Shanghai Jiao Tong University（上海交通大学）

Pedagogically-Inspired Data Synthesis for Language Model Knowledge Distillation

教学启发式数据合成用于语言模型知识蒸馏

Bowei He, Yankai Chen, Xiaokun Zhang, Linghe Kong, Philip S. Yu, Xue Liu, Chen Ma

机构 * MBZUAI ； McGill（麦吉尔大学） ； CityUHK（城市大学香港分校） ； SJTU（上海交通大学） ； UIC（美国国际大学） 纠错

AI总结 本文提出基于教学原理的知识蒸馏框架，通过三阶段流程提升学生模型性能，在复杂推理任务中取得显著改进。

Comments Accepted by ICLR 2026

STAR : Bridging Statistical and Agentic Reasoning for Large Model Performance Prediction

STAR：连接统计推理与代理推理以提升大模型性能预测

Xiaoxiao Wang, Chunxiao Li, Junying Wang, Yijin Guo, Zijian Chen, Chunyi Li, Xiaohong Liu, Zicheng Zhang, Guangtao Zhai

机构 * Fudan University（复旦大学） ； Shanghai Artificial Intelligence Laboratory（上海人工智能实验室） ； Shanghai Jiao Tong University（上海交通大学） 纠错

AI总结 STAR框架通过结合统计推理与代理推理，有效提升大模型性能预测的准确性与可靠性，尤其在数据稀疏情况下表现突出。

Comments 10 pages, 8 figures, 17 tables. Code available at https://github.com/xiaoxiaostudy/star

Humanoid Manipulation Interface: Humanoid Whole-Body Manipulation from Robot-Free Demonstrations

人形机器人操控接口：无需机器人演示的全身体验操控

Ruiqian Nai, Boyuan Zheng, Junming Zhao, Haodong Zhu, Sicong Dai, Zunhao Chen, Yihang Hu, Yingdong Hu, Tong Zhang, Chuan Wen, Yang Gao

机构 * Tsinghua University（清华大学） ； Shanghai Qi Zhi Institute（上海启智研究院） ； Shanghai Jiao Tong University（上海交通大学） 纠错

AI总结 HuMI通过便携硬件实现无需机器人演示的全身体验操控，提升数据收集效率并提高未见环境中的任务成功率。

Comments Website: https://humanoid-manipulation-interface.github.io

Translating Flow to Policy via Hindsight Online Imitation

通过回顾在线模仿将流翻译为政策

Yitian Zheng, Zhangchen Ye, Weijun Dong, Shengjie Wang, Yuyang Liu, Chongjie Zhang, Chuan Wen, Yang Gao

机构 * Institute for Interdisciplinary Information Sciences, Tsinghua University（清华大学交叉信息研究院） ； University of California San Diego（加州大学圣地亚哥分校） ； Washington University in St. Louis（圣路易斯华盛顿大学） ； Shanghai Jiao Tong University（上海交通大学） ； Shanghai Qi Zhi Institute（上海启智研究所） 纠错

AI总结 通过回顾在线模仿将流翻译为政策，利用2D点流作为高层规划器，在模拟和现实任务中实现超过2倍的性能提升。

Harmonizing Generalization and Specialization: Uncertainty-Informed Collaborative Learning for Semi-supervised Medical Image Segmentation

协调泛化与专门化：基于不确定性的协作学习用于半监督医学图像分割

Wenjing Lu, Yi Hong, Yang Yang

机构 * AGI Institute, School of Computer Science, Shanghai Jiao Tong University（AGI研究院，计算机科学学院，上海交通大学） 纠错

AI总结 本文提出UnCoL框架，通过双教师机制协调半监督医学图像分割中的泛化与专门化，利用不确定性指导伪标签学习以提升分割性能。

Comments Accepted for publication in IEEE Transactions on Medical Imaging (TMI), 2026

Real-IAD Variety: Pushing Industrial Anomaly Detection Dataset to a Modern Era

现实工业异常检测数据集：推动工业异常检测数据集进入现代时代

Wenbing Zhu, Chengjie Wang, Bin-Bin Gao, Jiangning Zhang, Guannan Jiang, Jie Hu, Zhenye Gan, Lidong Wang, Ziqing Zhou, Jianghui Zhang, Linjie Cheng, Yurui Pan, Bo Peng, Mingmin Chi, Lizhuang Ma

