多模态大模型

Towards Modality-Agnostic Continual Domain-Incremental Brain Lesion Segmentation

面向模态无关的持续域增量性脑部病变分割

Yousef Sadegheih, Dorit Merhof, Pratibha Kumari

专题命中 多模态训练与对齐 ：multi-modal(abstract)

AI总结 CLMU-Net通过灵活的模态处理和重放机制，提升持续域增量性脑部病变分割的性能和鲁棒性。

Comments Submitted to MIDL 2026

Relational Database Distillation: From Structured Tables to Condensed Graph Data

关系数据库蒸馏：从结构化表到压缩图数据

Xinyi Gao, Jingxi Zhang, Lijian Chen, Tong Chen, Lizhen Cui, Hongzhi Yin

机构 * The University of Queensland（昆士兰大学） ； Shandong University（山东大学） 纠错

专题命中 多模态训练与对齐 ：multi-modal(abstract)

AI总结 本研究提出关系数据库蒸馏方法，将大规模结构化数据库压缩为紧凑图数据，保留预测能力，通过异质图结构和核岭回归引导目标实现高效学习。

SPARC Tokamak Error Field Expectations and Physics-Based Correction Coil Design

SPARC环形磁体误差场预期与基于物理的校正线圈设计

N. C. Logan, C. E. Myers, R. Sweeney, C. Paz-Soldan, M. Pharr, N. Leuthold, M. Nickerson, J. Halpern, I. Stewart

专题命中 多模态训练与对齐 ：multi-modal(abstract)

AI总结 SPARC环形磁体通过基于物理的校正线圈设计，实现高效误差场校正和抑制边缘局域模，确保高场运行稳定性。

When Proximity Falls Short: Inequalities in Commuting and Accessibility by Public Transport in Santiago, Chile

当距离不足：智利圣地亚哥公共交通通勤与可达性中的不平等

Cesar Marin-Flores, Leo Ferres, Henrikki Tenkanen

专题命中 多模态训练与对齐 ：multimodal(abstract)

AI总结 本研究利用移动电话数据分析智利圣地亚哥公共交通通勤与可达性不平等，发现社会经济群体间存在显著差异，高收入群体并未始终享有更短的通勤时间。

Comments 30 pages, Journal Paper

Large-Scale Multi-omic Biosequence Transformers for Modeling Protein-Nucleic Acid Interactions

大规模多组学生物序列变压器用于建模蛋白质-核酸相互作用

Sully F. Chen, Robert J. Steele, Glen M. Hocky, Beakal Lemeneh, Shivanand P. Lad, Eric K. Oermann

专题命中 多模态训练与对齐 ：cross-modal(abstract)

AI总结 OmniBioTE是一种大规模多组学生物序列变压器，通过混合蛋白质和核酸数据训练，实现了对蛋白质-核酸相互作用的高效预测和结构信息学习。

Comments 47 pages, 5 figures

DuTrack: Long-Term Indoor Human Tracking with Dual-Channel Sensing and Inference

DuTrack: 基于双通道感知与推断的长时室内人体跟踪

Mengning Li, Wenye Wang

专题命中 多模态训练与对齐 ：multimodal(abstract)

AI总结 DuTrack通过融合双通道感知与推断技术，实现长时室内人体跟踪，显著降低跟踪误差。

PRISM: Personalized Recommendation via Information Synergy Module

基于信息协同模块的个性化推荐（PRISM）

Xinyi Zhang, Yutong Li, Peijie Sun, Letian Sha, Zhongxuan Han

专题命中 多模态训练与对齐 ：multimodal(abstract)

AI总结 PRISM通过信息协同模块实现个性化推荐，通过分解多模态信息并动态加权以提升推荐效果。

Comments Accepted as a Full Paper at WWW 2026

An effective interactive brain cytoarchitectonic parcellation framework using pretrained foundation model

一种利用预训练基础模型的有效交互式脑皮层分区框架

Shiqi Zhang, Fang Xu, Pengcheng Zhou

专题命中 多模态训练与对齐 ：multi-modal(abstract)

AI总结 本文提出一种利用预训练基础模型的交互式脑皮层分区框架，通过多层特征融合和轻量级解码器实现高效分割，提升大规模数据集的分割精度。

Comments 10 pages, 5 figures, Accepted at IMIP2026 Code: https://github.com/Confetti22/cytoarch_brain_parcellation_dino

