高校专区
面向安全关键具身系统的世界模型再思考
机构 * Korea Advanced Institute of Science and Technology（韩国科学技术院） ； Cho Chun Shik Graduate School of Mobility（赵成植移动研究生院）
AI总结 本文针对安全关键具身系统，分析现有世界模型的三类结构不匹配，提出风险感知世界模型（RIWM），明确其核心能力与开放挑战，主张未来世界模型需转向关注重要未来与安全决策。
Comments 6 pages, 2 figures. Perspective article
小型Transformer中用于对比代码表示学习的合成语义监督：一项实证研究
机构 * University of Luxembourg（卢森堡大学） ； School of Computing, KAIST（韩国科学技术院计算机学院）
AI总结 本研究针对小型Transformer的代码表示学习，提出用合成语义监督替代人工文档字符串或执行轨迹，经8项任务验证，该方法可提升性能且具可扩展性。
Comments Accepted in Findings EMNLP 2026
推理未停止：虚假思维链终止的分析
机构 * Korea Advanced Institute of Science and Technology（韩国科学技术院）
AI总结 本文针对大型推理模型的虚假思维链终止现象，提出用早停标记注意力偏置（EAB）增加对思维结束标记（EoT）的注意力，以减少虚假终止并缩短回答阶段长度，揭示了外部匹配思维块格式控制模型的局限性。
Comments Accepted to EMNLP 2026 Main Conference
超越“AI生成”：可视化来源密度以缓解透明度惩罚
机构 * The University of Tokyo（东京大学） ； Institute of Industrial Science, The University of Tokyo（东京大学工业科学研究所） ； Korea Advanced Institute of Science and Technology（韩国科学技术院） ； Georgia Institute of Technology（佐治亚理工学院） ； Sony CSL Kyoto（索尼京都计算机科学实验室）
AI总结 该研究针对生成式AI带来的“流畅陷阱”问题，提出Provenance Density界面可视化文本中已验证主张的密度，经用户研究和技术审计证实其能提升内容辨别能力，为AI内容透明度提供新方向。
SGD-KV：基于摘要引导的键值缓存压缩
机构 * USC（南加州大学） ； KAIST（韩国科学技术院） ； Amazon AGI（亚马逊AGI）
AI总结 针对LLMs长上下文推理的KV缓存内存瓶颈，提出SGD-KV框架，通过分块摘要诊断任务识别分层信息聚合的注意力头，在Qwen2.5模型上实现1M token上下文的SOTA性能，同时降低75%内存使用，达成更优效率-精度权衡。
Comments Accepted in NeurIPS2026 Efficient Reasoning Workshop
冻结智能体的受限角色在分类任务中与检索匹配，但在回归任务中不匹配
机构 * Seoul National University（首尔国立大学） ； KAIST（韩国科学技术院） ； Korea University（高丽大学）
AI总结 提出无需训练的PersonaLink方法，将用户历史蒸馏为受限三字段角色并递归优化，在LaMP-2新闻分类任务中其准确率与BM25检索无统计差异，且冻结智能体的受限角色在分类任务中可匹配检索。
F4Splat：面向前馈3D高斯点绘制的预测密集化
机构 * KAIST（韩国国立科学技术院） ； Korea University（韩国大学）
AI总结 本文提出F4Splat，通过面向前馈3D高斯点绘制的预测密集化方法，引入基于密集度指导的分配策略，实现自适应的空间复杂度和多视角重叠的高斯点分配，减少冗余并提升重建质量。
Comments Project Page: $\href{https://mlvlab.github.io/F4Splat}{\text{this http URL}}$
语言模型能够控制自身的注意力
机构 * KAIST AI（韩国科学技术院人工智能学院） ； Google DeepMind（谷歌DeepMind）
AI总结 该研究提出声明式注意力（DA）协议，让语言模型声明需关注的上下文区域，在15个长上下文任务上使Gemma-4-31B等模型的解码关注标记数显著减少，仅伴随适度准确率下降，开辟了稀疏注意力新方向。
用于三维目标检测的立体四维雷达：融合几何对齐与绝对速度估计
机构 * Korea Advanced Institute of Science and Technology（韩国科学技术院）
AI总结 提出立体4D雷达的3D目标检测框架，利用左右雷达几何视差估计物体绝对速度并融合互补特征，在内部数据集上较单目4D雷达基线实现AP 3D提升8.82点、AP BEV提升9.0点。
VIPS：基于伪仿真的车路协同规划基准
机构 * KAIST（韩国科学技术院）
AI总结 该研究针对车路协同自动驾驶评估的痛点，提出基于伪仿真的VIPS基准及CoS-V2X协同规划框架，实现了低成本可扩展的稳健性评估，提供了相关代码与数据集。
Comments Accepted by ECCV 2026 Spotlight
