University of Chinese Academy of Sciences（中国科学院大学）

Reasoning About the Unsaid: Misinformation Detection with Omission-Aware Graph Inference

对未言之的推理：基于遗漏感知图推断的虚假信息检测

Zhengjia Wang, Danding Wang, Qiang Sheng, Jiaying Wu, Juan Cao

机构 * Media Synthesis and Forensics Lab, Institute of Computing Technology, Chinese Academy of Sciences（媒体合成与取证实验室，计算技术研究所，中国科学院） ； University of Chinese Academy of Sciences（中国科学院大学） ； National University of Singapore（新加坡国立大学） 纠错

AI总结 本文提出OmiGraph框架，通过省略感知图推断实现虚假信息检测，提升检测性能。

Comments AAAI 2026

RDTF: Resource-efficient Dual-mask Training Framework for Multi-frame Animated Sticker Generation

RDTF：面向多帧动画贴纸生成的资源高效双掩码训练框架

Zhiqiang Yuan, Ting Zhang, Peixiang Luo, Ying Deng, Jiapei Zhang, Zexi Jia, Jinchao Zhang, Jie Zhou

机构 * Pattern Recognition Center, WeChat AI, Tencent Inc（腾讯人工智能图案识别中心） ； University of Chinese Academy of Sciences（中国科学院大学） 纠错

AI总结 RDTF通过三种核心设计，为多帧动画贴纸生成任务提供资源高效的解决方案，优于现有PEFT方法。

Comments Submitted to TMM

On the Tension Between Optimality and Adversarial Robustness in Policy Optimization

在策略优化中最优性与对抗鲁棒性之间的张力

Haoran Li, Jiayu Lv, Congying Han, Zicheng Zhang, Anqi Li, Yan Liu, Tiande Guo, Nan Jiang

机构 * School of Mathematical Sciences University of Chinese Academy of Sciences（中国科学院大学数学科学学院） ； School of Mathematical Sciences Nankai University（南开大学数学科学学院） ； School of Statistics and Data Science Nankai University（南开大学统计与数据科学学院） ； Siebel School of Computing and Data Science University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校Siebel计算与数据科学学院） 纠错

AI总结 本文提出 BARPO 框架，通过调节对手强度统一 SPO 和 ARPO，解决策略优化中最优性与对抗鲁棒性之间的张力问题。

Closing the Approximation Gap of Partial AUC Optimization: A Tale of Two Formulations

缩小部分AUC优化的近似间隙：两种 formulations 的故事

Yangbangyan Jiang, Qianqian Xu, Huiyang Shao, Zhiyong Yang, Shilong Bao, Xiaochun Cao, Qingming Huang

机构 * School of Computer Science and Technology, University of Chinese Academy of Sciences（中国科学院大学计算机科学与技术学院） ； Key Laboratory of Intelligent Information Processing, Institute of Computing Technology, Chinese Academy of Sciences（中国科学院计算技术研究所智能信息处理重点实验室） ； ByteDance Inc.（字节跳动公司） ； School of Cyber Science and Technology, Shenzhen Campus of Sun Yat-sen University（中山大学深圳校区计算机科学与技术学院） 纠错

AI总结 本文提出两种实例级最小最大重述方法，缩小部分AUC优化的近似间隙，提高计算效率和泛化性能。

Multi-GRPO: Multi-Group Advantage Estimation for Text-to-Image Generation with Tree-Based Trajectories and Multiple Rewards

多组GRPO：基于树状轨迹和多奖励的文本到图像生成多组优势估计

Qiang Lyu, Zicong Chen, Chongxiao Wang, Haolin Shi, Shibo Gao, Ran Piao, Youwei Zeng, Jianlou Si, Fei Ding, Jing Li, Chun Pong Lau, Weiqiang Wang

机构 * University of Chinese Academy of Sciences（中国科学院大学） ； Beihang University（北航） ； Alibaba Group（阿里巴巴集团） ； Beijing Jiaotong University（北京交通大学） ； TikTok Inc.（TikTok公司） ； City University of Hong Kong（香港城市大学） 纠错

AI总结 Multi-GRPO通过树状轨迹和多奖励分组机制，提升文本到图像生成的稳定性和多目标对齐性能。

Comments 20 pages, 15 figures

Structured Context Learning for Generic Event Boundary Detection

结构化上下文学习用于通用事件边界检测

Xin Gu, Congcong Li, Xinyao Wang, Dexiang Hong, Libo Zhang, Tiejian Luo, Longyin Wen, Heng Fan

机构 * University of Chinese Academy of Sciences（中国科学院大学） ； Sichuan Changhong Electric Co., Ltd.（四川长虹电子有限公司） ； ByteDance Intelligent Creation（字节跳动智能创作） ； Institute of Software, Chinese Academy of Sciences（中国科学院软件研究所） ； Department of Computer Science and Engineering, University of North Texas（北卡罗来纳州立大学计算机工程系） 纠错

