高校专区
GIFT：面向机器人操作的基于动作导向结构监督的引导式中间特征训练
机构 * Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所） ； University of Chinese Academy of Sciences（中国科学院大学） ； National University of Singapore（新加坡国立大学） ； Tsinghua University（清华大学） ； Fudan University（复旦大学）
AI总结 该研究提出 GIFT 框架，通过几何对齐、可供性预测和目标区域重建约束中间特征，在 LIBERO-Plus 和 RoboCasa 数据集上，其多个变体在机器人操作任务中显著优于基准模型，性能提升明显。
大型语言模型的在线策略蒸馏再思考 II：一个训练示例
机构 * University of Chinese Academy of Sciences（中国科学院大学） ； Tsinghua University（清华大学） ； Northeastern University（东北大学） ； University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； Johns Hopkins University（约翰斯·霍普金斯大学）
AI总结 该研究通过单查询训练探究在线策略蒸馏（OPD）的训练数据作用，发现单查询 OPD 可恢复大部分全数据增益，16 个语义查询可匹配全数据效果，指出 OPD 数据过剩但算法不足，为后续研究指明方向。
Comments 29 pages, 20 figures
CORE：通过重排器蒸馏提升多模态大语言模型（MLLM）嵌入中的组合推理能力
机构 * Alibaba Group（阿里巴巴集团） ； University of Chinese Academy of Sciences（中国科学院大学） ； Yale University（耶鲁大学） ； CASIA（中国科学院自动化研究所）
AI总结 该研究提出CORE方法，通过将MLLM重排器的组合判断蒸馏到嵌入模型，在COLA等三个组合推理基准及MCMR基准上实现了最优性能，提升了嵌入模型的组合检索能力。
记忆与重加权：利用经验记忆与置信度估计增强多智能体辩论
机构 * Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所） ； University of Chinese Academy of Sciences（中国科学院大学） ； University College London（伦敦大学学院）
AI总结 该研究针对多智能体辩论的共享误解问题，提出R²-MAD框架，通过经验记忆与置信度估计校准概念先验、调节同伴影响，在多个基准测试上实现性能提升。
Comments EMNLP 2026 Findings, 24 pages, 4 figures
GrowPage：面向高效大语言模型推理服务的按需键值（KV）预算分配
机构 * Shenzhen Institutes of Advanced Technology, Chinese Academy of Sciences（中国科学院深圳先进技术研究院） ； Pengcheng Laboratory（鹏城实验室） ； University of Chinese Academy of Sciences（中国科学院大学）
AI总结 针对LLM推理服务中KV缓存的内存瓶颈问题，提出按需KV预算框架GrowPage，通过双时间尺度摘要与页级内存管理实现更优性能-吞吐量权衡。
STARS-GS：面向大规模航空表面重建的结构感知正则化高斯溅射
机构 * Aerospace Information Research Institute, Chinese Academy of Sciences（中国科学院空天信息创新研究院） ； University of Chinese Academy of Sciences（中国科学院大学）
AI总结 STARS-GS是一种面向大规模航空表面重建的结构感知3DGS框架，通过结构感知场景划分、邻域感知高斯组织和自适应表面正则化，在基准测试中相对第二名提升9.1%，平均F1分数达0.698，性能优于现有高斯方法。
FoRIS：用于无需训练的上下文内分割的渐进式前景细化
机构 * Xi’an Institute of Optics and Precision Mechanics, Chinese Academy of Sciences（中国科学院西安光学精密机械研究所） ； University of Chinese Academy of Sciences（中国科学院大学） ； Xi’an Jiaotong University（西安交通大学） ； Zhongnan Hospital of Wuhan University（武汉大学中南医院）
AI总结 该研究针对上下文内分割任务提出无需训练的FoRIS框架，通过前景纯化、定位、整合三阶段渐进细化实现SOTA性能，1次和5次设置下mIoU较现有方法分别提升4.5、4.8点。
R$^{2}$Adapter：一种用于高效混合检索增强生成的路由与重写适配器
机构 * State Key Laboratory of AI Safety（人工智能安全国家重点实验室） ； Institute of Computing Technology, Chinese Academy of Sciences（中国科学院计算技术研究所） ； University of Chinese Academy of Sciences（中国科学院大学） ； Meituan（美团）