ProSR：语义原型引导的离散建模用于物理一致性SAR超分辨率
机构 * Korea Advanced Institute of Science and Technology（韩国科学技术院）
AI总结 针对现有SAR超分辨率模型难以保留物理特性的问题，提出ProSR模型，通过语义引导的离散令牌预测等技术，在Umbra数据集上实现了兼顾视觉质量与散射特性的超分辨率效果。
Comments Accepted to ECCV 2026
面向中文学习者语法错误标注的分层分类体系
机构 * Saint Elizabeth University（圣伊丽莎白大学） ； KAIST（韩国科学技术院）
AI总结 本文提出一种分层分类体系，链接CGEC与教学错误分析，通过覆盖度分析和大语言模型一致性研究验证其有效性，用于中文学习者语法错误标注。
面向基于大语言模型的在线时间序列预测的组合频谱提示
机构 * KAIST（韩国科学技术院）
AI总结 针对现有在线时间序列预测框架难以长期适应与泛化的问题，提出基于LLM的CoSPOT框架，采用组合频谱提示实现高效在线适应，在多类在线预测场景中表现优异。
Comments CIKM 2026
TaLK: 通过耦合语言模型与图感知核的文本属性图数据集蒸馏
机构 * Graduate School of AI, KAIST（韩国科学技术院人工智能研究生院）
AI总结 提出TaLK方法，通过耦合语言模型与图感知神经切线核实现文本属性图的高效数据集蒸馏，避免重复联合训练，仅用1%合成数据即可达到97%的全数据集性能。
Comments EMNLP 2026 Findings
鲁棒流式主成分分析
机构 * Columbia University（哥伦比亚大学） ； KAIST（韩国科学技术院）
AI总结 针对随机数据生成模型受扰动的流式主成分分析问题，提出协方差属于时间不确定性集合的鲁棒视角，论证噪声幂法速率最优，经合成与真实数据集实验验证分析有效性。
Comments The authors are ordered alphabetically. 36th Conference on Neural Information Processing Systems (NeurIPS 2022). This version corrects several steps in the proofs, expands the appendices, and revises the exposition throughout
用于可复现全模态基础模型评估的可组合评估系统
机构 * NAVER Cloud AI（NAVER 云AI） ； Korea University（高丽大学） ； KAIST AI（韩国科学技术院AI） ； Seoul National University（首尔大学）
AI总结 针对全模态基础模型评估工具互不兼容的问题，提出OmniEvaluator系统，通过单一接口整合现有资源，支持复现与跨模型比较，成本低于商业LLM评判器。
Comments 12 pages, 3 figures. Code: https://github.com/naver-ai/omni-evaluator
DNC-IMM：基于驾驶上下文信息的神经校准式早期变道意图识别
机构 * Korea Advanced Institute of Science and Technology (KAIST)（韩国科学技术院） ； CCS Graduate School of Mobility（CCS移动研究生院）
AI总结 本文提出DNC-IMM模型，通过神经网络校准传统IMM的转移概率矩阵与测量似然，在highD数据集上实现了车道跨越前的早期变道意图识别，尤其在2-3秒预测 horizon 下性能突出。
Comments 8 pages, 5 figures, and 3 tables
ReFlowSET：面向SAR到EO图像翻译的表示对齐潜在流匹配方法
机构 * KAIST（韩国科学技术院） ； Stellarvision Inc.（Stellarvision公司）
AI总结 本文提出ReFlowSET，通过联合SAR-EO重建审计选择编解码器，在选定潜在空间中从头训练条件DiT，结合视觉基础模型对齐特征，在SAR到EO图像翻译任务上取得最优性能。
Comments Please visit our project page https://kaist-viclab.github.io/ReFlowSET_site
用记忆替代训练：面向Text-to-SQL的列表式选择方法
机构 * Seoul National University（首尔大学） ； KAIST（韩国科学技术院） ； IPAI（IPA研究所）
AI总结 提出无需微调的列表式选择器MaP-SQL，以记忆替代微调目标，在Text-to-SQL基准上较R^3-SQL提升执行准确率且减少令牌数，实现更稳定高效的选择。
Comments Accepted by Findings of EMNLP 2026
一种带有2自由度MCP关节的紧凑型机器人手指，嵌入了自由度选择性被动无级变速器，以实现宽力-速工作范围
机构 * Korea Advanced Institute of Science and Technology（韩国科学技术院）
AI总结 该研究提出一种带2自由度MCP关节的紧凑型机器人手指，嵌入自由度选择性被动CVT，通过力响应式传动适配实现宽力-速工作范围，实验验证其力放大效果及灵巧操作能力，提供可扩展的传动设计策略。
