高校专区
SciMIF：理解科学领域中的多模态指令遵循
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）
AI总结 本研究提出用于评估多模态大语言模型科学指令遵循能力的SciMIF基准，揭示模型在科学领域性能差异及规模提升未对应改善约束遵循等问题，填补相关评估空白。
Comments 21pages, 9 figures, 16 tables
明智选择博弈：测量现实世界车辆交互中的博弈论结构
机构 * 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） ； School of Airspace Science and Engineering, Shandong University（山东大学空天科学与工程学院） ； Global Institute of Future Technology, Shanghai Jiao Tong University（上海交通大学未来技术全球研究院） ； Global College, Shanghai Jiao Tong University（上海交通大学全球学院）
AI总结 本文开发了基于轨迹的交互测量框架，在六个现实世界车辆轨迹数据集上验证，发现现实车辆交互有并发、顺序等结构，不同博弈论模型是互补而非通用的建模抽象。
Comments 8 pages, 3 figures, 3 tables
MA-VLA：用于协作与组合泛化的多臂视觉-语言-动作模型
机构 * Dalian University of Technology（大连理工大学） ； University of Oxford（牛津大学） ； Sun Yat-sen University（中山大学） ； 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） ； The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳）） ； Beihang University（北京航空航天大学）
AI总结 MA-VLA通过将协作行为分解为原子提示并引入Arm Shuffle训练方法，解决了多臂VLA模型的协作泛化问题，在未见过的协作模式下表现优于现有模型。
Comments ECCV 2026
THA-Flow生成模型：基于术前CT的假体几何预测
机构 * Changzhou Jinse Medical Information Technology Co., Ltd.（常州金色医疗信息技术有限公司） ； Shanghai Ninth People’s Hospital, Shanghai Jiao Tong University School of Medicine（上海交通大学医学院附属第九人民医院）
AI总结 本研究提出THA-Flow生成模型，通过AutoencoderKL和三维UNet从术前CT生成三维假体几何，在1355个髋关节数据上验证，实现了THA三维手术规划的生成式AI首次应用。
Comments 17 pages, 7 figures, 2 tables
TacForcing：结合执行时触觉反馈的流式动作生成
机构 * School of Computer Science, SJTU（上海交通大学计算机科学学院） ； SCUT（华南理工大学） ； ECUST（华东理工大学） ； ECNU（华东师范大学） ； PolyU（香港理工大学） ； CCUT（长春工业大学） ； UESTC（电子科技大学） ； HUST（华中科技大学）
AI总结 本文提出TacForcing框架，通过流式动作专家结合执行时触觉反馈，并引入EATA减少时间不匹配，在模拟和真实接触操纵任务中均优于基线方法。
Comments 15 pages, 6 figures
面向台风阵风短期预测的频率感知预测方法
机构 * School of Artificial Intelligence, Hubei University（湖北大学人工智能学院） ； School of Economics and Management, Wuhan University（武汉大学经济与管理学院） ； School of Electrical Engineering, Shanghai Jiao Tong University（上海交通大学电气工程学院）
AI总结 针对台风阵风短期预测难题，提出整合平稳小波分解等模块的WDANet框架，以西太平洋近海区域为对象验证，其在24小时预测时域的短提前期预测中精度优于ECMWF-HRES，可应用于海上风电等场景。
Video-IFBench：评估多模态大语言模型在视频理解场景中的指令遵循能力
机构 * TJU（天津大学） ； Tencent Youtu Lab（腾讯优图实验室） ； SJTU（上海交通大学） ； Tencent Hunyuan（腾讯混元） ； CUHK（香港中文大学） ； NTU（南洋理工大学）
AI总结 本文推出Video-IFBench基准，构建含四类模板的指令分类体系与半自动数据 pipeline，评估20余种MLLMs的视频指令遵循能力，发现当前模型在复杂指令上仍具挑战，推动相关研究。
PAGS：基于声速自适应高斯溅射的光声断层扫描自动聚焦
机构 * Shanghai Jiao Tong University（上海交通大学） ； Peking University（北京大学） ； National Biomedical Imaging Center（国家生物医学成像中心） ； Academy for Advanced Interdisciplinary Studies, Peking University（北京大学前沿交叉学科研究院） ； PKU–Nanjing Institute of Translational Medicine（北京大学南京转化医学研究院）
AI总结 PAGS是基于声速自适应高斯溅射的可微分框架，无需声速先验，通过联合优化高斯光声源与声速场，提升了异质介质下光声断层扫描的重建清晰度与稀疏视图鲁棒性，且计算效率更高。