AI总结 本文提出结构化上下文学习方法，通过结构化划分和轻量级网络实现通用事件边界检测的高效准确识别。

TPCNet: Triple physical constraints for Low-light Image Enhancement

TPCNet：三重物理约束用于低光照图像增强

Jing-Yi Shi, Ming-Fei Li, Ling-An Wu

机构 * Institute of Physics, China Academy of Sciences（中国科学院物理研究所） ； School of Physical Sciences, University of Chinese Academy of Sciences（中国科学院大学物理科学学院） 纠错

AI总结 TPCNet通过引入三重物理约束理论，改进低光照图像增强效果，提升性能指标和视觉质量。

Semantic Energy: Detecting LLM Hallucination Beyond Entropy

语义能量：超越熵的LLM幻觉检测

Huan Ma, Jiadong Pan, Jing Liu, Yan Chen, Joey Tianyi Zhou, Guangyu Wang, Qinghua Hu, Hua Wu, Changqing Zhang, Haifeng Wang

机构 * Tianjin University（天津大学） ； Baidu Inc.（百度公司） ； A*STAR Centre for Frontier AI Research (CFAR)（A*STAR前沿人工智能研究中心） ； Beijing University of Posts and Telecommunications（北京邮电大学） ； University of Chinese Academy of Sciences（中国科学院大学） 纠错

AI总结 语义能量通过直接操作LLM最后层logits，结合语义聚类和能量分布，提升幻觉检测和不确定性估计的可靠性。

Towards Efficient and Accurate Spiking Neural Networks via Adaptive Bit Allocation

通过自适应位分配实现高效准确的脉冲神经网络

Xingting Yao, Qinghao Hu, Fei Zhou, Tielong Liu, Gang Li, Peisong Wang, Jian Cheng

机构 * The Key Laboratory of Cognition and Decision Intelligence for Complex Systems, Institute of Automation, Chinese Academy of Sciences（认知与决策智能复杂系统重点实验室，自动化研究所，中国科学院） ； School of Future Technology, University of Chinese Academy of Sciences（未来技术学院，中国科学院大学） ； China Electric Power Research Institute Co., Ltd（中国电力科学研究院有限公司） 纠错

AI总结 本文提出自适应位分配策略，通过改进神经元和机制优化，提升SNN的效率和精度，实现在ImageNet上2.69%的精度提升和4.16倍更低的比特预算。

Comments Neural Networks, In press

Dynamic Attention Analysis for Backdoor Detection in Text-to-Image Diffusion Models

文本到图像扩散模型中后门检测的动态注意力分析

Zhongqi Wang, Jie Zhang, Shiguang Shan, Xilin Chen

机构 * Key Laboratory of AI Safety of CAS, Institute of Computing Technology (ICT), Chinese Academy of Sciences (CAS), Beijing 100190, China, and also with the University of Chinese Academy of Sciences (UCAS), Beijing 100049, China（中国科学院人工智能安全重点实验室，计算技术研究所（ICT），中国科学院（CAS），北京100190，中国，以及中国科学院大学（UCAS），北京100049，中国） 纠错

AI总结 本研究提出动态注意力分析方法，通过分析扩散模型中注意力图的动态演变，有效检测文本到图像扩散模型中的后门攻击。

Comments Accepted by TPAMI

InsightDrive: Insight Scene Representation for End-to-End Autonomous Driving

InsightDrive: 用于端到端自动驾驶的洞察场景表示

Ruiqi Song, Xianda Guo, Yanlun Peng, Qinggong Wei, Hangbin Wu, Long Chen

机构 * College of Surveying and Geo-informatics, Tongji University（同济大学测绘与地理信息学院） ； Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所） ； School of Computer Science, Wuhan University（武汉大学计算机学院） ； The School of Artificial Intelligence, University of Chinese Academy of Sciences（中国科学院大学人工智能学院） ； Great Wall Motor（长城汽车） ； IAIR, Xi’an Jiaotong University（西安交通大学IAIR） 纠错

AI总结 InsightDrive通过结合显式和隐式场景表示，提升自动驾驶轨迹规划的鲁棒性和人类认知一致性。

Remote Sensing-Oriented World Model

面向遥感的世界模型

Yuxi Lu, Biao Wu, Zhidong Li, Kunqi Li, Chenya Huang, Huacan Wang, Qizhen Lan, Ronghao Chen, Ling Chen, Bin Liang

机构 * University of Technology Sydney (UTS)（悉尼技术大学） ； University of Chinese Academy of Sciences (UCAS)（中国科学院大学） ； University of Alabama at Birmingham（阿拉巴马大学伯明翰分校） ； Peking University（北京大学） 纠错

AI总结 本文提出首个面向遥感的世界模型框架，通过RemoteBAGEL模型在RSWISE基准上实现空间推理的高效外推。

Comments 10 pages, 5 figures