Hybrid LSTM-UKF Framework: Ankle Angle and Ground Reaction Force Estimation

混合LSTM-UKF框架：踝角和地面反作用力估计

Mundla Narasimhappa, Praveen Kumar

机构 * Department of Computer Science Engineering SRMIST University（计算机科学工程系 SRMIST 大学） 纠错

专题命中 多模态训练与对齐 ：multimodal(abstract)

AI总结 本文提出混合LSTM-UKF框架，用于在不同行走速度下准确估计踝角和地面反作用力，通过多模态传感器融合提升生物力学分析的可靠性。

Comments 8

VSA:Visual-Structural Alignment for UI-to-Code

VSA：面向UI到代码的视觉-结构对齐

Xian Wu, Ming Zhang, Zhiyu Fang, Fei Li, Bin Wang, Yong Jiang, Hao Zhou

专题命中 多模态训练与对齐 ：multimodal(abstract)

AI总结 VSA通过视觉-结构对齐提升UI到代码的模块化和一致性，生成类型安全的组件以提高软件工程效率。

Approximating evidence via bounded harmonic means

通过有界调和均值近似证据

Dana Naderi, Christian P Robert, Kaniav Kamary, Darren Wraith

专题命中 多模态训练与对齐 ：multimodal(abstract)

AI总结 通过椭圆覆盖方法改进调和均值估计器，有效解决无限方差问题，提供更稳定和精确的证据近似

Accessible and Pedagogically-Grounded Explainability for Human-Robot Interaction: A Framework Based on UDL and Symbolic Interfaces

可及且以教学为导向的机器人可解释性：基于UDL和符号接口的框架

Francisco J. Rodríguez Lera, Raquel Fernández Hernández, Sonia Lopez González, Miguel Angel González-Santamarta, Francisco Jesús Rodríguez Sedano, Camino Fernandez Llamas

机构 * Grupo de Robótica , EIIIA Campus de Vegazana, Universidad de León（机器人组，EIIIA校区，莱昂大学） ； C.E.E. Ntra. Sra. Del Sagrado Corazón（圣心宗女会） 纠错

专题命中 多模态训练与对齐 ：multimodal(abstract)

AI总结 本文提出基于UDL和符号接口的框架，旨在通过多模态解释板提升人机交互中不同需求用户的可解释性与教学导向性。

Comments 6 pages, 6 figures

Cloud Security Leveraging AI: A Fusion-Based AISOC for Malware and Log Behaviour Detection

基于AI的云安全：一种融合式AISOC用于恶意软件和日志行为检测

Nnamdi Philip Okonkwo, Lubna Luxmi Dhirani

机构 * Department of Electronic and Computer Engineering（电子与计算机工程系） ； University of Limerick（利默里克大学） 纠错

专题命中 多模态训练与对齐 ：multi-modal(abstract)

AI总结 本文提出了一种基于AI的融合式AISOC，通过融合恶意软件检测和日志异常检测结果，提升云安全操作中心在受限制环境下的威胁检测能力。

Fusion of Cellular ISAC and Passive RF Sensing for UAV Detection and Tracking

细胞ISAC与被动RF传感的融合用于UAV检测与跟踪

Cole Dickerson, Sean Kearney, Sultan Manjur, Ismail Guvenc, Sevgi Gurbuz, Ali Gurbuz, Ozgur Ozdemir, Mihail Sichitiu

专题命中 多模态训练与对齐 ：multi-modal(abstract)

AI总结 本文提出了一种融合被动RF传感和雷达的无人机检测与跟踪系统，通过卡尔曼滤波器整合异步观测结果，提升跟踪精度和覆盖范围。

Comments Accepted for publication at the 2025 IEEE Asilomar Conference on Signals, Systems, and Computers, Session: UAV Intrusion Detection Using Mobile Communications Networks

Immutable Explainability: Fuzzy Logic and Blockchain for Verifiable Affective AI

不可变的可解释性：模糊逻辑与区块链用于可验证的情感人工智能

Marcelo Fransoy, Alejandro Hossian, Hernán Merlino

专题命中 多模态训练与对齐 ：multimodal(abstract)

AI总结 本文提出不可变可解释性架构，结合模糊逻辑与区块链，实现情感AI的透明决策和可信审计。

EXAONE Path 2.5: Pathology Foundation Model with Multi-Omics Alignment

EXAONE Path 2.5：多组学对齐的病理基础模型

Juseung Yun, Sunwoo Yu, Sumin Ha, Jonghyun Kim, Janghyeon Lee, Jongseong Jang, Soonyoung Lee