Comments 13 pages, 6 figures
从酝酿到解析：追踪LLM中代码推理的内部生命周期
机构 * South China University of Technology（华南理工大学） ； Sun Yat-sen University（中山大学） ； Tsinghua University（清华大学） ； Shanghai Jiao Tong University（上海交通大学） ； Nanjing University（南京大学） ； The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳）） ； Hangzhou Dianzi University（杭州电子科技大学） ； Guangzhou College of Technology and Business（广州工商学院）
AI总结 提出双重诊断框架（逐层线性探针与上下文剥离解码），揭示LLM在代码推理中先酝酿答案后进入四种解析结果（已解析、过度处理、错误解析、未解析）的内部生命周期，发现酝酿支架稳定而解析成功随能力变化。
LatentSkill: 从上下文文本技能到LLM智能体的权重内隐技能
机构 * Shanghai Jiao Tong University（上海交通大学） ； Sun Yat-Sen University（中山大学） ； Shanghai Innovation Institute（上海创新研究院） ； OPPO Research Institute（OPPO研究院）
AI总结 提出LatentSkill框架，通过预训练超网络将文本技能转换为即插即用的LoRA适配器，将技能知识存储在权重空间而非上下文空间，从而减少预填充令牌并提升性能。
Comments 10 pages, 4 figures
OSCAR：基于优化的代理规划用于组合图像检索
机构 * Shanghai Jiao Tong University（上海交通大学）
AI总结 OSCAR通过优化引导的代理规划框架，提升组合图像检索的性能，仅用10%训练数据即超越现有最佳方法。
Comments EMNLP 2026 Main Conference
GTPred：评估多模态大语言模型在可解释地理定位和拍摄时间预测中的基准测试
机构 * School of Computer Science and Technology, East China Normal University（东华大学计算机科学与技术学院） ； Institute of Image Communication and Information Processing, Shanghai Jiao Tong University（上海交通大学图像通信与信息处理研究院） ； School of Humanities, Shanghai Jiao Tong University（上海交通大学人文学院） ； Shanghai AI Laboratory（上海人工智能实验室）
AI总结 GTPred是一个新的地理-时间预测基准测试，通过评估多模态大语言模型在可解释地理定位和拍摄时间预测中的表现，揭示了当前模型在世界知识和时空推理方面的局限性。
LaGen：迈向自主驾驶的自回归激光雷达场景生成
机构 * University of Science and Technology of China（中国科学技术大学） ； Shanghai Innovation Institute（上海创新研究院） ； Shanghai Jiao Tong University（上海交通大学） ； Fudan University（复旦大学）
AI总结 本文提出LaGen，首个支持长时交互生成的自回归框架，能基于单帧输入生成高保真4D激光雷达场景，并通过场景解耦和噪声调节模块提升生成质量。
Comments Accepted to ECCV 2026
PreResQ-R1：用于鲁棒视觉质量评估的响应偏好解耦排序与评分强化优化
机构 * Shanghai Jiao Tong University（上海交通大学） ； Zhejiang University（浙江大学）
AI总结 本文提出PreResQ-R1框架，通过解耦响应偏好的强化学习统一评分与排序目标，结合GRPO优化，在IQA和VQA基准上取得最优结果，推理轨迹更贴合人类感知。
Comments 27 pages, 16 figures, Accepted as EMNLP 2026 conference paper
面向细粒度文本到3D质量评估：一个基准和两阶段排名学习指标
机构 * Shanghai Jiao Tong University（上海交通大学） ； University of Missouri-Kansas City（密苏里大学-堪萨斯城分校）
AI总结 针对T23DQA的基准缺失与指标缺陷，本文推出组合式T23D生成基准T23D-CompBench，并提出两阶段排名学习指标Rank2Score，其性能优于现有指标且可作为奖励函数优化生成模型。
推理还是漫谈？探究思考过程对智能体说服能力的影响
机构 * School of Computer Science, Shanghai Jiao Tong University（上海交通大学计算机科学学院） ； National University of Singapore（新加坡国立大学） ； Inner Mongolia Research Institute, Shanghai Jiao Tong University（上海交通大学内蒙古研究院）
AI总结 本文对比通用LLM与LRM，发现推理对智能体说服能力存在二元性影响，还揭示其依赖表面线索的漏洞，提出提示级对抗性论点检测方法以提升鲁棒性。
Comments Accepted as EMNLP 2026 Findings
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