视觉token提升视觉语言MoE模型的卸载效率，通过视觉专家亲和力机制优化专家访问集中度与稳定性，从而提升推理性能。
结构无助时：LLM在文本属性图上表现不如我们预期
机构 * Stony Brook University（石溪大学） ； California Institute of Technology（加州理工学院）
专题命中 多模态训练与对齐 ：cross-modal(abstract)
AI总结 研究发现，LLM在仅依赖节点文本描述时已能高效处理文本属性图，而多数结构编码策略效果有限，挑战了传统图学习范式，推动语义驱动的新方法。
Comments LoG 2025
CARD: 视觉语义单元的非均匀量化用于生成推荐
专题命中 多模态训练与对齐 ：multimodal(abstract)
AI总结 CARD框架通过引入视觉语义单元统一文本、视觉和协同信号，提升生成推荐中高质SID学习，同时采用非均匀量化框架解决语义分布不均问题，实验显示其优于基线方法。
从词到氨基酸：深度诅咒是否依然存在？
机构 * Technical University of Munich（慕尼黑技术大学） ； Helmholtz AI, Munich（慕尼黑海德堡研究所人工智能部门） ； KTH Royal Institute of Technology（皇家理工学院） ； Institute of Computational Biology, Helmholtz Munich（海德堡慕尼黑计算生物学研究所） ； Google, Paradigms of Intelligence Team（谷歌，智能范式团队）
专题命中 多模态训练与对齐 ：multimodal(abstract)
AI总结 本文研究蛋白质语言模型中深度效率问题，通过分析七种主流PLM家族，发现任务相关计算集中在部分层，其余层主要提供预测细化，这一趋势在序列和多模态模型中均存在。
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