高校专区
Jano：具有早期阶段收敛意识的自适应扩散生成
机构 * Shanghai Jiaotong University（上海交通大学） ； Shanghai AI Laboratory（上海人工智能实验室） ； Tsinghua University（清华大学）
AI总结 Jano通过自适应区域感知生成方法，提升扩散模型的生成效率，实现2.0至2.4倍的加速，同时保持生成质量。
视觉标记究竟编码了什么？揭示多模态大语言模型中的稀疏性与冗余性
机构 * Institute of Digital Twin, Eastern Institute of Technology（数字孪生研究所，东部技术研究所） ； Ningbo Key Laboratory of Spatial Intelligence and Digital Derivative（宁波空间智能与数字衍生关键实验室） ； Shanghai Jiao Tong University（上海交通大学） ； The Hong Kong Polytechnic University（香港理工大学）
AI总结 本研究揭示多模态大语言模型中视觉标记的稀疏性与冗余性，通过EmbedLens工具发现活跃标记在进入模型前已编码细粒度信息，并提出中层注入方法提升效率。
Comments Accepted by CVPR2026
LifeEval: 一种面向日常生活中自体视角的多模态基准，用于辅助AI
机构 * Shanghai Artificial Intelligence Laboratory（上海人工智能实验室） ； Shanghai Jiao Tong University（上海交通大学） ； East China Normal University（华东师范大学） ； Shanghai University of Electric Power（上海电力大学）
AI总结 LifeEval 是一个面向日常生活中自体视角的多模态基准，用于评估实时任务导向的人机协作，揭示了在动态环境中实现有效交互的挑战。
U-VLM：用于报告生成的分层视觉语言模型
机构 * Medical Image Insights Co. Ltd.（医疗影像洞察有限公司） ； Shanghai Jiao Tong University（上海交通大学）
AI总结 U-VLM通过分层视觉语言建模在CT-RATE和AbdomenAtlas 3.0上实现了最先进的报告生成性能，展示了精心设计的视觉编码器预训练的重要性。
DreamWorld: 视频生成中的统一世界建模
机构 * University of Science（科学技术大学） ； Shanghai Jiao Tong University, Shanghai, China.（上海交通大学） ； Nanjing University, Suzhou, China.（南京大学）
AI总结 DreamWorld通过联合世界建模范式和约束退火技术，提升视频生成的世界一致性，优于现有方法。
MuonRec: 在可扩展生成推荐中超越Adam的优化器范式
机构 * Shanghai Jiao Tong University（上海交通大学）
AI总结 MuonRec通过引入Muon优化器提升可扩展生成推荐系统的训练效率和排名质量，优于Adam/AdamW基线。
Comments Under Review
突破内存瓶颈：支持百万级上下文的高效训练系统
机构 * Key Laboratory of Multimedia Trusted Perception and Efficient Computing Ministry of Education of China（教育部多媒体可信感知与高效计算重点实验室） ； Xiamen University（厦门大学） ； Peking University（北京大学） ； University of Illinois Urbana-Champaign（伊利诺伊大学香槟分校） ； Shanghai Jiao Tong University（上海交通大学） ； Shanghai AI Laboratory（上海人工智能实验室）
AI总结 OOMB通过高效内存管理实现百万级上下文LLM训练，显著降低内存开销，提升训练效率。
DiSRouter: 分布式自路由用于大语言模型选择
机构 * X-LANCE Lab, School of Computer Science, Shanghai Jiao Tong University, Shanghai, China（上海交通大学计算机科学系X-LANCE实验室） ； Shanghai Innovation Institution, Shanghai, China（上海创新机构） ； Jiangsu Key Lab of Language Computing, Suzhou, China（江苏省语言计算重点实验室） ； AISpeech Co., Ltd., Suzhou, China（AISpeech公司） ； Suzhou Laboratory, Suzhou, China（苏州实验室）
AI总结 DiSRouter通过分布式自路由机制，利用LLM的自我认知能力，实现更灵活、可扩展的多代理系统。
UniFlow：一种统一的像素流标记器用于视觉理解和生成
机构 * Shanghai Jiao Tong University（上海交通大学） ； Shanghai AI Laboratory（上海人工智能实验室） ； Beihang University（北京航空航天大学） ； Shenzhen Key Lab of Computer Vision and Pattern Recognition, Shenzhen Institutes of Advanced Technology, Chinese Academy of Sciences（深圳计算机视觉与模式识别重点实验室，深圳先进技术研究院，中国科学院） ； Nanjing University（南京大学） ； University of Science and Technology of China（中国科学技术大学） ； School of Artificial Intelligence, University of Chinese Academy of Sciences（中国科学院大学人工智能学院）
AI总结 UniFlow是一种统一的像素流标记器，通过灵活适配视觉编码器和轻量级解码器，在视觉理解和生成任务中实现了性能的双赢。
Comments ICLR 2026
连接感知与规划：面向信号时序逻辑任务的端到端规划
机构 * School of Automation & Intelligent Sensing, Shanghai Jiao Tong University（自动化与智能感知学院，上海交通大学） ； University of Minnesota, Twin Cities（明尼苏达大学，双城分校） ； School of Information Science and Technology, University of Science and Technology of China（信息科学与技术学院，中国科学技术大学）
AI总结 本文提出了一种端到端的STL规划器，通过结构感知的混合专家模型，实现对信号时序逻辑任务的高效规划与执行。
FastAvatar: 向统一且快速的3D人像重建迈进：基于大高斯重建变换器
