高校专区
WorldReward：面向相机条件世界模型的奖励建模
机构 * Fudan University（复旦大学） ； Tencent Hunyuan（腾讯混元） ； Shanghai Innovation Institute（上海创新研究院） ； Shanghai Jiao Tong University（上海交通大学） ； Shanghai Artificial Intelligence Laboratory（上海人工智能实验室）
AI总结 该研究提出WorldReward，一种基于VLM的成对偏好奖励模型，解决相机条件世界模型现有奖励函数的缺陷，在WorldReward-Bench上超GPT-5.5，还提升了HY-WorldPlay 1.5的动作与视觉质量。
Comments Website: https://codegoat24.github.io/WorldReward
Drive-HWM：用于动态隐变量引导自动驾驶的分层世界模型
机构 * School of Artificial Intelligence, Beihang University（北京航空航天大学人工智能学院） ； Shanghai Jiao Tong University（上海交通大学） ； Dim12 AI ； GigaAI（极佳科技） ； National University of Singapore（新加坡国立大学） ； TeleAI
AI总结 Drive-HWM是一种分层快慢世界建模框架，通过动态感知隐变量引导，在NAVSIM数据集上实现了出色的自动驾驶性能，验证了其设计的有效性。
Comments 14 pages
SafeRI：大视觉语言模型中令牌级安全干预的识别与干预
机构 * Wuhan University（武汉大学） ； The University of Tokyo（东京大学） ； Peking University（北京大学） ； Shanghai AI Laboratory（上海人工智能实验室） ； Shanghai Innovation Institute（上海创新研究院） ； Shanghai Jiao Tong University（上海交通大学） ； The University of Hong Kong（香港大学）
AI总结 针对现有视觉语言模型安全对齐会全局修改模型的问题，提出流式识别与门控LoRA框架，实现按需令牌级安全干预，在多基准上验证了方法的有效性。
Comments Preprint. 13 pages, 4 figures. Main paper with appendix
图形用户界面（GUI）智能体是否知道何时不行动？为多模态GUI智能体启用感知冲突的终止机制
机构 * School of Computer Science, Shanghai Jiao Tong University（上海交通大学计算机科学学院） ； Ant Group（蚂蚁集团）
AI总结 针对GUI智能体存在的冲突指令下盲目执行问题，提出推理时框架CONFLICTGUARD，可显著提升其冲突任务成功率，同时保留正常任务性能。
PAWBench：我们离概率对齐的世界建模还有多远？
机构 * Shanghai Jiao Tong University（上海交通大学） ； Shanghai AI Laboratory（上海人工智能实验室） ； Krea AI ； Huggingface ； Shanghai Innovation Institute（上海创新研究院） ； Tongyi Lab（通义实验室） ； The University of Hong Kong（香港大学）
AI总结 本研究针对当前视频生成器未满足概率对齐世界建模要求的问题，提出PAWBench基准与PAWEval协议，经50种场景和11个系统测试发现无模型达要求，为相关研究奠定基础。
关注证据：面向多模态RLVR的证据锚定空间注意力监督
机构 * Harbin Institute of Technology（哈尔滨工业大学） ； Zhongguancun Academy（中关村学院） ； Zhongguancun Institute of Artificial Intelligence（中关村人工智能研究院） ； Nankai University（南开大学） ； Shanghai Jiaotong University（上海交通大学） ； Zhejiang University（浙江大学）
AI总结 提出EASE方法，通过将标注证据区域转化为平滑视觉标记目标，在多模态强化学习训练中引导响应到图像的注意力，从而提升视觉语言模型在感知、幻觉、视觉数学和多模态推理基准上的性能。
Comments Accepted to EMNLP 2026
多模态大语言模型内部视觉表征的因果探测
机构 * School of Computer Science, Shanghai Jiao Tong University（上海交通大学计算机科学学院） ； Ant Group（蚂蚁集团）
AI总结 研究通过激活引导框架系统干预四个视觉概念类别，揭示实体记忆局部化与抽象概念全局分布的差异，发现模型深度对复杂抽象概念编码至关重要，且反向引导揭示感知与生成之间的补偿机制。
Comments Accepted at EMNLP 2026 Main