AI总结 R$^{2}$Adapter是一种轻量即插即用适配器，可动态分配查询至基础RAG与图RAG，减少图RAG使用量达59%且保持准确率，为混合RAG提供高效自适应方案
高维随机特征方法的谱收敛性
机构 * Institute of Computational Mathematics and Scientific/Engineering Computing, Academy of Mathematics and Systems Science, Chinese Academy of Sciences（中国科学院数学与系统科学研究院计算数学与科学工程计算研究所） ； School of Mathematical Sciences, University of Chinese Academy of Sciences（中国科学院大学数学科学学院）
AI总结 该研究证明了高维随机特征方法的谱收敛性，推导了其离散化误差估计与奇异值衰减特性，揭示了谱逼近精度与病态性的关联机制。
Comments 48 pages, 1 figure, 2 tables
经典PID对机器人操纵器的全局可调节性研究
机构 * State Key Laboratory of Mathematical Sciences, AMSS, Chinese Academy of Sciences（中国科学院数学与系统科学研究院） ； School of Mathematical Sciences, University of Chinese Academy of Sciences（中国科学院大学数学科学学院）
AI总结 本文针对具有可变相对阶的不确定多输入多输出非线性系统，提出通道式扩展PID控制器，证明其参数可独立设计，实现系统半全局稳定与设定点调节，为工程逐通道调参提供理论支撑。
安全性无法组合：自主大型语言模型智能体的非衰减循环状态
机构 * University of Chinese Academy of Sciences（中国科学院大学） ； Nanyang Technological University（南洋理工大学） ； Supply Chain Tech Team Y, JD.com（京东Y供应链技术团队） ； Peking University（北京大学） ； Fudan University（复旦大学） ； Fullive-AI（Fullive人工智能）
AI总结 该研究发现自主LLM智能体的轨迹级安全保障存在组合性缺陷，提出非衰减循环安全状态的LoopHarness方案，可限制未授权不可逆操作数量，通过Agent-SafetyBench等评估验证其有效性。
面部伪造中的多工具图像编辑归因
机构 * Institute of Computing Technology, Chinese Academy of Sciences（中国科学院计算技术研究所） ； University of Chinese Academy of Sciences（中国科学院大学）
AI总结 针对多工具面部图像编辑归因难题，构建MultiEdit数据集，设计DPEC方法，在最多5步编辑的面部图像上优于9种现有方法。
Comments Accepted to ACM Multimedia 2026 (MM 2026)
基于自回归有序笔画实例预测的手写轨迹恢复
机构 * Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所） ； School of Information Science and Technology, ShanghaiTech University（上海科技大学信息科学与技术学院） ； 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 针对离线手写轨迹恢复的时间信息缺失问题，提出两阶段自回归有序笔画预测框架，在中文手写任务上优于基线方法，且具备跨语言泛化能力。
Comments 24 pages, 6 figures, 7 tables
输出格式如何混淆指令调优中的数据质量与模型能力
机构 * University of Chinese Academy of Sciences（中国科学院大学） ； Pusan National University（釜山国立大学） ； Shenzhen University of Advanced Technology（深圳先进技术大学） ； Monash University（莫纳什大学）
AI总结 该研究揭示指令调优中，答案的表面输出格式会混淆数据质量与模型能力的评判，其影响可使技能准确率变化或微调效果反转，需关注接口对评判的约束作用。
WMLLM：基于“预测后行动”世界建模的自进化优化智能体
机构 * Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所） ； University of Chinese Academy of Sciences（中国科学院大学） ； Zhongguancun Academy（中关村学院）
AI总结 WMLLM是基于“预测后行动”世界建模的自进化优化智能体框架，结合多轮优化、种群搜索与强化学习，在有限预算下的多目标分子优化等黑盒任务中实现了最优样本效率与性能。
DICS：探索数据内在一致性用于视觉指令选择
机构 * School of Artificial Intelligence, University of Chinese Academy of Sciences（中国科学院大学人工智能学院） ； MAIS, Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所） ； Alibaba Token Hub, Alibaba Group（阿里巴巴集团）
