Shanghai Jiao Tong University（上海交通大学）

S2D: Sparse to Dense Lifting for 3D Reconstruction with Minimal Inputs

S2D：基于稀疏到密集的3D重建方法，使用最少输入

Yuzhou Ji, Qijian Tian, He Zhu, Xiaoqi Jiang, Guangzhi Cao, Lizhuang Ma, Yuan Xie, Xin Tan

机构 * Shanghai Jiao Tong University（上海交通大学） ； East China Normal University（华东师范大学） ； Shanghai Artificial Intelligence Laboratory（上海人工智能实验室） ； Chery Automobile（奇瑞汽车） 纠错

AI总结 S2D通过稀疏到密集的提升方法，在最少输入下实现高质量的3DGS重建，提升稀疏点云和3DGS的一致性与稳定性。

Does LLM Alignment Really Need Diversity? An Empirical Study of Adapting RLVR Methods for Moral Reasoning

LLM对齐真的需要多样性吗？对道德推理适应RLVR方法的实证研究

Zhaowei Zhang, Xiaohan Liu, Xuekai Zhu, Junchao Huang, Ceyao Zhang, Zhiyuan Feng, Yaodong Yang, Xiaoyuan Yi, Xing Xie

机构 * Institute for Artificial Intelligence, Peking University（北京大学人工智能研究院） ； Microsoft Research（微软研究院） ； University of Michigan（密歇根大学） ； Shanghai Jiao Tong University（上海交通大学） ； CUHKSZ（香港中文大学（深圳）） ； THU（清华大学） 纠错

AI总结 本文通过实证研究发现，LLM对齐任务并不需要多样性算法，标准奖励最大化RLVR方法在道德推理中同样有效。

Learning to Wander: Improving the Global Image Geolocation Ability of LMMs via Actionable Reasoning

学习漫游：通过可操作推理提升LMMs的全球图像地理定位能力

Yushuo Zheng, Huiyu Duan, Zicheng Zhang, Xiaohong Liu, Xiongkuo Min

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） 纠错

AI总结 通过可操作推理提升LMMs的全球图像地理定位能力，提出GeoAoT框架和WanderBench基准，实现交互式地理定位探索。

On the Learning Dynamics of Two-layer Linear Networks with Label Noise SGD

关于带有标签噪声的两层线性网络学习动态的研究

Tongcheng Zhang, Zhanpeng Zhou, Mingze Wang, Andi Han, Wei Huang, Taiji Suzuki, Junchi Yan

机构 * Sch. of Computer Science and Zhiyuan College, Shanghai Jiao Tong University（上海交通大学计算机科学学院和智远学院） ； Peking University（北京大学） ； University of Sydney（悉尼大学） ； RIKEN Center for Advanced Intelligence Project（理化学研究所先进智能项目中心） ； The Institute of Statistical Mathematics（统计数学研究所） ； The University of Tokyo（东京大学） 纠错

AI总结 研究揭示了带有标签噪声的两层线性网络学习动态的两阶段行为，展示了标签噪声在促进模型从懒惰范式向丰富范式过渡中的关键作用，并扩展至更广泛的优化算法。

Comments Accepted to AAAI 2026(oral)

FreeFly-Thinking : Aligning Chain-of-Thought Reasoning with Continuous UAV Navigation

自由飞行-思考：将链式推理对齐连续无人机导航

Jiaxu Zhou, Shaobo Wang, Zhiyuan Yang, Zhenjun Yu, Tao Li

机构 * SJTU Paris Elite Institute of Technology（上海交通大学巴黎精英理工学院） ； Shanghai Jiao Tong University（上海交通大学） ； Tongji University（同济大学） 纠错

AI总结 FreeFly-thinking是一种端到端的无人机视觉-语言导航框架，通过链式推理提升导航性能，实现了在复杂户外环境中的高效导航。

Comments 10 pages, 5 figures, ECCV review

AdaPonderLM: Gated Pondering Language Models with Token-Wise Adaptive Depth

AdaPonderLM: 带令牌级自适应深度的门控沉思语言模型

Shixiang Song, He Li, Zitong Wang, Boyi Zeng, Feichen Song, Yixuan Wang, Zhiqin John Xu, Ziwei He, 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 AI Laboratory（上海人工智能实验室） ； Sun Yat-sen University（中山大学） ； Shanghai Innovation Institute（上海创新研究院） 纠错

AI总结 AdaPonderLM通过自适应深度和令牌级门控机制，在保持语言建模性能的同时减少推理计算，实现高效自监督训练。

Beyond Max Tokens: Stealthy Resource Amplification via Tool Calling Chains in LLM Agents

超越最大令牌：通过工具调用链实现隐秘的资源放大

Kaiyu Zhou, Yongsen Zheng, Yicheng He, Meng Xue, Xueluan Gong, Yuji Wang, Xuanye Zhang, Kwok-Yan Lam

机构 * Nanyang Technological University, Singapore（南洋理工大学，新加坡） ； University of Illinois Urbana-Champaign, United States（伊利诺伊大学厄巴纳-香槟分校，美国） ； The Hong Kong University of Science and Technology, Hong Kong（香港科学与技术大学，香港） ； Shanghai Jiao Tong University, China（上海交通大学，中国） 纠错

AI总结 本文提出了一种基于工具调用链的隐秘DoS攻击，通过多轮交互显著提升LLM的资源消耗，挑战现有安全防护机制。

Enhanced Continual Learning of Vision-Language Models with Model Fusion

增强视觉-语言模型的持续学习与模型融合

Haoyuan Gao, Zicong Zhang, Yuqi Wei, Linglan Zhao, Guilin Li, Yexin Li, Bo Wang, Linghe Kong, Weiran Huang

机构 * Shanghai Jiao Tong University（上海交通大学） ； Shanghai Innovation Institute（上海创新研究院） ； State Key Laboratory of General Artificial Intelligence, BIGAI（国家一般人工智能重点实验室，BIGAI） ； Tencent（腾讯） 纠错

AI总结 本文提出ConDU方法，通过模型融合解决VLMs在持续学习中的灾难性遗忘问题，提升零样本性能和多任务表现。

Comments Published as a conference paper at ICLR 2026