TIGPO: Temporal Instance-Graph Policy Optimization for Long-Horizon LLM Agents
TIGPO：用于长视野大语言模型智能体的时间实例图策略优化
机构 * Nanjing University（南京大学）
AI总结 TIGPO为长视野LLM智能体提出跨策略更新的持久转换图策略，通过分配固定回滚预算稳定优势估计，在ALFWorld和WebShop上优于现有相关方法。
高校专区
Nanjing University（南京大学）
R2S-Eval: Robot Evaluation with Real-to-Sim Calibration via Vision-Language Models
R2S-Eval：基于视觉语言模型的现实到仿真校准的机器人评估方法
机构 * Sharpa（夏普） ； Nanjing University（南京大学） ； Tongji University（同济大学） ； Tsinghua University（清华大学）
AI总结 R2S-Eval结合现实到仿真校准与VLM偏好评估，实现机器人操纵策略的自动化、稳定且感知质量的评估，减少硬件操作工作量并揭示二元成功标签未捕捉的行为差异。
TRACE: A Self-Evolving Skill Bank for Consistent, Limit-Aware LLM Agents
TRACE：面向一致性、极限感知的自进化技能库
机构 * Xiaomi Inc.（小米公司） ； Nanjing University（南京大学） ； Beijing University of Posts and Telecommunications（北京邮电大学） ； Tsinghua University（清华大学）
AI总结 TRACE是一种无需修改模型权重的自进化技能库方法，通过轨迹对比进化优化技能，在CAR-bench任务上显著提升LLM智能体的一致性性能，缩小潜在与可靠性能的差距。
Comments 9 pages, 5 figures, 2 tables
Accelerating Masked Image Generation by Learning Controlled Latent Dynamics
通过学习潜在控制动力学加速掩码图像生成
机构 * Shanghai Jiao Tong University, Shanghai, China（上海交通大学） ； Shanghai Artificial Intelligence Laboratory, Shanghai, China（上海人工智能实验室） ； Shanghai Innovation Institute, Shanghai, China（上海创新研究院） ； Nankai University, Tianjin, China（南开大学） ； University of Science（科学技术大学） ； Nanjing University, Nanjing, China（南京大学） ； The University of Sydney, Sydney, Australia（悉尼大学） ； Peking University, Beijing, China（北京大学）
AI总结 本文提出MIGM-Shortcut模型，通过学习潜在控制动力学加速掩码图像生成，在保持质量的同时实现文本到图像生成的四倍加速。
VKnowU: Evaluating Visual Knowledge Understanding in Multimodal LLMs
VKnowU：评估多模态语言模型中的视觉知识理解
机构 * University of Science and Technology of China（中国科学技术大学） ； Shanghai AI Laboratory（上海人工智能实验室） ； Nanjing University（南京大学） ； Shanghai Innovation Institute（上海创新研究院） ； City University of Hong Kong（香港城市大学）
AI总结 研究多模态大语言模型视觉知识理解能力，提出VKnowU基准测试。评估28个模型，发现与人类表现有差距。引入新数据集和VideoKnow+基线模型，采用结构化范式和强化学习，提升模型表现。
Comments Code: https://github.com/OpenGVLab/VKnowU
AI Contextual Measurement for Recovering Individual and Group-Level Effects: Validation Against Survey Measures and an Occupational Application
用于恢复个体与群体层面效应的AI情境测量：与调查测量及职业应用的验证
机构 * Northwestern University（西北大学） ； Nanjing University（南京大学）
AI总结 本研究提出AICOME框架，验证其可在拥有丰富受访者与工作特征时，从现有数据集中恢复理论重要构念，以AI生成测量在情境模型中恢复个体与群体层面效应。
LookStep: Efficient Vision-Language Navigation with Linguistic Foresight and Event Driven Memory
LookStep：基于语言远见与事件驱动记忆的高效视觉语言导航
机构 * National Key Laboratory for Novel Software Technology, Nanjing University（南京大学计算机软件新技术国家重点实验室） ； School of Artificial Intelligence, Nanjing University（南京大学人工智能学院） ； TermiTech（TermiTech公司） ； School of Intelligence Science and Technology, Nanjing University（南京大学智能科学与技术学院）
AI总结 该研究针对视觉语言导航（VLN）的高数据与资源开销问题，提出LookStep框架，在相同训练设置下于R2R-CE Val-Unseen任务取得49.7%成功率，且内存效率更高、数据使用更少。
Comments 19 Pages, 7 Figures. Accepted in EMNLP 2026 Main
CoViT: Instance-Correspondence Contrastive Learning for Vision Transformer
CoViT：用于视觉Transformer的实例对应对比学习
机构 * State Key Laboratory for Novel Software Technology（计算机软件新技术国家重点实验室） ； Nanjing University（南京大学）
AI总结 该研究针对视觉Transformer（ViT）无法区分目标实例的问题，提出CoViT框架，通过几何引导的对比学习为ViT注入实例感知，在多个实例级任务上实现超2AP点的稳定性能提升，且无需额外解码器或标签。
