高校专区
SemanticVocoder: 通过语义潜在空间弥合音频生成与音频理解
机构 * Peking University（北京大学） ； Tencent AI Lab（腾讯AI实验室） ； Shanghai AI Lab（上海AI实验室） ； SJTU（上海交通大学）
AI总结 SemanticVocoder通过引入语义潜在空间，实现了音频生成与理解的统一，提升了生成性能并推动了共享语义空间的研究。
Comments Demo: https://zeyuxie29.github.io/SemanticVocoder/
SettleFL：去中心化和可扩展的联邦学习奖励结算协议（扩展版）
机构 * Shanghai Jiao Tong University（上海交通大学） ； Queen's University Belfast（女王大学 Belfast分校） ； National University of Singapore（新加坡国立大学）
AI总结 SettleFL是一种去中心化且可扩展的奖励结算协议，通过优化链上成本和提供即时最终性，解决联邦学习中高频率训练与区块链成本的冲突问题。
深入探讨图像分类中的对抗迁移性：综述、基准测试与评估
机构 * HUST（华中科技大学） ； Xidian University（西安电子科技大学） ； Wuhan University（武汉大学） ； HFUT（合肥工业大学） ； SJTU（上海交通大学）
AI总结 本文通过综述和基准测试，探讨图像分类中对抗迁移性的问题，提出评估框架并分析提升迁移性的策略及潜在问题。
Comments Code is available at https://github.com/Trustworthy-AI-Group/TransferAttack
拒绝混合：用于高效DLLM推理的快速语义传播掩码标记
机构 * Cooperative Medianet Innovation Center, Shanghai Jiao Tong University（上海交通大学联合中位网创新中心，上海交通大学） ； School of Artificial Intelligence, Shanghai Jiao Tong University（上海交通大学人工智能学院）
AI总结 ReMix通过在离散扩散解码过程中引入连续混合状态，实现高效DLLM推理，提升速度同时保持质量。
SoPE: 基于球坐标的位置嵌入：增强3D大视觉-语言模型的空间感知
机构 * University of Macau（澳门大学） ； University of Science and Technology of China（中国科学技术大学） ； Shanghai Jiaotong University（上海交通大学） ； Hefei University of Technology（合肥工业大学） ； National University of Singapore（新加坡国立大学）
AI总结 SoPE通过基于球坐标的位置嵌入提升3D LVLMs的空间感知能力，结合多尺度频率混合策略，增强几何表示的一致性和表达性。
Comments CVPR 2026
通过马尔可夫链视角控制GFlowNets中的探索-利用
机构 * LUMIA Lab, School of Artificial Intelligence, SJTU（LUMIA实验室，人工智能学院，上海交通大学） ； School of Mathematical Sciences, SJTU（数学科学学院，上海交通大学） ； Shanghai Advanced Institute of Finance, SJTU（上海先进金融研究院，上海交通大学） ； School of Computer Science, SJTU（计算机科学学院，上海交通大学） ； Shanghai AI Laboratory（上海人工智能实验室） ； Shanghai Innovation Institute（上海创新研究院） ； Shanghai Center for Data Science, NYU Shanghai（上海数据科学中心，纽约大学上海学院） ； NYU-ECNU Institute of Mathematical Sciences, NYU Shanghai（纽约大学-华东师范大学数学科学研究院，纽约大学上海学院）
AI总结 通过引入可调参数$α$，$α$-GFNs改进了GFlowNets的探索-利用平衡，提升了模式发现能力。
揭示推理过程：一种评估大语言模型结构性数学推理的过程感知基准
机构 * Alibaba Group（阿里巴巴集团） ； Shanghai Jiao Tong University（上海交通大学）
AI总结 本文提出ReasoningMath-Plus基准，通过过程感知评估方法揭示大语言模型在结构性数学推理中的不足，引入HCRS评分函数和过程奖励模型，发现仅答案指标可能高估推理能力。
Comments 8 pages, and 3 figures
LayerT2V: 一个统一的多层视频生成框架
机构 * Shanghai Jiao Tong University（上海交通大学） ； Hong Kong Polytechnic University（香港理工大学） ； OPPO Research Institute（OPPO研究院） ； Nanjing University（南京大学） ； Shanghai Innovation Institute（上海创新研究院）
AI总结 LayerT2V通过统一的多层视频生成框架，实现了多层输出并提升了视频生成的语义一致性和时间一致性。
Comments Project Page is https://layert2v.github.io/
RAIN-Merging: 一种无梯度方法，用于在保持推理格式的前提下提升大推理模型的指令遵循能力
机构 * Institute of Image Processing and Pattern Recoginition, School of Automation and Intelligent Sensing, Shanghai Jiao Tong University（图像处理与模式识别研究所，自动化与智能感知学院，上海交通大学） ； The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）） ； MoE Key Laboratory of System Control and Information Processing (Shanghai)（系统控制与信息处理国家重点实验室（上海））
AI总结 RAIN-Merging通过无梯度方法提升大推理模型的指令遵循能力，同时保持推理格式和性能。
Comments 41 pages, ICLR 2026 Oral
DICArt: 在离散状态空间中推进类别级拟合物体姿态估计
机构 * University of Science and Technology of China（中国科学技术大学） ； Shanghai Jiao Tong University（上海交通大学） ； Zhejiang University（浙江大学） ； East China Normal University（华东师范大学） ； Peking University（北京大学） ； Emory University（埃默里大学） ； Hefei University of Technology（合肥工业大学） ； Jianghuai Advance Technology Center（江淮先进技术中心） ； Anhui Provincial Key Laboratory of Humanoid Robots（安徽省人形机器人重点实验室）
AI总结 DICArt通过离散扩散过程和层次化运动学耦合策略，提升复杂环境下类别级6D姿态估计的可靠性。
迈向无缝交互：交互式3D对话头部动力学的因果回合级建模
机构 * HFUT（合肥工业大学） ； IAI, Hefei Comprehensive National Science Center（人工智能研究院，合肥综合性国家科学中心） ； USTC（中国科学技术大学） ； SJTU（上海交通大学） ； TeleAI, China Telecom（TeleAI，中国电信） ； NWPU（西北工业大学） ； UAEU（阿联酋大学） ； AHPU（安徽大学）
AI总结 TIMAR通过因果回合级建模，实现了交互式3D对话头部动态的高效生成，提升了对话的表达性和时序一致性。
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