专题命中 多模态训练与对齐 ：multimodal(abstract)

AI总结 EXAONE Path 2.5通过多组学对齐构建病理基础模型，实现更全面的肿瘤生物学建模，展现高效率和适应性，推动精准肿瘤学发展。

Modeling Dabrafenib Response Using Multi-Omics Modality Fusion and Protein Network Embeddings Based on Graph Convolutional Networks

基于图卷积网络的多组学模态融合与蛋白质网络嵌入建模达拉菲尼反应

La Ode Aman, A Mu'thi Andy Suryadi, Dizky Ramadani Putri Papeo, Hamsidar Hasan, Ariani H Hutuba, Netty Ino Ischak, Yuszda K. Salimi

专题命中 多模态训练与对齐 ：multimodal(abstract)

AI总结 本研究通过多组学融合与图卷积网络提升达拉菲尼反应预测，揭示互补分子决定因素。

Multiscale Causal Geometric Deep Learning for Modeling Brain Structure

多尺度因果几何深度学习用于建模大脑结构

Chengzhi Xia, Jianwei Chen, Yixuan Jiang, Qi Yan, Chao Li

专题命中 多模态训练与对齐 ：multimodal(abstract)

AI总结 本文提出一种多尺度因果几何深度学习方法，通过多模态MRI整合与谱图理论实现大脑结构建模，提升模型的可解释性和性能。

Spectral entropy prior-guided deep feature fusion architecture for magnetic core loss

基于谱熵先验的深度特征融合架构用于磁铁损耗

Cong Yao, Chunye Gong, Jin Zhang

机构 * Changsha University of Science and Technology（长沙理工大学） ； National University of Defense Technology（国防科技大学） 纠错

专题命中 多模态训练与对齐 ：multimodal(abstract)

AI总结 本文提出SEPI-TFPNet混合模型，结合经验模型与深度学习，通过谱熵判别机制和多模态特征融合提升磁铁损耗建模的准确性和鲁棒性。

Insight Miner: A Time Series Analysis Dataset for Cross-Domain Alignment with Natural Language

Insight Miner: 一个用于跨领域对齐的时间序列分析数据集与自然语言

Yunkai Zhang, Yawen Zhang, Ming Zheng, Kezhen Chen, Chongyang Gao, Ruian Ge, Siyuan Teng, Amine Jelloul, Jinmeng Rao, Xiaoyuan Guo, Chiang-Wei Fang, Zeyu Zheng, Jie Yang

机构 * UC Berkeley（加州大学伯克利分校） ； Mineral（矿石） ； Northwestern University（西北大学） 纠错

专题命中 多模态训练与对齐 ：multimodal(abstract)

AI总结 Insight Miner 是一个大规模多模态模型，通过代理工作流生成高质量时间序列描述，提升跨领域时间序列分析能力。

Predictive Beamforming in Low-Altitude Wireless Networks: A Cross-Attention Approach

低空无线网络中的预测波束成形：一种交叉注意力方法

Xiaotong Zhao, Yuanhao Cui, Weijie Yuan, Ziye Jia, Heng Liu, Chengwen Xing

专题命中 多模态训练与对齐 ：multi-modal(abstract)

AI总结 本文提出一种基于交叉注意力融合机制的多模态预测波束成形方法，通过联合利用视觉和结构化传感器数据，提升动态低空无线网络中波束预测的准确性和适应性。

Bayesian Probability Fusion for Multi-AP Collaborative Sensing in Mobile Networks

基于贝叶斯概率融合的多接入点协同感知移动网络

Shengheng Liu, Xingkang Li, Yongming Huang, Yuan Fang, Qingji Jiang, Dazhuan Xu, Ziguo Zhong, Dongming Wang, Xiaohu You

专题命中 多模态训练与对齐 ：multimodal(abstract)

AI总结 本文提出基于贝叶斯概率融合的多接入点协同感知框架，通过正交频分复用波形实现目标参数估计，提升通信效率与感知精度。

Comments 16 pages, 10 figures, submitted to Science China Information Sciences

Modality-Augmented Fine-Tuning of Foundation Robot Policies for Cross-Embodiment Manipulation on GR1 and G1

模态增强的基座机器人策略微调用于GR1和G1跨躯体操作

Junsung Park, Hogun Kee, Songhwai Oh

机构 * Department of Electrical and Computer Engineering, Seoul National University（电气与计算机工程系，首尔国立大学） 纠错

专题命中 多模态训练与对齐 ：multi-modal(abstract)