AI总结 提出基于数据内在一致性（DIC）的自适应视觉指令选择方法DICS，仅用25%数据就超越现有最优方法，还构建600万样本语料库，用不足25%训练数据达到InternVL3-8B-Instruct的94.52%性能
Comments Accepted by EMNLP2026 Findings
作为自身评论家的智能体：通过循环组相对策略优化统一区域理解与定位
机构 * National University of Singapore（新加坡国立大学） ； University of Chinese Academy of Sciences（中国科学院大学） ； Nanyang Technological University（南洋理工大学） ； Wuhan University（武汉大学）
AI总结 研究针对多模态大语言模型的区域理解与定位问题，提出循环组相对策略优化框架CycleGRPO，利用任务对偶性构建自我评估范式，仅需区域输入，通过质量感知奖励评估字幕，在多基准测试中提升能力，为推进MLLMs像素级能力提供新途径。
Comments Accepted to ECCV 2026
VertiCue-Bench: 诊断多模态大语言模型是否利用高度线索解决遥感自然场景中的二维歧义
机构 * Xi’an Jiaotong University（西安交通大学） ； Xidian University（西安电子科技大学） ； University of Chinese Academy of Sciences（中国科学院大学）
AI总结 提出VertiCue-Bench基准，通过17个任务1534个实例诊断MLLMs是否真正利用冠层高度模型（CHM）的垂直线索解决遥感自然场景中的语义歧义，发现模型在感知高度线索与语义推理之间存在显著脱节。
Agent工具编排泄露更多：数据集、基准测试与缓解措施
机构 * Institute of Information Engineering, Chinese Academy of Sciences（中国科学院信息工程研究所） ； School of Cyber Security, University of Chinese Academy of Sciences（中国科学院大学网络空间安全学院）
AI总结 研究LLM代理在编排多个工具时泄露敏感结论的风险（TOP-R），构建了包含1000个实例的基准TOP-Bench，并提出TOP-Align后训练方法以缓解泄露。
Comments Accepted to EMNLP 2026 Findings. 20 pages, 2 figures. Code and data: https://github.com/1Ponder/TOP-R
超越对话时间：面向个性化LLM代理的时序语义记忆
机构 * Institute of Computing Technology, Chinese Academy of Sciences（中国科学院计算技术研究所） ； State Key Laboratory of AI Safety（人工智能安全国家重点实验室） ； School of Computer Science, University of Chinese Academy of Sciences（中国科学院大学计算机科学学院）
AI总结 本文提出TSM，一种面向个性化LLM代理的时序语义记忆框架，通过建模语义时间和持续记忆，提升对话任务的准确性和持续性。
SymFold：融合进化与结构先验实现精准蛋白质逆折叠
机构 * Computer Network Information Center, Chinese Academy of Sciences（中国科学院计算机网络信息中心） ； University of Chinese Academy of Sciences（中国科学院大学）
AI总结 本文提出SymFold对称双路径架构，融合PLMs序列进化知识与MPLMs结构知识，在蛋白质逆折叠基准上实现SOTA性能，为该领域提供新方向。
Comments 13 pages, 5 figures
面向移动游戏的跨多源行为预训练用户表示
机构 * Institute of Computing Technology, Chinese Academy of Sciences (CAS)（中国科学院计算技术研究所） ； University of Chinese Academy of Sciences, CAS（中国科学院大学） ； OPPO Research Institute（OPPO研究院） ； Institute of Intelligent Computing Technology, CAS（中国科学院智能计算技术研究所）
AI总结 针对现有用户表示预训练忽略移动设备用户跨源多粒度行为的问题，提出CM-PTM模型，通过分层级联的掩码预测任务建模跨源依赖，在移动游戏推荐任务中实现显著性能提升。
Comments Accepted by IEEE ICDM 2026, regular paper, 10 pages
CoBRA：通过反事实边际学习工具使用边界
机构 * WeChat, Tencent Inc（腾讯公司微信业务部） ； University of Chinese Academy of Sciences（中国科学院大学） ； Wuhan University（武汉大学）
AI总结 针对大型语言模型工具调用决策问题，提出CoBRA框架，通过构建双专家、估计奖励边际优化边界，在Qwen3-4B上提升工具使用效率与边界敏感型答案准确率。
Comments Acceptedy by EMNLP2026
CERF：通信高效且无需重训练的协同感知
机构 * School of Artificial Intelligence, University of Chinese Academy of Sciences（中国科学院大学人工智能学院） ； Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所）