Rethinking Learnability in Offline Data-driven Optimization
重新思考离线数据驱动优化中的可学习性
机构 * Nanjing University（南京大学）
AI总结 本文提出算法依赖型可学习性，设计轨迹学习框架，提出UGTL方法，在五个Design-Bench任务上的25种方法中取得最佳综合平均排名3.1/25，验证了轨迹构建的重要作用。
When Can Large Reasoning Models Save Thinking? Mechanistic Analysis of Behavioral Divergence in Reasoning
大型推理模型何时能“节省思考”？推理中行为分歧的机制分析
机构 * State Key Laboratory for Novel Software Technology, Nanjing University, China（新型软件技术国家重点实验室，南京大学，中国） ； University of California, Merced, USA（加州大学梅德福分校） ； National Institute of Healthcare Data Science, Nanjing University, China（健康医疗数据科学国立研究所，南京大学，中国）
AI总结 本研究分析大型推理模型的“过度思考”行为，提出注意力干预方法调控该行为，揭示指令遵循、推理效率与正确性间的权衡。
Comments Accepted in the Findings of EMNLP 2026
Dense Process Supervision for Search Agents via Fact Utility Estimation
基于事实效用估计的搜索智能体密集过程监督
机构 * State Key Laboratory for Novel Software Technology, Nanjing University（南京大学计算机软件新技术国家重点实验室） ； Ant Group（蚂蚁集团） ； National Institute of Healthcare Data Science, Nanjing University（南京大学国家健康医疗数据科学研究院）
AI总结 该研究针对搜索智能体强化学习的信用分配问题，提出基于事实效用估计的密集过程监督方法，在7个QA基准上优于现有基线。
Comments Accepted in the 2026 Conference on Empirical Methods in Natural Language Processing (EMNLP 2026)
Polished but Unresolved: Identifying Late-Stage Pressure States in Long-Horizon Tool-Use Agents
精致却未解决：识别长 horizon 工具使用智能体的晚期压力状态
机构 * State Key Laboratory for Novel Software Technology, Nanjing University（南京大学计算机软件新技术国家重点实验室） ； Alibaba Group（阿里巴巴集团）
AI总结 本研究识别长 horizon 工具使用智能体的晚期压力状态，提出 PSPR 插件缓解该压力，实验显示其可增强现有智能体方法。
Comments Accepted in the 2026 Conference on Empirical Methods in Natural Language Processing (EMNLP 2026)
Agentic Empirical Asset Pricing: Methodological Foundations
智能体实证资产定价：方法论基础
机构 * Stanford University（斯坦福大学） ； Nanjing University（南京大学） ； Hasso Plattner Institute（哈索·普拉特纳研究所）
AI总结 该研究提出智能体实证资产定价（AEAP）范式，明确其核心构建模块，构建因子发现的参考架构与评估标准，通过SEADS实验发现单一指标无法稳定评估系统，还揭示了AEAP系统的评估陷阱。
Comments 26 pages, 5 figures, 12 tables
A Token/KV-Cache Communication Media Selection and Resource Allocation Strategy for Multi-Agent Collaboration
面向多智能体协作的令牌/KV缓存通信介质选择与资源分配策略
机构 * State Key Laboratory of Novel Software Technology, Nanjing University, Nanjing, 210008, China（新型软件技术国家重点实验室，南京大学，南京） ； Institute of Intelligent Networks and Communications (NINE), Nanjing University (Suzhou Campus), Suzhou, 215163, China（智能网络与通信研究院（NINE），南京大学（苏州校区），苏州）
AI总结 针对多智能体协作中异构交互介质带来的端到端延迟权衡问题，提出一种联合通信介质选择与无线资源分配的优化方法，并设计低复杂度算法以最小化延迟。
Journal ref SCIENCE CHINA Information Sciences, 2026
Breaking the Reasoning Horizon in Entity Alignment Foundation Models
突破实体对齐基础模型中的推理地平线
机构 * Nanjing University of Information Science and Technology（南京信息工程大学） ； State Key Laboratory for Novel Software Technology, Nanjing University（南京大学软件新技术国家重点实验室） ； National Institute of Healthcare Data Science, Nanjing University（南京大学健康数据科学国家研究院） ； University of Queensland（昆士兰大学） ； Engineering Research Center of Digital Forensics, Ministry of Education, Nanjing University of Information Science and Technology（南京信息工程大学数字取证工程研究中心）
AI总结 本文提出基于并行编码策略的实体对齐基础模型，通过局部锚点引导信息流和合并关系图，有效解决实体对齐中长距离依赖捕捉问题，验证了模型在未见过的知识图谱上的强泛化能力。