机构 * Tongji University（同济大学） ； Shanghai Innovation Institute（上海创新研究院） ； Shanghai Jiao Tong University（上海交通大学） ； AKool
AI总结 FastAvatar通过大高斯重建变换器实现快速且统一的3D人像重建，利用多种输入数据提升重建质量和效率。
CineTrans: 通过掩码扩散模型学习生成具有电影过渡的视频
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）
AI总结 CineTrans通过掩码扩散模型生成具有电影风格的多镜头视频，利用镜头边界与注意力图的对应关系，实现稳定且高质量的视频过渡。
Comments ICLR2026 Accept; Project Page:https://uknowsth.github.io/CineTrans/
通过渐进式概念构建推进复杂视频对象分割
机构 * Shanghai Jiao Tong University（上海交通大学） ； Shanghai Innovation Institute（上海创新研究院） ； Shanghai Artificial Intelligence Laboratory（上海人工智能实验室） ； The Chinese University of Hong Kong（香港中文大学） ； Harbin Institute of Technology（哈尔滨工业大学） ； CPII under InnoHK（InnoHK下的CPII）
AI总结 SeC通过渐进式概念构建方法，在复杂视频对象分割任务中实现了显著性能提升，特别是在语义复杂场景下的表现优于现有方法。
Comments project page: https://rookiexiong7.github.io/projects/SeC/ ; code: https://github.com/OpenIXCLab/SeC ; dataset: https://huggingface.co/datasets/OpenIXCLab/SeCVOS
OmniSpatial：迈向视觉语言模型的空间推理综合基准
机构 * Tsinghua University（清华大学） ； Xian Jiaotong University（西安交通大学） ； Shanghai Jiao Tong University（上海交通大学） ； Galbot ； Peking University（北京大学） ； Shanghai Qi Zhi Institute（上海启智研究院）
AI总结 OmniSpatial是一个基于认知心理学的综合性空间推理基准，通过动态推理、复杂空间逻辑等四个类别，评估视觉语言模型在空间推理上的能力与局限。
Comments ICLR 2026
Tru-POMDP：通过假设树和开放性POMDPs在不确定性下进行任务规划
机构 * Shanghai Jiao Tong University（上海交通大学） ； Shanghai Innovation Institute（上海创新研究院） ； East China Normal University（华东师范大学） ； Beijing University of Posts and Telecommunications（北京邮电大学）
AI总结 Tru-POMDP通过结合LLM生成的信念与开放性POMDP规划，有效应对任务规划中的不确定性，提升规划效率与鲁棒性。
WorldSense: 评估多模态大语言模型的现实世界多模态理解
机构 * Xiaohongshu Inc.（小红书公司） ； Shanghai Jiao Tong University（上海交通大学）
AI总结 WorldSense是首个评估多模态大语言模型现实世界多模态理解能力的基准，通过多模态协作、多样化视频任务和高质量标注，全面评估模型在复杂场景中的表现。
Comments Accepted by ICLR2026
电动汽车用户充电行为分析：整合心理和环境因素：一种基于统计驱动的LLM代理方法
机构 * School of Electrical Engineering, Shanghai Jiaotong University（上海交通大学电气工程学院） ； School of Electrical and Electronic Engineering, Nanyang Technological University（南洋理工大学电子与电气工程学院） ； Psychological Consultation Center, East China University of Political Science and Law（中国政法大学政治学与法律系心理咨询中心） ； School of Electrical and Information Engineering, Tianjin University（天津大学电气与信息工程学院）
AI总结 本文提出一种基于统计驱动LLM的代理方法，整合心理和环境因素分析电动汽车用户充电行为，揭示行为异质性及决策影响因素。
Comments Accepted for publication in CSEE Journal of Power and Energy Systems
视频帧插值中的速度歧义消除
机构 * School of Artificial Intelligence, Shanghai Jiao Tong University（上海交通大学人工智能学院） ； Cornell University（康奈尔大学） ； Shanghai Artificial Intelligence Laboratory（上海人工智能实验室） ； OtoNexus Medical Technologies（OtoNexus医疗科技公司） ； Snap Inc（Snap公司）
AI总结 本文提出距离索引方法，通过显式提示对象移动距离来提升视频帧插值的精度和质量。
Comments ECCV2024 Oral; TPAMI
CT-Flow: 通过模型上下文协议服务器协调CT解释工作流
机构 * Qing Yuan Research Institute, Shanghai Jiao Tong University, Shanghai, China（清元研究院，上海交通大学，上海，中国） ； Shanghai Innovation Institute, Shanghai, China（上海创新研究院，上海，中国） ； Sensetime Research, Shanghai, China（senseTime研究院，上海，中国）
AI总结 CT-Flow通过模型上下文协议实现3D CT解释工作流的动态协调，提升诊断准确性和工具调用效率。
Comments submitting to ACL 2026
SimpleTool: 并行解码用于实时大语言模型功能调用
机构 * Shanghai Jiao Tong University, Shanghai, China（上海交通大学） ； Shanghai Innovation Institute, Shanghai, China（上海创新研究院） ； Fudan University, Shanghai, China（复旦大学）
AI总结 SimpleTool通过并行解码技术实现大语言模型功能调用的实时加速，提升效率并降低延迟，适用于实时应用场景。
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