高校专区
适应的盲区：量化和缓解在微调驾驶模型中的遗忘
机构 * AutoLab, School of Artificial Intelligence, Shanghai Jiao Tong University（上海交通大学人工智能学院AutoLab实验室）
AI总结 本文首次系统研究驾驶模型中灾难性遗忘问题，提出Drive Expert Adapter框架，通过提示空间适应提升驾驶性能并保留通用能力。
Comments received by cvpr2026
InfBaGel: 基于动态感知和迭代细化的人-物体-场景交互生成
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） ； Sichuan University（四川大学） ； Shenzhen University（深圳大学） ； The University of Hong Kong（香港大学）
AI总结 本文提出一种粗到细的指令条件交互生成框架，结合一致性模型的迭代去噪过程，通过动态感知策略和 bump-aware 指导减少物理伪影，提升 HOSI 和 HOI 生成性能。
Comments ICLR 2026
不完整多视图多标签分类 via 共享代码本和融合教师自蒸馏
机构 * College of Information Engineering, Shanghai Maritime University（上海海事大学信息工程学院） ； 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）
AI总结 本文提出一种结构化机制，通过多视图共享代码本和跨视图重建学习一致表示，并设计权重估计方法和融合教师自蒸馏框架，以提升缺失标签条件下的模型泛化能力。
FLEG：通过紧凑语义表示从任意视角进行前馈语言嵌入高斯散射
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）
AI总结 FLEG通过几何-语义双分支蒸馏框架，实现从任意多视角图像灵活重建语言嵌入3D高斯，减少语义冗余并提升存储效率。
Comments Project page: https://fangzhou2000.github.io/projects/fleg
当AI代理在线合谋：社交平台上基于协作LLM代理的金融欺诈风险
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） ； Beihang University（北京航空航天大学）
AI总结 研究大型多代理系统中集体金融欺诈的风险，通过MultiAgentFraudBench基准测试分析欺诈行为协作机制及影响因素，提出内容警告、LLM监控和群体韧性提升等缓解策略。
Comments ICLR 2026, Code is available at https://github.com/zheng977/MutiAgent4Fraud
MSDformer：多尺度离散Transformer用于时间序列生成
机构 * Nanyang Technological University（南洋理工大学） ； Shenzhen International Graduate School, Tsinghua University（清华大学深圳国际研究生院） ； Tencent（腾讯） ； Peng Cheng Laboratory（鹏城实验室） ； Institute of Microelectronics, Chinese Academy of Sciences（中国科学院微电子研究所） ； University of Chinese Academy of Sciences（中国科学院大学） ； School of Artificial Intelligence, Shanghai Jiao Tong University（上海交通大学人工智能学院）
AI总结 MSDformer通过多尺度离散Transformer方法，解决传统DTM在捕捉复杂时间序列多尺度特征和理论指导方面的不足，提升生成质量。
CoopGuard：基于协作代理的有状态多轮防御框架用于抵御LLM的演变攻击
机构 * School of Computer Science, Shanghai Jiao Tong University（上海交通大学计算机科学与工程学院） ； Department of Computer Science, University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校计算机科学系） ； Big Data Institute, Central South University（中南大学大数据研究院）
AI总结 本文提出CoopGuard，通过协作代理维护和更新内部防御状态，有效应对多轮演变攻击。实验显示其在攻击成功率、欺骗率和攻击效率上均优于现有方法。
实时神经六方向光图
机构 * Shanghai Jiao Tong University（上海交通大学） ； LIGHTSPEED ； Tsinghua University（清华大学）
AI总结 本文提出神经六方向光图方法，通过生成指导图和训练神经网络，实现动态与视觉真实性的平衡，支持实时交互和烟雾效果渲染。
Comments 11 Pages, 16 Figures
ResGuard: 提高深度水印在已知原始攻击下的鲁棒性
机构 * Shanghai Jiao Tong University（上海交通大学） ； University of Science and Technology of China（中国科学技术大学） ； National University of Singapore（新加坡国立大学）
AI总结 本文提出ResGuard模块，通过增强图像依赖性来提升对已知原始攻击的鲁棒性，使水印提取准确率从59.87%提升至99.81%。
TableVision：一种大规模基准，用于复杂分层表格上的空间感知推理