GRRM: Group Relative Reward Modeling for Machine Translation
GRRM：用于机器翻译的组相对奖励建模
机构 * National Key Laboratory for Novel Software Technology, Nanjing University（新型软件技术国家实验室，南京大学） ； Singapore University of Technology and Design（新加坡科技设计大学）
AI总结 本文提出GRRM，通过组相对奖励模型提升机器翻译的排名准确性和推理能力。
Comments Accepted by EMNLP2026; 23 pages, 7 figures
Beyond Static Summarization: Proactive Memory Extraction for LLM Agents
超越静态摘要：为LLM代理的主动记忆提取
机构 * State Key Laboratory for Novel Software Technology, Nanjing University, China（新型软件技术国家重点实验室，南京大学） ； National Institute of Healthcare Data Science, Nanjing University, China（健康数据科学国家研究院，南京大学）
AI总结 本文提出ProMem，一种主动记忆提取方法，通过递归反馈机制提升LLM代理的记忆完整性和问答准确性，实现高质量与低成本的平衡。
Comments Accepted in the Findings of EMNLP 2026
KGFR: A Foundation Retriever for Generalized Knowledge Graph Question Answering
KGFR：面向通用知识图谱问答的基础检索器
机构 * School of Computer Science, Nanjing University of Information Science and Technology（南京信息工程大学计算机科学学院） ； State Key Laboratory for Novel Software Technology, Nanjing University（南京大学软件新技术国家重点实验室） ； National Institute of Healthcare Data Science, Nanjing University（南京大学健康数据科学国家研究院） ； Engineering Research Center of Digital Forensics, Ministry of Education, Nanjing University of Information Science and Technology（南京信息工程大学教育部长江数字取证工程研究中心）
AI总结 本文提出LLM-KGFR协作框架，通过KGFR结合LLM与结构化检索能力，实现对未见过KG的零样本泛化，采用APP高效处理大型图谱，形成可控推理循环，在KG问答任务中兼具高性能、可扩展性与泛化性。
Temporal Forcing: 4D Representation Alignment for Vision-Language-Action Models
时序强制：面向视觉-语言-动作模型的四维表示对齐
机构 * Nanjing University（南京大学） ； Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所） ； University of Chinese Academy of Sciences（中国科学院大学）
AI总结 该研究针对视觉-语言-动作模型缺乏时序信息的问题，提出 Temporal Forcing 方法，通过历史通路与时序一致的四维几何特征对齐，在 LIBERO 等任务上取得性能提升。
REER-PT: Reverse-Engineered Reasoning for Perplexity-Guided Pre-training Data Augmentation
REER-PT：面向困惑度引导的预训练数据增强的逆向工程推理
机构 * Peking University（北京大学） ； Nanjing University（南京大学）
AI总结 该研究提出REER-PT框架，通过逆向工程推理生成预训练数据的推理注释以增强数据，使模型在多个知识和推理基准上性能提升最高达2.07个百分点。
SPLG-Mamba: Structure-Preserving Local-Global Mamba Network for Salient Object Detection in Optical Remote Sensing Images
SPLG-Mamba：用于光学遥感图像显著目标检测的结构保持型局部-全局Mamba网络
机构 * Nanjing University（南京大学） ； China Pharmaceutical University（中国药科大学）
AI总结 针对光学遥感图像显著目标检测中的结构退化问题，提出SPLG-Mamba网络，整合SDR、层级感知局部-全局Mamba及GCSF，在三个公开数据集上取得最优结果，提升了结构完整性与连续性。
RACER: Reinforced Agent Collaboration for Explainable Reasoning on Knowledge Graphs
RACER：面向知识图谱可解释推理的强化智能体协作框架
机构 * State Key Laboratory for Novel Software Technology, Nanjing University（南京大学计算机软件新技术国家重点实验室） ； Chinaunicom Software Nanjing Branch（中国联通软件南京分公司）
AI总结 RACER是面向知识图谱可解释推理的强化智能体协作框架，通过多智能体协作等技术解决LLM的幻觉与复杂推理难题，在两个数据集上平均提升5%性能。
Comments 15 pages, 1 figures, This paper has been accepted by ICONIP 2026
Compact Snapshot Spectral Imaging with Calibration-Free Aperture Diffraction
无校准孔径衍射的紧凑型快照光谱成像
机构 * Nanjing University（南京大学）
AI总结 该研究针对快照光谱成像系统复杂、需重复校准的问题，提出无校准的ADIS方法，结合ODAUVST框架实现紧凑型全分辨率光谱成像，验证了其性能优势。
Comments Submitted to IEEE TPAMI. Under Review
Can Large Language Models Identify Meaningful Touchpoints in Conversion Attribution?