机构 * Fudan University（复旦大学） ； Youtu Lab, Tencent（腾讯优图实验室） ； Shanghai Jiao Tong University（上海交通大学） ； Rongcheer Co., Ltd（融雪科技有限公司） ； City University of Hong Kong（香港城市大学） ； National University of Singapore（新加坡国立大学） ； Shanghai Ocean University（上海海洋大学） 纠错

AI总结 Real-IAD Variety 是一个大规模、高多样性的工业异常检测数据集，用于评估和训练下一代基础IAD模型，揭示了现有方法在类别扩展时的性能下降问题。

Comments 17 pages, 8 figures and 7 tables

EEG-to-Gait Decoding via Phase-Aware Representation Learning

通过相意识表示学习实现EEG到步态解码

Xi Fu, Weibang Jiang, Rui Liu, Gernot R. Müller-Putz, Cuntai Guan

机构 * College of Computing and Data Science, Nanyang Technological University, Singapore 639798（计算与数据科学学院，南洋理工大学，新加坡） ； Department of Computer Science and Engineering, Shanghai Jiao Tong University, Shanghai 200240, China（计算机科学与工程系，上海交通大学，上海） ； Institute of Neural Engineering, Graz University of Technology, Graz, Austria（神经工程研究所，格拉茨技术大学，奥地利） ； Centre of AI in Medicine (C-AIM), Nanyang Technological University, Singapore（医学人工智能中心（C-AIM），南洋理工大学，新加坡） 纠错

AI总结 NeuroDyGait通过相意识表示学习实现EEG到步态解码，提升跨受试者性能并满足实时BCI需求。

LAER-MoE: Load-Adaptive Expert Re-layout for Efficient Mixture-of-Experts Training

LAER-MoE：负载自适应专家重新布局用于高效混合专家训练

Xinyi Liu, Yujie Wang, Fangcheng Fu, Xuefeng Xiao, Huixia Li, Jiashi Li, Bin Cui

机构 * Peking University（北京大学） ； Shanghai Jiao Tong University（上海交通大学） 纠错

AI总结 LAER-MoE通过负载自适应专家重新布局提升混合专家模型训练效率，实现1.69倍加速。

Comments 19 pages, 12 figures, the paper will be presented at ASPLOS 2026

Adaptive Milestone Reward for GUI Agents

自适应里程碑奖励用于GUI代理

Congmin Zheng, Xiaoyun Mo, Xinbei Ma, Qiqiang Lin, Yin Zhao, Jiachen Zhu, Xingyu Lou, Jun Wang, Zhaoxiang Wang, Weiwen Liu, Zhuosheng Zhang, Yong Yu, Weinan Zhang

机构 * Shanghai Jiao Tong University（上海交通大学） ； OPPO Research Institute（OPPO研究院） 纠错

AI总结 ADMIRE通过自适应里程碑奖励机制，解决长周期任务中奖励保真度与密度的矛盾，提升GUI代理的成功率和泛化能力。

Arbitrary Ratio Feature Compression via Next Token Prediction

通过下一个标记预测实现任意比例特征压缩

Yufan Liu, Daoyuan Ren, Zhipeng Zhang, Wenyang Luo, Bing Li, Weiming Hu, Stephen Maybank

机构 * State Key Laboratory of Multimodal Artificial Intelligence Systems, Institution of Automation, Chinese Academy of Sciences（多模态人工智能系统国家重点实验室，自动化研究所，中国科学院） ； School of Artificial Intelligence, University of Chinese Academy of Sciences（中国科学院大学人工智能学院） ； CAS Center for Excellence in Brain Science and Intelligence Technology（中国科学院脑科学与智能技术卓越创新中心） ； People AI, Inc.（People AI公司） ； School of Artificial Intelligence, Shanghai Jiao Tong University（上海交通大学人工智能学院） ； School of Computer Science and Mathematics, Birkbeck College, University of London（伦敦大学伯克贝克学院计算机科学与数学学院） 纠错

AI总结 本文提出了一种通过下一个标记预测实现任意比例特征压缩的框架，解决了传统方法在灵活性和通用性上的不足，通过引入混合解决方案和实体关系图约束模块，提升了压缩特征的质量和鲁棒性。

Credit Where It is Due: Cross-Modality Connectivity Drives Precise Reinforcement Learning for MLLM Reasoning

