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

CD^2: Constrained Dataset Distillation for Few-Shot Class-Incremental Learning

CD²：约束数据集蒸馏用于少样本类增量学习

Kexin Bao, Daichi Zhang, Hansong Zhang, Yong Li, Yutao Yue, Shiming Ge

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安全学院） ； Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）） 纠错

AI总结 CD²通过约束数据集蒸馏方法，在少样本类增量学习中有效缓解灾难性遗忘问题，提升模型对先前知识的保留能力。

Journal ref International Joint Conferences on Artificial Intelligence (IJCAI) 2025

PKI: Prior Knowledge-Infused Neural Network for Few-Shot Class-Incremental Learning

PKI: 基于先验知识的神经网络用于少样本类增量学习

Kexin Baoa, Fanzhao Lin, Zichen Wang, Yong Li, Dan Zeng, Shiming Ge

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 at University of Chinese Academy of Sciences（中国科学院大学网络安全学院） ； NARI Technology Company Limited（NARI科技有限公司） ； School of Engineering and Applied Science, the George Washington University（乔治华盛顿大学工程与应用科学学院） ； Department of Communication Engineering, Shanghai University（上海大学通信工程系） 纠错

AI总结 PKI通过整合先验知识和优化投影器数量，提升少样本类增量学习的性能和效率。

Journal ref Neural Networks 2025

Divide and Conquer: Static-Dynamic Collaboration for Few-Shot Class-Incremental Learning

分而治之：面向少样本类增量学习的静态-动态协作

Kexin Bao, Daichi Zhang, Yong Li, Dan Zeng, Shiming Ge

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安全学院） ； Department of Communication Engineering, Shanghai University（上海大学通信工程系） 纠错

AI总结 本文提出静态-动态协作框架，通过分阶段处理实现少样本类增量学习中稳定性与可塑性的平衡，实验表明其在多个数据集上达到最优性能。

Journal ref ICMR 2025

MemGovern: Enhancing Code Agents through Learning from Governed Human Experiences

MemGovern：通过学习受控的人类经验增强代码代理

Qihao Wang, Ziming Cheng, Shuo Zhang, Fan Liu, Rui Xu, Heng Lian, Kunyi Wang, Xiaoming Yu, Jianghao Yin, Sen Hu, Yue Hu, Shaolei Zhang, Yanbing Liu, Ronghao Chen, Huacan Wang

机构 * UCAS（中国科学院大学） ； NUS（新加坡国立大学） ； ECNU（华东师范大学） ； FDU（福建师范大学） ； XDU（西安电子科技大学） ； UBC（不列颠哥伦比亚大学） ； HKUST(GZ)（香港科技大学） ； PKU（北京大学） ； RUC（中国人民大学） ； QuantaAlpha（量子阿尔法） 纠错

AI总结 MemGovern通过学习受控的人类经验，提升代码代理的修复效率和性能。

The Evolution of Thought: Tracking LLM Overthinking via Reasoning Dynamics Analysis

思维的演变：通过推理动态分析追踪LLM过度思考

Zihao Wei, Liang Pang, Jiahao Liu, Wenjie Shi, Jingcheng Deng, Shicheng Xu, Zenghao Duan, Fei Sun, Huawei Shen, Xueqi Cheng

机构 * State Key Laboratory of AI Safety,Institute of Computing Technology, Chinese Academy of Sciences（人工智能安全国家重点实验室，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） 纠错

AI总结 通过分析推理动态，提出RCPD方法以识别LLM推理完成点，减少token使用量同时保持准确性。

Hardwired-Neurons Language Processing Units as General-Purpose Cognitive Substrates

硬连线神经元语言处理单元作为通用认知基质

Yang Liu, Yi Chen, Yongwei Zhao, Yifan Hao, Zifu Zheng, Weihao Kong, Zhangmai Li, Dongchen Jiang, Ruiyang Xia, Zhihong Ma, Zisheng Liu, Zhaoyong Wan, Yunqi Lu, Ximing Liu, Hongrui Guo, Zhihao Yang, Zhe Wang, Tianrui Ma, Mo Zou, Rui Zhang, Ling Li, Xing Hu, Zidong Du, Zhiwei Xu, Qi Guo, Tianshi Chen, Yunji Chen

机构 * State Key Lab of Processors, Institute of Computing Technology, CAS（处理器国家重点实验室，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） ； University of Science and Technology of China（中国科学技术大学） ； Institute of Software, CAS（软件研究所，中国科学院） ； Cambricon Technologies 纠错

AI总结 本文提出硬连线神经元语言处理单元，通过金属嵌入技术降低光掩模成本，实现高效能低能耗的语言处理基质。

Learning-based Multi-View Stereo: A Survey

基于学习的多视图立体：综述

Fangjinhua Wang, Qingtian Zhu, Di Chang, Quankai Gao, Junlin Han, Tong Zhang, Richard Hartley, Marc Pollefeys

机构 * Department of Computer Science, ETH Zurich（苏黎世联邦理工学院计算机科学系） ； Graduate School of Information Science and Technology, The University of Tokyo（东京大学信息科学与技术研究生院） ； Department of Computer Science, University of Southern California（南加州大学计算机科学系） ； Department of Engineering Science, University of Oxford（牛津大学工程科学系） ； University of Chinese Academy of Sciences（中国科学院大学） ； School of Computer and Communication Sciences, EPFL（苏黎世联邦理工学院计算机与通信科学学院） ； Australian National University（澳大利亚国立大学） ； Microsoft, Zurich（微软（瑞士）） 纠错

AI总结 本文综述了基于学习的多视图立体方法，重点介绍了基于深度图的方法，并讨论了该领域未来的研究方向。

Comments Accepted to IEEE T-PAMI 2026