大型语言模型能否识别转化归因中有意义的接触点？
机构 * State Key Laboratory for Novel Software Technology, Nanjing University（南京大学计算机软件新技术国家重点实验室） ； School of Intelligence Science and Technology, Nanjing University（南京大学智能科学与技术学院） ； Taobao & Tmall Group of Alibaba（阿里巴巴淘宝天猫集团）
AI总结 该研究针对转化归因接触点选择的语义差距问题，评估LLMs识别隐藏关联的能力，分析提示策略与模型选择的影响，还将LLM归因标签用于提升CVR模型性能。
Comments 6 pages, 4 figures, 3 tables; accepted as a short paper at CIKM 2026
Beyond NL2Code: A Structured Survey of Multimodal Code Intelligence
超越NL2Code：多模态代码智能的结构化综述
机构 * Meituan（美团） ； The University of Hong Kong（香港大学） ； The Chinese University of Hong Kong（香港中文大学） ； Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所） ； Nanjing University（南京大学） ； Harbin Institute of Technology（哈尔滨工业大学） ； Australian Institute for Machine Learning, Adelaide University（阿德莱德大学澳大利亚机器学习研究所） ； Ludwig Maximilian University of Munich（慕尼黑大学） ； University of Science and Technology of China（中国科学技术大学） ； Queen Mary University of London（伦敦玛丽女王大学）
AI总结 本文系统综述多模态代码智能，将任务按代码角色分类，覆盖GUI、科学可视化、结构化图形及前沿任务，并提出四个基于验证的未来方向。
Comments Accepted by TMLR 2026
Skill or Skip? Learning Selective Skill Invocation in Agentic Tasks via Dual-Granularity Preference Learning
技能还是跳过？通过双粒度偏好学习在智能体任务中学习选择性技能调用
机构 * Meituan（美团） ； Fudan University（复旦大学） ； Shanghai Jiao Tong University（上海交通大学） ； Nanjing University（南京大学） ； Peking University（北京大学）
AI总结 提出SelSkill框架，通过双粒度偏好学习实现选择性技能调用，在ALFWorld和BFCL上显著提升任务成功率和执行精度。
Comments 17 pages, 4 figures
Unlocking Fine-Grained Translation Quality Estimation in LRMs through Mutually Boosting Implicit and Explicit Reasoning
解锁大型推理模型中细粒度翻译质量评估：通过协同演化隐式和显式推理
机构 * National Key Laboratory for Novel Software Technology, Nanjing University（南京大学新型软件技术国家重点实验室） ； Huawei Translation Services Center, Beijing, China（北京华为翻译服务中心）
AI总结 针对大型推理模型在细粒度翻译质量评估上的困难，提出RIEQE两阶段训练框架，通过非思考监督微调（隐式推理）和思考强化学习（显式推理）协同演化，在WMT测试集上超越基线。
Comments EMNLP 2026
Secret Stealing Attacks on Local LLM Fine-Tuning through Supply-Chain Model Code Backdoors
通过供应链模型代码后门进行本地LLM微调中的秘密窃取攻击
机构 * Nanjing University（南京大学）
AI总结 研究揭示本地微调数据中敏感信息泄露风险，提出通过供应链代码后门实现主动执行劫持，引入确定性全链记忆机制，实现高精度秘密窃取，实验表明方法在不干扰主要任务的前提下达到98%以上的ASR。
Comments Accepted to EMNLP 2026 Main Conference
MM-BrowseComp: A Comprehensive Benchmark for Multimodal Browsing Agents
MM-BrowseComp：多模态浏览智能体的综合基准
机构 * Nanjing University（南京大学） ； Zhejiang University（浙江大学）
AI总结 针对现有浏览基准忽略多模态内容的问题，推出多模态浏览智能体基准MM-BrowseComp，含400道需从网页图像视频提取证据的问题，评估显示领先模型准确率仅24.25%，该基准成领域新标准。
Comments EMNLP 2026. The first two authors contribute equally, 20 pages, repo at https://github.com/MMBrowseComp/MM-BrowseComp
SymboLLM-FE: LLM-Accelerated Symbolic Regression for Automated Feature Engineering on Tabular Data
SymboLLM-FE：用于表格数据自动特征工程的大语言模型加速符号回归
机构 * Nanjing University（南京大学） ； School of Intelligence Science and Technology, Nanjing University（南京大学智能科学与技术学院） ； School of Artificial Intelligence, Nanjing University（南京大学人工智能学院）
AI总结 SymboLLM-FE将符号回归与LLM结合，通过符号回归提取强相关公式并经LLM优化，在6个真实数据集和4个Kaggle竞赛上性能优于现有AutoFE，解决了可解释性差和迭代多的问题。