Comments 9 pages, 4 figures
视觉-语言适配中的文本能力损失：注意力汇聚点诊断
机构 * Korea University（高丽大学） ； NAVER Cloud（NAVER云） ； KAIST（韩国科学技术院）
AI总结 该研究针对VL微调导致LLM文本能力损失的问题，提出用Sink Strength诊断并预测退化，发现QK-RMSNorm及现成权重合并无法恢复能力，建议用Sink Strength筛选主干。
Comments Accepted to EMNLP 2026. 29 pages, 6 figures, 15 tables. Code and data: https://github.com/minsik-choi126/sink-strength. * Equal contribution. † Corresponding author
基于图像生成的新闻立场检测的视觉框架
机构 * Soongsil University（崇实大学） ； KAIST（韩国科学技术院）
AI总结 研究针对新闻立场检测的隐含性挑战，提出VFStance方法，通过图像生成的视觉框架强化立场线索，实验及用户研究验证其有效性与潜在扩展应用。
Comments EMNLP 2026
利用角色向量调查LLM用户模拟器中的助手偏差
机构 * KAIST（韩国科学技术院） ； University of Michigan（密歇根大学） ； Seoul National University（首尔大学） ； ETH Zürich（苏黎世联邦理工学院） ； SkillBench
AI总结 该研究针对LLM用户模拟器的助手偏差，通过对比对话的用户与助手视角提取用户角色向量，证实偏差结构可识别且用户行为可定向分析，为优化模拟器提供了表征层面依据。
Comments 35 pages
WHALE：一种用于联合 harness-权重优化的简单方案
机构 * KRAFTON（克拉夫顿公司） ； KAIST（韩国科学技术院） ； Stanford University（斯坦福大学）
AI总结 该研究针对智能体性能受模型权重与 harness 代码单独优化瓶颈的问题，提出 WHALE 交替优化方案，结合在线拒绝采样微调与 Meta-Harness，在多领域 Qwen 智能体上较基线方法提升了准确率与 rollout 效率。
用于指称图像分割与指称的高成本效益主动学习
机构 * Meissa ； KAIST（韩国科学技术院） ； GIST（光州科学技术院） ； POSTECH（浦项科技大学）
AI总结 该研究针对视觉指称的标注瓶颈，提出结合基础模型生成辅助区域-文本对与指称区域模糊度获取函数的主动学习框架，在RIS、REC基准及用户研究中均实现更优性能与更快标注速度。
Comments Accepted to EMNLP 2026 Findings
大型语言模型（LLMs）能否处理信念与事实取决于表述方式
机构 * KAIST（韩国科学技术院） ； National Taiwan University of Science and Technology（台湾科技大学）
AI总结 该研究针对10个LLMs，发现其处理信念与事实的缺陷程度取决于表达信念的动词，源于任务混淆，一条指令可扭转该失败，解码时抑制注意力仅能部分恢复准确率。
Comments EMNLP 2026 (Main)
LLM 能否可靠地自我报告对抗性预填充，以及如何实现？
机构 * KAIST（韩国科学技术院）
AI总结 研究LLM在安全场景中识别自身输出是否受对抗性预填充攻击的能力，发现模型平均27.3%声称预填充输出有意图，且内省信号主要来自安全/拒绝推理，LoRA微调方法扩大了意图-篡改探针差距并提高了攻击成功率。
Comments EMNLP 2026 (Main)
用于视觉语音识别的扩散大语言模型
机构 * Integrated Vision Language Lab, KAIST, South Korea（韩国加耶大学集成视觉语言实验室）
AI总结 提出首个基于扩散大语言模型（DLLM）的视觉语音识别框架DLLM-VSR，通过迭代掩码去噪和灵活顺序解码，结合置信度引导的解掩码策略及两阶段训练，并引入长度引导候选解码以降低目标长度不确定性，在LRS3上取得19.5%的词错误率。
Comments Accepted to EMNLP 2026. Code: https://github.com/JeongHun0716/dllm-vsr
基于扩散的ASR解码策略：基于置信度阈值的系统评估
机构 * KAIST（韩国科学技术院） ； Google DeepMind（谷歌DeepMind）
AI总结 本文系统评估了基于扩散语言模型的ASR中三种解码策略，提出使用基于负对数似然的不确定性度量来监控解码进度，发现基于阈值的策略在准确率和速度上均优于固定步数策略，其中静态阈值策略在匹配自回归解码准确率的同时具有更高效率。
Comments Accepted to EMNLP 2026
无需训练的流匹配细化方法：基于发散性的采样
机构 * KAIST（韩国科学技术院）
AI总结 本文提出无需训练的流匹配细化方法，通过发散性采样提升生成质量，适用于文本到图像合成等任务。
Comments ECCV 2026
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