Consolidating RLVR Capabilities Across Domains: A Deep Dive into Fusion Paradigms
跨领域整合RLVR能力：融合范式的深入探究
机构 * Tencent（腾讯） ； Fudan University（复旦大学）
AI总结 该研究探究Merge、Mix RL、MOPD三种RLVR融合范式的性能差异与适用场景，发现其平均性能差最多1.4点，单基准差达8.6点，给出了不同场景下的选择指南。
高校专区
Fudan University（复旦大学）
Verify Smarter, Evolve Further: Efficient Harness Evolution through Behavior-Aware Verification
更智能地验证，进一步进化：通过感知行为的验证实现高效的智能体控制策略进化
机构 * School of Data Science, Fudan University（复旦大学数据科学学院） ； College of Computer Science and Artificial Intelligence, Fudan University（复旦大学计算机科学与人工智能学院）
AI总结 针对智能体控制策略进化中验证成本高的问题，提出HarnessLens框架，通过行为感知的选择性验证，在提升保留任务性能的同时大幅降低评估预算。
Comments 17 pages, 6 figures
MM-Spectrum: Multimodal Multi-spectral Molecular Structural Elucidation with a Stable MoE Framework
MM-Spectrum：基于稳定MoE框架的多模态多光谱分子结构解析
机构 * The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）） ； Southeast University（东南大学） ； Fudan University（复旦大学）
AI总结 针对多光谱序列直接连接的性能下降问题，提出MM-Spectrum稳定MoE框架，引入模态感知路由与异质专家，在分子结构解析的多模态设置下取得显著改进。
Comments Accepted to ICML 2026
Aphanta: Diagnosing Task-Aligned Image-Edited Intermediates for Multimodal Reasoning
Aphanta：面向多模态推理的任务对齐图像编辑中间产物诊断框架
机构 * StepFun（阶跃星辰） ； Fudan University（复旦大学）
AI总结 本文提出Aphanta框架，用于诊断MLLM与图像编辑中间产物的任务对齐性，实验显示图像编辑是专用视觉工作空间，该框架可用于评估相关流水线效用。
Scaling Model-Generated Distillation Data Can Make Latent Teacher Traits More Recoverable
扩展模型生成的蒸馏数据可使潜在的教师特征更易被恢复
机构 * Shanghai Jiao Tong University（上海交通大学） ； Shanghai Artificial Intelligence Laboratory（上海人工智能实验室） ； Fudan University（复旦大学）
AI总结 该研究发现扩展模型生成的蒸馏数据可使学生模型中教师的潜在特征更易被检测，且该效应跨多种场景存在，建议扩展数据时结合感知特征的整理与评估。
Generative Semantic Scene Completion
生成式语义场景补全
机构 * College of Computer Science and Artificial Intelligence, Fudan University（复旦大学计算机科学与人工智能学院） ； Robotics Institute, Carnegie Mellon University（卡内基梅隆大学机器人研究所）
AI总结 该研究针对户外激光雷达语义场景补全的类别不平衡问题，提出生成式语义场景补全框架，通过PS³、SGSC、S²D²方法提升性能，在SemanticKITTI测试集取得当前最佳单扫描单样本结果。
Comments 18 pages, 12 figures, 4 tables. Supplementary material (29 pages) is included as an ancillary file. Project page: this https URL (https://shichen.world/GSSC-project-page/) - Code, models and the PS$^3$ dataset: this https URL (https://github.com/BillyChern/GSSC-S2D2)
Rethinking Message Passing as Retrieval for Text-Attributed Graph Learning
将消息传递重新思考为用于文本属性图学习的检索
机构 * Xiamen University（厦门大学） ； Fudan University（复旦大学） ； Central South University（中南大学）
AI总结 该研究针对文本属性图学习提出了检索增强的RTA框架，以标签感知的检索与传播替代传统结构消息传递，经多基准测试，其性能匹配或优于强基线且效率、鲁棒性更优。
CoGeo-GS: Concept-Driven and Geometry-Aware Multi-Object Removal in 3D Scenes
CoGeo-GS：3D场景中基于概念驱动与几何感知的多物体移除方法
机构 * Southern University of Science and Technology（南方科技大学） ； ByteDance（字节跳动） ； Zhejiang University（浙江大学） ； Fudan University（复旦大学） ； Shenzhen Institutes of Advanced Technology, Chinese Academy of Sciences（中国科学院深圳先进技术研究院）
AI总结 针对3D场景多物体移除的挑战，提出CoGeo-GS框架，通过概念感知语义标签与几何感知补全流水线实现可控多物体移除，在视觉质量与重建保真度上优于现有方法。
Comments 6 pages, 4 figures, accepted at ICME 2026
GameWAM: A World Action Model for Video Games
GameWAM：面向电子游戏的世界动作模型
机构 * Fudan University（复旦大学） ； LIGHTSPEED（光速（企业名）） ； Tsinghua Shenzhen International Graduate School（清华大学深圳国际研究生院）
AI总结 GameWAM是首个用于原生闭环游戏玩法和GUI控制的世界动作模型，通过并行生成过程实现世界-动作联合学习，实验表明其以更少原生动作达到竞争力任务成功率，还发现了LASI失效模式。
Comments 44 pages, 23 figures, 7 tables
ElementCheck: Complexity-Aware Long-Form Text Factuality Evaluation via Sentence Elements
ElementCheck：基于句子元素的复杂度感知长文本事实性评估
机构 * Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所） ； Zhongguancun Academy（中关村学院） ； Fudan University（复旦大学） ； Tencent（腾讯） ； University of Cambridge（剑桥大学） ； University of Aberdeen（阿伯丁大学）
AI总结 ElementCheck是一种基于句子元素的复杂度感知框架，通过提取实体对构建元素图，在FastFact-Sent等基准上提升了五个主干模型的长文本事实性验证性能，且优化了准确率与成本的权衡。
Comments 25 pages, 4 figures
A Token-Level Analysis of Sampled-Token Reverse-KL On-Policy Distillation
采样token反向KL策略上蒸馏的token级分析
机构 * College of Computer Science and Artificial Intelligence, Fudan University（复旦大学计算机科学与人工智能学院）
AI总结 本研究分析反向KL策略上蒸馏的梯度特性，提出Surprise-aware Reweighting（SuRe）加权规则，在Qwen3学生模型上提升了数学指标且域外基准无明显下降。
Comments 16 pages, 7 figures; v2 adds Boyang Liu and Junlin Shang to the author list; scientific content unchanged