机构 * The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）） ； The Hong Kong University of Science and Technology（香港科技大学） ； The Chinese University of Hong Kong（香港中文大学） ； Shanghai Jiao Tong University（上海交通大学）
AI总结 本文提出TableVision基准，通过量化分析发现复杂表格推理中的感知瓶颈，引入轨迹感知的分层任务分类，结合确定性接地流程生成6799条高保真推理轨迹，提升多模态大语言模型的空间推理能力。
LOGER：用于野外鲁棒深度伪造检测的局部-全局集成
机构 * Shanghai Jiao Tong University（上海交通大学） ； INTSIG Information（INTSIG信息）
AI总结 LOGER通过局部-全局集成框架提升深度伪造检测鲁棒性，利用多尺度视觉基础模型捕捉全局异常，结合多实例学习策略提取局部伪造痕迹，有效应对真实世界退化。
Comments 2nd place (out of 94 teams) in the NTIRE 2026 Robust Deepfake Detection Challenge
HEDGE：异构集成用于野外AI生成图像检测
机构 * Shanghai Jiao Tong University（上海交通大学） ； INTSIG Information（INTSIG信息）
AI总结 本文提出HEDGE，通过异构集成方法提升野外AI生成图像检测的鲁棒性，采用多轴互补检测路线，包括多样化训练数据、多尺度特征提取和骨干网络异构性，实现高精度检测。
Comments 4th place (out of 193 teams) in the NTIRE 2026 Robust AI-Generated Image Detection in the Wild Challenge
超越静态视觉：场景动态场解锁多模态大语言模型中的直观物理理解
机构 * Shanghai Jiao Tong University（上海交通大学） ； Tianjin University（天津大学） ； Shanghai Innovation Institute（上海创新研究院）
AI总结 研究探讨多模态大语言模型在物理理解上的不足，提出Scene Dynamic Field方法提升对连续物体动态的理解能力，实现20.7%的改进并展现良好的泛化能力。
个性化联邦蒸馏辅助车辆边缘缓存策略
机构 * School of Internet of Things Engineering, Jiangnan University（江南大学物联网工程学院） ； Department of Electronic Engineering, State Key laboratory of Space Network and Communications, Beijing National Research Center for Information Science and Technology, Tsinghua University（清华大学电子工程系、空间网络与通信国家重点实验室、北京信息科学与技术国家研究中心） ； Department of Computer Science, Brunel University（布鲁内尔大学计算机科学系） ； Department of Electronic Engineering, Shanghai JiaoTong University（上海交通大学电子工程系） ； School of Internet of Things Engineering, Wuxi Institute of Technology（无锡职业技术学院物联网工程学院）
AI总结 本文提出一种个性化联邦蒸馏辅助车辆边缘缓存策略，以解决传统联邦学习在通信开销和训练稳定性方面的不足，通过预测用户兴趣内容来减少延迟。
Comments This paper has been accepted by IEEE International Conference on Radio Frequency and Antenna Technologies. The source code has been released at: https://github.com/qiongwu86/Federated-Distillation-Assisted-Vehicle-Edge-Caching-Scheme-Based-on-Lightweight-DDPM
解耦世界模型：从干扰视频中学习转移语义知识以用于强化学习
机构 * MoE Key Lab of Artificial Intelligence, AI Institute, Shanghai Jiao Tong University（上海交通大学人工智能研究院教育部人工智能重点实验室） ； Ningbo Institute of Digital Twin, Eastern Institute of Technology, Ningbo, China（东方理工高等研究院宁波数字孪生研究院） ； Ningbo Key Laboratory of Spatial Intelligence and Digital Derivative, Ningbo, China（宁波市空间智能与数字衍生重点实验室） ； University of Chinese Academy of Sciences（中国科学院大学） ； Shenyang Institute of Computing Technology, Chinese Academy of Sciences（中国科学院沈阳计算技术研究所） ； Shenyang CASNC Technology Co., Ltd（沈阳中科数控技术股份有限公司）
AI总结 本文提出了解耦世界模型，通过离线到在线的潜在蒸馏和灵活解耦约束，从干扰视频中学习语义知识，提升强化学习的样本效率。
Comments Accepted by ICCV 2025. Project page: https://qiwang067.github.io/diswm
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