ReCoSplat: 基于渲染与比较的自回归前馈高斯点云生成
机构 * University of California Merced（加州大学默塞德分校） ； ETH Zurich（苏黎世联邦理工学院） ； NVIDIA ； Shanghai Jiao Tong University（上海交通大学） ； Hong Kong University of Science and Technology（香港科技大学）
AI总结 ReCoSplat通过引入渲染与比较模块，解决高斯点云生成中姿态误差问题，实现高效稳定的视角合成。
Comments v2: Corrected OF3GS evaluation results after fixing an implementation bug, added baseline evaluations, updated efficiency benchmarks following a codebase refactor, and added code and pretrained model release links
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。
结合转录组数据、蛋白质结构与定位信息的亚细胞分辨率单细胞嵌入学习
机构 * Institute of Image Processing and Pattern Recognition, Shanghai Jiao Tong University（上海交通大学图像处理与模式识别研究所） ； Institute of Process Engineering, Chinese Academy of Sciences（中国科学院过程工程研究所）
AI总结 本研究提出一种多模态交叉注意力框架，联合转录组、蛋白质序列与结构信息，生成亚细胞分辨率的细胞嵌入，为细胞表示学习提供了新的跨模态范式。
Comments 20 pages, 4 figures, and 1 tables
从拓扑学习到图生成：一个统一视角
机构 * University of Oxford（牛津大学） ； The Chinese University of Hong Kong（香港中文大学） ； Shanghai Jiao Tong University（上海交通大学） ； University College London（伦敦大学学院） ； EPFL（洛桑联邦理工学院）
AI总结 本综述提出统一框架，将图拓扑学习与图生成视为图数据共同生成过程的逆问题，综述相关方法并指出跨范式整合机遇，为该领域提供跨学科视角并勾勒未来研究方向。
SafeEvolve：利用智能体经验进行安全对齐的 harness-策略协同进化
机构 * Shanghai AI Laboratory（上海人工智能实验室） ； SJTU（上海交通大学） ； Fudan University（复旦大学） ； HKUST（香港科技大学） ； Zhejiang University（浙江大学）
AI总结 SafeEvolve是一种基于智能体经验的安全对齐自进化框架，通过harness-策略协同进化实现更优的安全-效用权衡，在Qwen3.5-4B上可降低AgentDojo的ASR并提升良性效用
Comments Project: https://github.com/MaoPopovich/SafeEvolve
EarlyEval：通过早期结果预测实现更经济的智能体评估
机构 * Shanghai Jiao Tong University（上海交通大学） ； Singapore Management University（新加坡管理大学） ； East China Normal University（华东师范大学） ； Shanghai Innovation Institute（上海创新研究院）
AI总结 本研究提出EarlyEval框架，通过训练LightGBM分类器预测智能体结果，提前终止执行以降低LLM智能体评估成本，在多个基准上实现了显著的成本削减且解决率波动极小。
Comments Code and data available at https://github.com/inphotoo/earlyeval
HINT：面向长 horizon 机器人操作的人类意图 inception
机构 * Zhejiang University（浙江大学） ； Shanghai Jiao Tong University（上海交通大学） ； Noematrix（诺埃马特里斯（Noematrix）） ； EndlessAI（无尽人工智能（EndlessAI））
AI总结 HINT 是受人类操作原则启发的智能体框架，仅在操作模式转换时进行语义推理，通过两种视觉接口传递意图，在长 horizon 机器人操作任务中提升了基础策略的意图理解与任务成功率。
Comments Project page: https://robot-hint.github.io/
CA-OPD：面向结构化视觉预测的置信度感知在线策略蒸馏
机构 * Tianjin University（天津大学） ； Shanghai Jiao Tong University（上海交通大学） ； StepX（思必得科技（StepX）） ； University of Science and Technology of China（中国科学技术大学）
