Fudan University（复旦大学）

SocialReasonBench: A Video-QA Benchmark for Social Reasoning with Counterfactual Narrative Videos

SocialReasonBench：基于反事实叙事视频的社会推理视频问答基准

Zheyu Huang, Zijing Shi, Haozhe Luo, Huadong Tang, Mingyu Liu, Meng Fang, Ling Chen

机构 * AAII, University of Technology Sydney（悉尼科技大学AAII（先进人工智能研究所）） ； Northeastern University（东北大学） ； Fudan University（复旦大学） ； University of Liverpool（利物浦大学） 纠错

AI总结 研究人员推出SocialReasonBench基准，评估LMMs的社会推理能力，发现其在反事实和因果推理上表现不佳，凸显了模型在潜在社会状态推理上的不足。

Comments Accepted to Findings of EMNLP 2026. 24 pages, 11 figures, 11 tables

Agents in the Large: Perception-Centered Architecture for Persistent Agents

大型智能体：面向持久智能体的感知中心架构

Shihan Dou, Haoxiang Jia, Shichun Liu, Feng Chen, Chenhao Huang, Yujiong Shen, Shaofan Liu, Jiayi Chen, Jiahang Lin, Honglin Guo, Qianyu He, Minghao Guo, Ziyi Ye, Pluto Zhou, Tao Gui, Qi Zhang, Xuanjing Huang

机构 * Fudan University（复旦大学） ； Peking University（北京大学） ； Nanyang Technological University（南洋理工大学） ； Tencent（腾讯） 纠错

AI总结 该研究提出面向持久智能体的感知中心架构（Pera），用于刻画、组织和指导持久AI智能体的发展，类比软件工程的小型到大型编程，推动语言智能体向长期自适应智能系统演进。

Comments 41 pages, 5 figures

When LLM Meets Tree Search: A Systematic View of Inference as Search in Large Language Models

当大语言模型遇到树搜索：大语言模型中作为搜索的推理的系统视角

Jiaqi Wei, Xiang Zhang, Yuejin Yang, Wenxuan Huang, Juntai Cao, Sheng Xu, Xiang Zhuang, Zhangyang Gao, Muhammad Abdul-Mageed, Laks VS Lakshmanan, Chenyu You, Wanli Ouyang, Siqi Sun

机构 * Zhejiang University（浙江大学） ； Fudan University（复旦大学） ； Shanghai AI Laboratory（上海人工智能实验室） ； University of British Columbia（不列颠哥伦比亚大学） ； Stony Brook University（石溪大学） ； The Chinese University of Hong Kong（香港中文大学） 纠错

AI总结 本综述将大语言模型的推理视为搜索，系统化基于树搜索的推理进展，引入统一设计空间并倡导标准化计算报告，以优化推理权衡。

Comments Accepted by EMNLP'2026

CateKV: On Sequential Consistency for Long-Context LLM Inference Acceleration

CateKV：面向长上下文大语言模型推理加速的顺序一致性研究

Haoyun Jiang, Haolin Li, Jianwei Zhang, Fei Huang, Qiang Hu, Minmin Sun, Shuai Xiao, Yong Li, Junyang Lin, Jiangchao Yao

机构 * Shanghai Jiao Tong University（上海交通大学） ； Alibaba Group（阿里巴巴集团） ； Fudan University（复旦大学） 纠错

AI总结 本研究针对长上下文LLM推理的内存与延迟挑战，提出混合KV缓存方法CateKV，利用注意力头的顺序一致性特性减少冗余KV信息，在保持准确率的同时显著降低内存占用、提升解码与批量处理效率。

Comments Published at ICML 2025

Journal ref Proceedings of the 42nd International Conference on Machine Learning (ICML), PMLR 267:27569-27585, 2025

RIDGE: Region-Informed Derivative-Guided Evidence Selection for Long Video Understanding

RIDGE：用于长视频理解的区域感知导数引导证据选择

Shanqing Xu, Meng Luo, Mengchen Qian, Yuhui Gao, Siyue Peng, Xiaohan Zhong, Xiaojin Zhang, Zhongyu Wei, Wei Chen, Xiang Bai

机构 * Huazhong University of Science and Technology（华中科技大学） ； National University of Singapore（新加坡国立大学） ； Fudan University（复旦大学） 纠错

AI总结 针对长视频理解中视觉内容超出LVLM固定token预算的问题，提出RIDGE框架，通过将帧-查询相似性曲线作为时间信号划分区域并选择证据，在多基准和主干上取得最优性能。

Comments EMNLP 2026

DVBench: Benchmarking MLLMs for Understanding Dynamic Charts and Narratives in Data Videos

DVBench：用于评估多模态大语言模型（MLLMs）理解数据视频中动态图表与叙事的基准

Bomiao Wang, Zekai Shao, Jiexiang Lan, Xiaoliang Fu, Xingchen Zeng, Siming Chen

机构 * Fudan University（复旦大学） ； The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）） 纠错