AI总结 本文提出了一种模态增强的微调方法，通过多模态数据提升机器人策略在不同躯体上的性能，显著提高了任务成功率。

Comments 8 pages, 10 figures

Exploring the changes in brain network SC-FC coupling patterns of partial sleep deprivation based on DTI-fMRI fusion analysis

基于DTI-fMRI融合分析探讨部分睡眠剥夺对脑网络SC-FC耦合模式变化的影响

Mengyuan Liu, Jing Hu, Zhenzhen Ru, Ruomeng Quan, Xu Zhang, Ning Qiang, Jin Li

专题命中 多模态训练与对齐 ：multimodal(abstract)

AI总结 本研究通过DTI-fMRI融合分析，探讨部分睡眠剥夺对脑网络SC-FC耦合模式的影响，发现睡眠剥夺导致神经网络结构和功能连接的异常，提出SC-FC耦合方法作为睡眠相关情绪失调的新型生物标记物。

TokCom-UEP: Semantic Importance-Matched Unequal Error Protection for Resilient Image Transmission

TokCom-UEP：语义重要性匹配的非等效保护用于稳健图像传输

Kaizheng Zhang, Zuolin Jin, Zhihang Cheng, Ming Zeng, Li Qiao, Zesong Fei

专题命中 多模态训练与对齐 ：multimodal(abstract)

AI总结 TokCom-UEP通过语义重要性匹配的非等效保护提升图像传输的稳健性与效率

Power Law Rheology of Folded Protein Hydrogels

折叠蛋白质水凝胶的幂律流变学

Anders Aufderhorst-Roberts, Sophie Cussons, David J. Brockwell, Lorna Dougan

专题命中 多模态训练与对齐 ：multimodal(abstract)

AI总结 研究显示，折叠蛋白质水凝胶在mesoscopic尺度上表现出独特的幂律粘弹性特性，揭示了其粘弹性质的多样性。

Pretraining Transformer-Based Models on Diffusion-Generated Synthetic Graphs for Alzheimer's Disease Prediction

基于扩散生成合成图的Transformer模型预训练用于阿尔茨海默病预测

Abolfazl Moslemi, Hossein Peyvandi

机构 * Sharif University of Technology（谢里夫理工学院） ； Pasargad Institute for Advanced Innovative Solutions（帕萨尔加德先进创新解决方案研究所） 纠错

专题命中 多模态训练与对齐 ：multimodal(abstract)

AI总结 本研究提出基于扩散生成合成图的Transformer模型，通过预训练提升阿尔茨海默病预测的准确性和泛化能力。

Comments 14 pages. Preprint

SWIR-LightFusion: Multi-spectral Semantic Fusion of Synthetic SWIR with Thermal IR (LWIR/MWIR) and RGB

SWIR-LightFusion: 多光谱合成SWIR与热红外（LWIR/MWIR）及RGB的语义融合

Muhammad Ishfaq Hussain, Ma Van Linh, Zubia Naz, Unse Fatima, Yeongmin Ko, Moongu Jeon

机构 * GIST（韩国全南大学） ； Kyungpook National University（庆尚国立大学） ； KISTI（韩国科学技术院） 纠错

专题命中 多模态训练与对齐 ：multimodal(abstract)

AI总结 本文提出SWIR-LightFusion框架，通过合成SWIR图像融合LWIR、RGB多模态数据，提升恶劣环境下的场景理解能力。

Journal ref Cluster Computing (Springer) as Volume 29, Issue 1, Article 48, 2025

Holographic Knowledge Manifolds: A Novel Pipeline for Continual Learning Without Catastrophic Forgetting in Large Language Models

全息知识流形：一种实现大语言模型持续学习中无灾难性遗忘的新型流程

Justin Arndt

专题命中 多模态训练与对齐 ：multimodal(abstract)

AI总结 全息知识流形通过分形量化等技术实现大语言模型持续学习中零灾难性遗忘，提升知识压缩效率并降低训练成本。

Comments This paper includes significant errors discovered post publication by the author

PLATONT: Learning a Platonic Representation for Unified Network Tomography

Chengze Du, Heng Xu, Zhiwei Yu, Bo Liu, Jialong Li

机构 * Computer Science and Control Engineering, Shenzhen University of Advanced Technology（深圳先进技术大学计算机科学与控制工程系） ； Institute for Network Sciences and Cyberspace, Tsinghua University（清华大学网络科学与空间研究院） 纠错

专题命中 多模态训练与对齐 ：multimodal(abstract)