AI总结 针对自回归视觉语言模型的复合误差问题，提出CA-OPD框架，通过教师置信度实现自适应监督，在GUI定位等六基准上大幅提升Qwen3.5-0.8B性能。
缺失的时间关联：面向脚本驱动的音视频生成的时间上下文路由
机构 * PKU（北京大学） ； Qwen Applications（通义千问应用公司） ； HKUST（香港科技大学） ； CUHK（香港中文大学） ； SJTU（上海交通大学）
AI总结 针对脚本驱动音视频生成中时序对齐不足的问题，提出时间上下文路由（TCR）方法，将脚本时序映射到音视频共享时间轴，显著提升了镜头边界和对话时序的准确性，且保持了音视频质量与同步性。
DMRL：用于广告推荐中技能优化的文档介导强化学习
机构 * Shanghai Jiao Tong University（上海交通大学） ； Kuaishou Technology（快手科技）
AI总结 针对广告推荐技能优化的奖励归因难题，提出DMRL框架，结合双相对策略优化与长期奖励预测器，在短视频广告平台上实现优于基线的性能。
HeadWiseKV：面向混合长上下文语言模型的按头预算键值缓存驻留方案
机构 * Nanjing University of Posts and Telecommunications（南京邮电大学） ； Tylogi AI Lab / TAIL（Tylogi AI实验室/TAIL） ； Anhui University of Technology（安徽工业大学） ； Shanghai Jiao Tong University（上海交通大学） ； School of Information Science and Engineering, Southeast University（东南大学信息科学与工程学院）
AI总结 HeadWiseKV是一种无需训练的框架，通过SeqCalib算法分配静态多级历史窗口，在保留混合长上下文语言模型核心路径的同时，降低KV缓存内存占用并扩展支持的上下文长度。
Comments 14 pages including appendices, 4 figures, 5 tables
用于太赫兹无线数据中心的基于三频段信道测量的多层数字孪生
机构 * Terahertz Wireless Communications (TWC) Interdisciplinary Research Center, Shanghai Jiao Tong University（上海交通大学太赫兹无线通信（TWC）跨学科研究中心） ； Huawei Technologies Company Ltd.（华为技术有限公司） ； School of Information Science and Electronic Engineering, Shanghai Jiao Tong University（上海交通大学信息科学与工程学院）
AI总结 该研究针对太赫兹无线数据中心，提出基于三频段信道测量的多层数字孪生框架，构建感知视距的AI信道孪生体，实现更低功率重构误差与超90%覆盖范围，支撑高效规划优化。
作为特质方向漂移的阈下学习：SFT蒸馏下的机制与针对性控制
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 本文提出特质方向漂移作为阈下学习的机制，并提出探针空间走廊正则化方法，可有效降低隐藏特质转移，同时保留任务性能，尤其在Qwen设置下表现稳定。
Comments 39 pages, 8 figures
EEG-VID：面向EEG解码与辅助目标选择的任务引导型潜在预测预训练框架
机构 * School of Information and Control Engineering, China University of Mining and Technology（中国矿业大学信息与控制工程学院） ； School of Automation and Intelligent Sensing, Shanghai Jiao Tong University（上海交通大学自动化与智能感知学院） ； Shanghai Innovation Institute（上海创新研究院）
AI总结 本研究提出EEG-VID预训练框架，通过指数移动平均目标编码器与弱任务引导实现EEG解码，在多数据集及场景任务中提升准确率，为EEG解码与辅助目标选择提供可迁移预训练策略。
LivingArena：大语言模型知道其他大语言模型所不知道的吗？作为可扩展评估的对等探测
机构 * Shanghai Jiao Tong University（上海交通大学） ； Tencent（腾讯）
AI总结 研究大语言模型能否利用其他模型的未知进行评估，提出自动化抗污染评估框架LivingArena，模型轮流提问，经评审验证，能产生稳定排行榜，可衡量事实严谨性等，与人类偏好相关性弱，提供低成本持续评估方法。
AdaMem: 学习为个性化长时程LLM代理记住什么
机构 * Shanghai Jiao Tong University（上海交通大学） ； Tencent（腾讯）