应得之 credit：跨模态连接驱动精确强化学习用于 MLLM 推理

Zhengbo Jiao, Shaobo Wang, Zifan Zhang, Wei Wang, Bing Zhao, Hu Wei, Linfeng Zhang

机构 * AI DATA, Alibaba Group Holding Limited（阿里数据，阿里巴巴集团控股有限公司） ； EPIC Lab, SJTU（EPIC实验室，上海交通大学） 纠错

AI总结 通过跨模态连接驱动精确强化学习，提升多模态大语言模型的推理能力，仅引入1.2%开销即超越基线模型。

Comments 20pages

Towards Compressive and Scalable Recurrent Memory

面向压缩和可扩展的递归记忆

Yunchong Song, Jushi Kai, Liming Lu, Kaixi Qiu, Zhouhan Lin

机构 * LUMIA Lab（LUMIA实验室） ； School of Artificial Intelligence（人工智能学院） ； Shanghai Jiao Tong University（上海交通大学） ； Shanghai Artificial Intelligence Laboratory（上海人工智能实验室） ； Shanghai Innovation Institute（上海创新研究院） 纠错

AI总结 Elastic Memory通过引入基于HiPPO框架的新型记忆架构，在长上下文任务中实现了更高效的压缩和可扩展性，优于现有方法。

Labels or Preferences? Budget-Constrained Learning with Human Judgments over AI-Generated Outputs

标签还是偏好？在AI生成输出上的人类判断下的预算受限学习

Zihan Dong, Xiaotian Hou, Ruijia Wu, Linjun Zhang

机构 * Rutgers University（罗切斯特大学） ； University of Pennsylvania（宾夕法尼亚大学） ； Shanghai Jiao Tong University（上海交通大学） 纠错

AI总结 本文提出PCAL方法，通过半参数推断框架解决AI生成输出中预算受限学习问题，提供统计高效且鲁棒的估计器。

MemRL: Self-Evolving Agents via Runtime Reinforcement Learning on Episodic Memory

MemRL: 通过运行时强化学习在事件记忆上实现自我进化代理

Shengtao Zhang, Jiaqian Wang, Ruiwen Zhou, Junwei Liao, Yuchen Feng, Zhuo Li, Yujie Zheng, Weinan Zhang, Ying Wen, Zhiyu Li, Feiyu Xiong, Yutao Qi, Bo Tang, Muning Wen

机构 * Shanghai Jiao Tong University, Shanghai, China（上海交通大学） ； Xidian University, Xi'an, China（西安电子科技大学） ； National University of Singapore, Singapore（新加坡国立大学） ； Shanghai Innovation Institute, Shanghai, China（上海创新研究院） ； MemTensor (Shanghai) Technology Co., Ltd., Shanghai, China（MemTensor（上海）科技有限公司） ； University of Science and Technology of China, Hefei, China（中国科学技术大学） 纠错

AI总结 MemRL通过运行时强化学习在事件记忆上实现自我进化，解决稳定性与可塑性矛盾，实现持续改进。

Comments 41 pages, 11 figures

CT Synthesis with Conditional Diffusion Models for Abdominal Lymph Node Segmentation

基于条件扩散模型的CT合成用于腹部淋巴结分割

Yongrui Yu, Hanyu Chen, Zitian Zhang, Qiong Xiao, Wenhui Lei, Linrui Dai, Yu Fu, Hui Tan, Guan Wang, Peng Gao, Xiaofan Zhang

机构 * Shanghai Jiao Tong University, Shanghai, China（上海交通大学） ； Department of Surgical Oncology and General Surgery, Key Laboratory of Precision Diagnosis and Treatment of Gastrointestinal Tumors, Ministry of Education, The First Hospital of China Medical University, Shenyang, China（外科肿瘤科和普通外科，精准诊断与治疗胃肠肿瘤国家重点实验室，教育部，中国医科大学第一附属医院，沈阳，中国） ； Department of Radiology, The First Hospital of China Medical University, Shenyang, China（放射科，中国医科大学第一附属医院，沈阳，中国） ； Shanghai AI Laboratory, Shanghai, China（上海人工智能实验室，上海，中国） 纠错

AI总结 本文提出LN-DDPM模型，通过条件扩散模型生成腹部淋巴结数据，提升分割性能。