AI总结 本文提出CERF框架，通过引入Poture虚拟模态、卡尔曼滤波跟踪器与运动预测模型，在保持协同感知性能的同时降低95%通信开销，且无需重训练即可集成异构智能体。
Comments Accepted by ICASSP 2026
HitMem：面向动态环境的、具有多模态上下文感知检索功能的分层时序三维记忆
机构 * Institute of Software, Chinese Academy of Sciences (ISCAS)（中国科学院软件研究所） ； University of Chinese Academy of Sciences（中国科学院大学） ； Alibaba Group（阿里巴巴集团）
AI总结 HitMem是面向动态环境的分层时序三维记忆框架，通过多模态上下文感知检索机制解决现有三维记忆框架的静态假设缺陷，在Dyna-THOR基准上提升了物体重定位准确率与任务性能。
Comments Accepted to ECCV 2026
DualStake：深度研究智能体中的双路径置信度校准
机构 * Institute of Automation, Chinese Academy of Sciences (CASIA)（中国科学院自动化研究所） ； University of Chinese Academy of Sciences（中国科学院大学） ； Meituan Inc.（美团公司）
AI总结 针对深度研究智能体过度自信导致置信度不可靠的问题，提出双路径校准方法DualStake，通过联合对齐证据与答案置信度提升校准效果，且不降低答案准确率。
Comments Accepted to EMNLP 2026 Main
用于冠状动脉CTA报告生成的多中心基准及临床结构化指标
机构 * Shenzhen Institute of Advanced Technology, Chinese Academy of Sciences（中国科学院深圳先进技术研究院） ； Pengcheng Laboratory（鹏城实验室） ； University of Chinese Academy of Sciences（中国科学院大学） ； Peking Union Medical College Hospital, Chinese Academy of Medical Sciences and Peking Union Medical College（北京协和医学院附属北京协和医院（中国医学科学院北京协和医学院））
AI总结 该研究建立含3021个CCTA序列的四中心基准，开发临床结构化指标CSM$_{\text{CCTA}}$，发现CCTA训练的C2RG模型性能最优但仍有差距，通用模型输出多为无关报告，为CCTA报告生成评估提供标准化方案
RingMoClaw：一种受经验启发的用于遥感领域自演进研究的多智能体框架
机构 * Aerospace Information Research Institute, Chinese Academy of Sciences（中国科学院空天信息创新研究院） ； School of Electronic, Electrical and Communication Engineering, University of Chinese Academy of Sciences（中国科学院大学电子电气与通信工程学院） ； University of Chinese Academy of Sciences（中国科学院大学）
AI总结 RingMoClaw是受经验启发的自演进多智能体框架，整合多分支与动态经验总线构建闭环优化流程，在4项遥感任务上实现性能提升且演进步骤减少超40%，为遥感模型持续演进提供可行方案。
联合训练还不够：面向多模态文档理解的条件跨粒度训练
机构 * University of Chinese Academy of Sciences（中国科学院大学） ； Pusan National University（釜山国立大学） ； Shenzhen University of Advanced Technology（深圳理工大学）
AI总结 该研究针对多模态文档理解任务，对比单任务、联合、条件训练三种方式，发现联合训练无强化效应，条件训练在两个语料库上实现跨粒度强化，还揭示了提示结构对性能的影响及条件训练的崩溃规避作用。
FTU-Seek：基于基础模型的硬负样本学习用于稀疏功能组织单元分割
机构 * Clinical Oncology School, Fujian Medical University（福建医科大学临床肿瘤学院） ； Innovation Center for Cancer Research, Clinical Oncology School, Fujian Medical University（福建医科大学临床肿瘤学院癌症研究创新中心） ； Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所） ； University of Chinese Academy of Sciences（中国科学院大学） ； College of Engineering, Boston University（波士顿大学工程学院） ； Northeastern University（东北大学） ； Fujian Cancer Hospital（福建省肿瘤医院）
AI总结 该研究针对全玻片图像中稀疏功能组织单元分割的挑战，提出FTU-Seek框架，基于UNI病理学基础模型的硬负样本学习实现精准分割，在多任务及队列中验证了有效性。
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