高校专区
分析动力学：从单目视频学习基于物理的表征以实现快速内在动力学推理
机构 * School of Artificial Intelligence, Shanghai Jiao Tong University（上海交通大学人工智能学院）
AI总结 针对从单目视频推断物体动力学的挑战，提出Analytic Dynamics框架，引入基于物理的中间表征，开发相关数据流水线与基准，实现高效准确可泛化的动力学推理。
SleepWalking：用于四足机器人端到端盲运动的特权表征塑造方法
机构 * Northwestern Polytechnical University（西北工业大学） ； Shanghai Jiao Tong University（上海交通大学） ； Yunmu Intelligent Manufacturing Co., Ltd.（云沐智能制造有限公司）
AI总结 本研究提出SWAQ框架，通过特权物理重构塑造历史表征，在四足机器人盲运动任务中，相比DWAQ提升地形水平同时降低推理计算量，为部分可观测运动学习提供新方法。
Comments 18 pages.13 figures
PixelIR：基于像素空间图像残差流匹配的保真度-感知解耦高效单步真实世界超分辨率方法
机构 * Shanghai Jiao Tong University（上海交通大学）
AI总结 PixelIR是基于像素空间图像残差流匹配的保真度-感知解耦Real-ISR框架，经蒸馏后单步重建，在RealSR等数据集指标领先，参数、计算量与延迟低，实现三者平衡。
GMTS：基于梯度幅度的令牌选择改进用于大语言模型推理的RLVR训练
机构 * School of Mathematical Sciences, Shanghai Jiao Tong University（上海交通大学数学科学学院） ； Institute of Natural Sciences, Shanghai Jiao Tong University（上海交通大学自然科学研究院）
AI总结 本研究针对RLVR训练中高熵令牌重要性机制不明的问题，提出GMTS方法量化令牌重要性，实验显示其在多领域、多模型规模下性能优于熵基选择。
Comments Findings of the 2026 Conference on Empirical Methods in Natural Language Processing
DiffSAC：用于基于共识的鲁棒估计的扩散引导采样
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） ； Key Laboratory of System Control and Information Processing, Ministry of Education of China（教育部系统控制与信息处理重点实验室） ； Department of Engineering, Cambridge University（剑桥大学工程系）
AI总结 针对传统样本共识鲁棒估计采样效率低的问题，提出DiffSAC框架，通过扩散模型学习有效最小集分布，仅需几十个假设就实现最先进性能，可作为即插即用模块改进现有方法。
WebWorld：将浏览器作为自改进网页代码的世界模型
机构 * Beihang University（北京航空航天大学） ； Shanghai Jiao Tong University（上海交通大学） ； IQuest Research（IQuest研究院） ； Langboat
AI总结 本研究提出WebWorld，将浏览器作为VLM无法欺骗的网页代码世界模型，通过浏览器签发合格证书的机制实现VLM自主交互与监督，使WebWorld-27B在两个基准任务上实现显著性能提升，达到强前沿系统水平。
Comments EMNLP Main Conference
从最终产物到轨迹：面向证据支撑的长文本生成的回溯过程监督
机构 * Shanghai Jiao Tong University（上海交通大学） ； Tencent Youtu Lab（腾讯优图实验室）
AI总结 针对开放式长文本生成任务轨迹数据稀缺的问题，提出RetroGen框架，利用预训练数据中丰富的高质量最终产物重构轨迹，训练模型以提升证据支撑等任务表现。
SeqAlign3DVG：用于3D视觉定位的序列对齐基准与体素推理框架
机构 * The Hong Kong Polytechnic University（香港理工大学） ； Shanghai Jiao Tong University（上海交通大学）
AI总结 针对现有3D视觉定位基准的文本-观测对齐松散、忽略时间顺序的问题，提出SeqAlign3DVG基准及含ROVM、PLVF的体素推理框架，在无深度协议下实现最优性能，提升复杂关系目标定位效果。
Comments Accepted by ACM Multimedia 2026 (MM '26)
FlowVVTON：基于流引导的无掩码视频虚拟试穿
机构 * Shanghai Jiao Tong University（上海交通大学）
AI总结 FlowVVTON是一种无掩码视频虚拟试穿框架，以光流为训练监督，通过两阶段训练实现多尺度时间一致性，在TikTokDress数据集上较基线方法（如SwiftTry）时间一致性提升显著，无需额外标注。
将基础模型搭建为物理世界智能体以推动长时程导航前沿
机构 * Shanghai Jiao Tong University（上海交通大学） ； Alibaba Inc（阿里巴巴集团） ； Zhongguancun Academy（中关村学院） ； Adelaide University（阿德莱德大学） ； Peking University（北京大学） ； Tsinghua University（清华大学）
AI总结 本文提出NavMCP框架，结合VLM推理智能体与NFM执行器实现长时程导航，在多个具身问答基准及Unitree Go2机器人上取得优于基线的性能，验证了该方法的有效性。
Comments 22 pages, 6 figures
基于答案探测引导的大语言模型多样化解决方案探索搜索
机构 * University of Science and Technology of China（中国科学技术大学） ； Zhongguancun Academy（中关村学院） ； Alibaba Group（阿里巴巴集团） ； Shanghai Jiao Tong University（上海交通大学） ； Tsinghua University（清华大学）
AI总结 该研究针对LLMs推理易收敛于单一解的问题，提出Answer Probing引导的树搜索APTS，经实验证实可提升多推理任务的解决方案多样性，具备有效性与鲁棒性。
Comments Accepted to the EMNLP 2026 Main
上下文阶梯：小初始化下词元嵌入的签名对齐动力学
机构 * Shanghai Jiao Tong University（上海交通大学） ； School of Mathematical Sciences（数学科学学院） ； Institute of Natural Sciences（自然科学研究院）