AI总结 本研究推出DVBench基准，评估MLLMs在结合动态图表与叙事的数据视频理解上的表现，发现开源模型性能不严格随参数规模扩展等现象，为MLLM发展提供参考。

Ideation Arena: Evaluating LLM Generated Research Ideas with Battle-style Human Expert Assessment

Ideation Arena：采用对战式人类专家评估的大语言模型生成研究创意评估平台

Zhiyu Chen, Keyu Zhao, Jigao Fu, Dong Liang, Yanbiao Wu, Jiaoyang Li, Haidong Xue, Xinhua Zeng, Yuanyi Zhen, Fengli Xu, Yong Li

机构 * Fudan University（复旦大学） ； Zhongguancun Academy（中关村学院） ； Tsinghua University（清华大学） ； Zhongguancun Institute of Artificial Intelligence（中关村人工智能研究院） 纠错

AI总结 本研究提出Ideation Arena平台，通过105名计算机科学研究者的双盲成对比较构建LLM生成研究创意的Elo评级排行榜，发现部分智能体框架可提升创意质量，而现有LLM评判者难以复现专家偏好。

CineForge: Self-Improving Agents for Long-Horizon Video Generation

CineForge：用于长时序视频生成的自改进智能体

Junxiang Liu, Lin Wang, Haiyu Shi, Hongxu Ma, Xiaoyu Yang, Chunjie Chen, Xiaoxiao Xu, Kaiqiao Zhan, Boao Wang, Shuizhou Shi, Tianyun Zhu, Jie Li, Jiangtong Li

机构 * Tongji University（同济大学） ； Kuaishou Technology（快手科技） ； Fudan University（复旦大学） 纠错

AI总结 本研究提出CineForge框架，结合CineForge-Produce与CineForge-Evolve，通过CPPE策略演进机制提升长时序故事驱动视频生成效果，在CineScope指标及基准测试中表现优于现有方法，减少了审查LLM调用量。

State-Conditioned Visual Evidence Retrieval for Fine-Grained Perception in Document Vision-Language Models

面向文档视觉语言模型中细粒度感知的状态条件视觉证据检索

Mingxu Chai, Chenyu Liu, Ziyu Shen, Jiazheng Zhang, Kaidi Zhang, Ruoyu Chen, Jun Long, Jihua Kang, Tao Gui, Qi Zhang

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） ； Shanghai Innovation Institute（上海创新研究院） ； Shanghai Artificial Intelligence Laboratory（上海人工智能实验室） ； ByteDance, LarkAI（字节跳动 LarkAI） ； Shanghai Key Lab of Intelligent Information Processing（上海智能信息处理重点实验室） 纠错

AI总结 针对现有VLM文档解析方法效率低的问题，提出SCVER方法，通过状态条件检索高分辨率区域，结合SGLO稳定训练，提升了低输入分辨率下的鲁棒性与准确率-效率权衡。

Comments 18 pages, 12 figures

CARD: Calibration via Agreement in Reverse Diffusion for Out-of-Domain MRI Segmentation

CARD：基于反向扩散一致性的域外MRI分割校准方法

Jiaheng Dai, Weidong Guo, Qingbiao Li, Jie Xu, Yi Guo, Yuanyuan Wang, Zeju Li

机构 * College of Biomedical Engineering, Fudan University（复旦大学生物医学工程学院） ； Faculty of Information Science and Computing, University of Macau（澳门大学信息科学与计算学院） 纠错

AI总结 该研究针对域外MRI分割的域偏移导致概率校准失效的问题，提出基于反向扩散一致性的CARD方法，利用生成式形状先验的分歧实现像素级校准，显著降低了多器官MRI域偏移下的校准误差。

Comments 10 pages, 5 figures

A collective capability boundary in frontier large language models on guideline-conformant and case-specific oncology decision-making

前沿大语言模型在符合指南且针对具体病例的肿瘤决策中的集体能力边界

Zhang Sheng, Jinming Li, Wangyang Chen, Zhiwei Bao, Yu YoSean Wang

机构 * City University of Hong Kong（香港城市大学） ； Fudan University Shanghai Cancer Center（复旦大学附属肿瘤医院） ； Affiliated Hangzhou First People’s Hospital, Westlake University School of Medicine（西湖大学医学院附属杭州市第一人民医院） ； Zhejiang University（浙江大学） ； Shaoxing Vocational & Technical College（绍兴职业技术学院） 纠错

AI总结 该研究构建肿瘤决策边界基准评估9个前沿LLMs，发现其存在临床元判断盲点，需架构干预，模型质量非临床部署主瓶颈，需可检测自身能力边界并路由决策至临床医生的架构。