AI总结 针对长时程LLM代理中记忆膨胀导致QA准确率下降的问题，提出AdaMem方法，通过角色特定的记忆策略和基于反馈的轻量级自反思步骤，学习为每个用户记住重要信息，在减少9%记忆量的同时提升QA准确率最高9%。
GEM: 通过可变形Mamba生成LiDAR世界模型
机构 * NJU（南京大学） ； SJTU（上海交通大学） ； FDU（福建师范大学） ； NTU（南京理工大学）
AI总结 GEM通过可变形Mamba架构提升LiDAR世界模型的逼真度与想象力，解决点云无序和动态静态区分难题，实现空间时间感知与自主探索能力。
通过复杂度提升强化学习实现奥lympia级几何大语言模型代理
机构 * Shanghai AI Laboratory（上海人工智能实验室） ； Shanghai Jiao Tong University（上海交通大学） ； Peking University（北京大学） ； ICMAT Spanish National Research Council（西班牙国家研究委员会ICMAT） ； The Chinese University of Hong Kong（香港中文大学）
AI总结 InternGeometry通过复杂度提升强化学习实现几何问题求解，仅用13K训练示例解决44个IMO问题，超越平均金牌得主得分。
SlowFast-SCI: 慢-快深度展开学习用于光谱压缩成像
机构 * Harvard University（哈佛大学） ； Harbin Institute of Technology, Shenzhen（哈尔滨工业大学（深圳）） ； Shanghai Jiaotong University（上海交通大学） ； City University of Hong Kong（香港城市大学） ； Harbin Institute of Technology, Weihai（哈尔滨工业大学（威海）） ； The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳））
AI总结 SlowFast-SCI是一种双速深度展开框架，通过预训练和自适应模块实现高效自适应的光谱重建，显著提升参数效率和适应速度。
Comments 17 pages
WorldBench：面向多语言智能体的文化贴合基准
机构 * University of Edinburgh（爱丁堡大学） ； School of Informatics, University of Edinburgh（爱丁堡大学信息学院） ； School of Artificial Intelligence, Shanghai Jiao Tong University（上海交通大学人工智能学院）
AI总结 本文提出WorldBench多语言文化贴合基准，含1600个跨语言跨文化任务，引入CTS指标评估，发现前沿模型CTS仅49.2%，当前智能体在相关场景下仍较脆弱。
PCoMoE：将混合专家（MoE）推理从整体专家选择转向细粒度路径组合
机构 * Shanghai Jiao Tong University（上海交通大学） ； Alibaba Group（阿里巴巴集团）
AI总结 本研究针对MoE推理受整体专家抽象限制的问题，提出PCoMoE路径组合式执行框架，通过路径级优化等技术实现1.31倍推理加速与10%准确率提升。
Comments Accepted to EMNLP 2026 Main Conference
校准是瓶颈：多轮工具调用的动作类诊断
机构 * Zhejiang University（浙江大学） ； Shanghai Jiao Tong University（上海交通大学） ； National University of Singapore（新加坡国立大学） ； Om AI Research（Om AI研究院） ； Binjiang Institute of Zhejiang University（浙江大学滨江研究院）
AI总结 本文提出面向动作类的多轮工具调用诊断框架，将失败分解为校准错误与执行失败，发现校准错误是被掩盖的关键瓶颈，且校准可通过上下文扰动异质性重塑，建议评估补充该诊断。
Comments Accepted to Findings of EMNLP 2026. Code: https://github.com/fbj2333/tool-calling-calibration
基于 token 级记忆不对称性的微调扩散语言模型成员推断
机构 * National University of Singapore（新加坡国立大学） ； Oregon State University（俄勒冈州立大学） ； Shanghai Jiao Tong University（上海交通大学） ； College of AI, Tsinghua University（清华大学人工智能学院）
AI总结 本文针对微调扩散语言模型的隐私风险，提出基于 token 级记忆不对称的 Q-Skew 指标用于成员推断，实验表明其优于基线且可助力 PII 提取，凸显 DLMs 系统性隐私评估的必要性。
Comments 18 pages. EMNLP 2026 (Findings)
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