AI总结 本研究提出上下文阶梯现象，发现小初始化下词元嵌入从低阶到高阶逐步对齐概率签名，推导相关演化方程并揭示数据统计与架构对嵌入的塑造作用。
Tail-Replay：在混合大语言模型的前缀缓存中规避线性注意力的线性诅咒
机构 * Institute of Artificial Intelligence, China Telecom (TeleAI)（中国电信人工智能研究院（TeleAI）） ； Shanghai Jiao Tong University（上海交通大学）
AI总结 Tail-Replay是一种混合大语言模型的前缀缓存机制，通过重放匹配前缀的短近期后缀重构线性注意力状态，实现无约束令牌级前缀复用，在低重放预算下保持高预填充质量并显著提升长前缀服务效率。
学习恢复更多：预训练图像恢复模型的持续能力扩展
机构 * Shanghai Jiao Tong University（上海交通大学） ； Harbin Institute of Technology（哈尔滨工业大学）
AI总结 RestoreMore框架将预训练图像恢复模型作为冻结锚点，通过双层路由机制学习残差扩展模块，在不遗忘旧能力的前提下持续获取新恢复能力，经多基准实验验证有效。
CateKV：面向长上下文大语言模型推理加速的顺序一致性研究
机构 * Shanghai Jiao Tong University（上海交通大学） ； Alibaba Group（阿里巴巴集团） ； Fudan University（复旦大学）
AI总结 本研究针对长上下文LLM推理的内存与延迟挑战，提出混合KV缓存方法CateKV，利用注意力头的顺序一致性特性减少冗余KV信息，在保持准确率的同时显著降低内存占用、提升解码与批量处理效率。
Comments Published at ICML 2025
Journal ref Proceedings of the 42nd International Conference on Machine Learning (ICML), PMLR 267:27569-27585, 2025
基于线性注意力的像素空间扩散实现高效高质量深度估计
机构 * Shanghai Jiao Tong University（上海交通大学） ； Zhiyuan College, Shanghai Jiao Tong University（上海交通大学致远学院） ； MoE Key Lab of Artificial Intelligence, Institute of AI, 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））
AI总结 本研究提出基于线性注意力的像素空间生成框架Lapis，通过由粗到细的层级结构解决生成式深度估计的高计算成本问题，在多分辨率基准上实现SOTA精度，推理延迟大幅降低。
Comments Accepted by ECCV 2026
InspectorGPT：用于全面工业异常检测的对比推理增强型视觉语言模型（VLM）
机构 * Shanghai Jiao Tong University（上海交通大学） ； The Chinese University of Hong Kong（香港中文大学）
AI总结 本研究提出InspectorGPT，一种结合对比推理的VLM框架，通过CoT微调与GRPO优化，配合任务向量融合的InspectorGPT-Seg实现工业异常检测，在多维度性能及未见基准泛化上表现优异。
FORESIGHT-9：自适应交易智能体的前瞻性与过程感知评估
机构 * University of Science and Technology of China（中国科学技术大学） ； University of Hong Kong（香港大学） ； Shanghai Jiao Tong University（上海交通大学）
AI总结 FORESIGHT-9是含9条反事实压力世界线的前瞻性基准，用于评估自适应交易智能体，实验显示其能揭示终端收益未暴露的智能体失败，且等权策略表现优异。
Comments 27 pages, 15 figures
RAGDiffusion++：面向服装生成的从宏观检索到微观保真度对齐
机构 * Shanghai Jiao Tong University（上海交通大学） ； Alibaba Group（阿里巴巴集团）
AI总结 该研究针对服装生成的高频轨迹坍塌问题，提出RAGDiffusion++模型，通过AR-GRPO策略结合STGarment-Plus数据集、FLUX架构与Garment-RM奖励模型，实现服装图像的宏观结构准确与微观纹理保真。
SafeAtlas-VL：基于大规模数据与防护模型的二元多模态安全之外
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） ； East China Normal University（华东师范大学）
AI总结 研究针对现有多模态安全评估的二元局限，推出含五级标注的SafeAtlas-VL数据集与SafeAtlas Guard系列模型，8B模型F1分数超SOTA约4%，代码数据模型已公开。
车辆漂移的涌现：通过边界探索学习模型预测控制从抓地驾驶到操控极限的连续演化
机构 * School of Mechanical Engineering, Shanghai Jiao Tong University（上海交通大学机械工程学院） ； Faculty of Engineering, The University of Hong Kong（香港大学工程学院）
AI总结 该研究针对抓地到漂移的连续过渡问题，提出BE-LMPC方法，通过单圈优化使漂移在附着系数0.6时涌现，明确漂移是极限操控的条件性延续。
编织视觉叙事：超越原子视觉匹配的智能体图像束合成
机构 * Shanghai Jiao Tong University（上海交通大学） ； Shanghai Innovation Institute（上海创新研究院） ； OPPO（OPPO（广东欧珀移动通信有限公司））
AI总结 针对传统图像检索原子匹配范式无法捕捉用户视觉搜索意图的问题，提出BundleWeaver智能体框架，构建IBCBench数据集，实现图像束合成并取得显著性能提升。
Comments Accepted by EMNLP'26 Main Conference
从截断的刘维尔谱中恢复耗散率的谱可识别性阈值
机构 * Dulwich College Shanghai（上海德威国际学校） ； Shanghai Jiao Tong University（上海交通大学）
AI总结 该研究针对6量子比特Lindblad模型，确定从截断刘维尔谱恢复耗散率的可识别性阈值，发现最小二乘法在n=6时精度远优于表格学习方法，结论适用于无噪声模拟器谱。
Comments 15 pages, 6 figures. Data and code are available at Zenodo, DOI: 10.5281/zenodo.22160077
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