Korea Advanced Institute of Science and Technology（韩国科学技术院）

Retrieval Heads Meet Vision: Uncovering How VLMs Locate and Extract Visual Information

检索头与视觉结合：揭示视觉语言模型如何定位和提取视觉信息

Chanho Park, Daehyeon Choi, Jihyun Lee, Minhyuk Sung

机构 * KAIST（韩国科学技术院） 纠错

AI总结 该研究发现视觉语言模型（VLMs）中存在视觉检索头（VRHs），其占注意力头的1.7%-2.6%，负责将文本描述与图像区域建立因果关联，屏蔽前20个VRHs可使定位准确率降低多达80个百分点，且VRHs具备泛化性、功能特异性与架构共享性。

Reason in the Words You Speak: Idiolectal Paraphrasing Off-Policy Traces for Reasoning Distillation in VideoLLMs

用你所说的语言推理：为VideoLLM中的推理蒸馏进行个人习语式的离线策略轨迹改写

Ji Soo Lee, Jinyoung Park, Seohyun Lee, Jongha Kim, Joonmyung Choi, Jinsung Yoon, Hyunwoo J. Kim

机构 * KAIST（韩国科学技术院） ； Korea University（高丽大学） ； Google Cloud AI Research（谷歌云人工智能研究院） 纠错

AI总结 该研究针对VideoLLM的推理蒸馏提出Echo-GRPO框架，通过改写教师特权轨迹为学生自身习语实现策略对齐，实例化的VideoEcho-R1在多骨干和基准测试中均获性能提升，且作为插件模块适配多种训练框架。

Comments Work in progress

J-Zero: Unified Challenger--Solver--Judge Co-Evolution from Zero Data

J-Zero：从零数据开始的挑战者-求解器-评判器协同进化框架

Gyouk Chu, Myeongho Jeon, Eunho Yang

机构 * KAIST（韩国科学技术院） 纠错

AI总结 J-Zero是从零数据出发的统一挑战者-求解器-评判器协同进化框架，在可验证与不可验证领域均优于基线，且迭代10次后仍能持续改进。

NeuDonatello: Uncertainty-Aware Framework for Accurate Neural SDF Learning

NeuDonatello：用于精确神经SDF学习的不确定性感知框架

Alvin Jinsung Choi, Wanhee Kim, Taeyun Kim, Dasol Hong, Wooju Lee, Hyun Myung

机构 * The University of Texas at Austin（德克萨斯大学奥斯汀分校） ； Korea Advanced Institute of Science and Technology (KAIST)（韩国科学技术院） ； NAVERLABS ； ETRI（韩国电子通信研究院） 纠错

AI总结 NeuDonatello是建模并利用SDF不确定性的新框架，通过蒙特卡洛采样、自适应正则化和不确定性感知尺度参数实现精确表面重建，在多样场景中仅用已校准RGB图像达到最优精度。

Comments Accepted to BMVC 2026

Packora: Systematic Design for Generative Molecular Crystal Structure Prediction

Packora：生成式分子晶体结构预测的系统设计

Nayoung Kim, Kiyoung Seong, Sungsoo Ahn

机构 * Korea Advanced Institute of Science and Technology (KAIST)（韩国科学技术院） 纠错

AI总结 Packora是一种基于流的生成式分子晶体结构预测模型，支持多组分与有机金属晶体，在结构生成和排序基准上优于基线，在6项生成基准中获最佳匹配预算覆盖率。

Comments 37 pages, 21 figures

Unified Prediction and Planning via Conflict-Aware Disjoint Parameter Training

通过冲突感知不相交参数训练实现统一预测与规划

Taewon Seo, Seonae Jeon, Giwon Lee, Kuk-Jin Yoon, Daehee Park

机构 * DGIST（韩国科学技术院大邱庆北校区） ； KAIST（韩国科学技术院） 纠错

AI总结 研究社交机器人在拥挤环境中统一预测与规划问题，提出基于模型合并的不相交参数训练框架DPT，通过分布式参数学习减轻技能冲突，稀疏合并提升性能，在标准基准测试中验证其在机器人导航上通用且有效。

Comments Accepted at ECCV 2026. 38 pages, 14 figures. Project page: this https URL (https://dpt2026.github.io/)

Diagnosing Conformal Prediction Failures Under Distribution Shift: A COVID-19 Case Study

在分布偏移下进行符合预测：一场新冠大流行自然实验

Chorok Lee

机构 * Korea Advanced Institute of Science and Technology (KAIST)（韩国科学技术院） 纠错

AI总结 本文研究了在分布偏移下符合预测的退化问题，通过新冠大流行中的8个供应链任务实验，发现特征稳定性而非集中度决定模型稳健性，并提出监控SHAP集中度和季度重新训练的决策框架。

Comments Accepted and presented at the 42nd Conference on Uncertainty in Artificial Intelligence (UAI 2026). Published in Proceedings of Machine Learning Research (PMLR), Volume 337, pages 3453-3476, 2026

MENTOR: Reinforcement Learning via Flexible Teacher-Optimized Rewards for Tool-Use Distillation

MENTOR: 通过灵活的教师优化奖励进行工具使用蒸馏的强化学习

ChangSu Choi, Hoyun Song, Dongyeon Kim, Minkyung Cho, WooHyeon Jung, Sunjin Park, NohHyeob Bae, Seona Yu, KyungTae Lim

机构 * Seoul National University of Science and Technology（首尔科学技术大学） ； Korea Advanced Institute of Science and Technology（韩国科学技术院） ； LG CNS 纠错

AI总结 提出MENTOR方法，通过灵活的教师优化奖励结构，平衡行为对齐与下游性能，提升小模型在工具使用任务中的域外泛化能力。