University of Science and Technology of China（中国科学技术大学）

BooM-VVT: Boosting Mask-Free Video Virtual Try-On with Image-Level Pseudo Data

BooM-VVT：借助图像级伪数据提升无掩码视频虚拟试穿性能

Wei Zhang, Xin Li, Peishu Shi, Jialin Gao, Xuekang Peng, Zhichao Lian, Yeying Jin

机构 * Nanjing University of Science and Technology（南京理工大学） ； University of Science and Technology of China（中国科学技术大学） ； National University of Singapore（新加坡国立大学） ； Meituan（美团） 纠错

AI总结 针对现有无掩码视频虚拟试穿依赖掩码、成本高及服装一致性差的问题，提出BooM-VVT框架，采用图像级伪数据、服装敏感关键帧采样等技术，构建OmniView数据集，实现更优的时间一致性与服装保真度。

Comments 23 pages, 18 figures, 8 tables. Accepted to ACM Multimedia 2026 (MM '26)

Journal ref Proceedings of the 34th ACM International Conference on Multimedia (MM '26), 2026

OctWorld: Long-Range World-Consistent Video Generation with Octree-Based 3D Mapping

OctWorld：基于八叉树三维映射的长程世界一致视频生成

Zelong Lv, Sicheng Xu, Jianfeng Xiang, Ruicheng Wang, Yue Dong, Yu Deng, Guangzhong Sun, Jiaolong Yang

机构 * University of Science and Technology of China（中国科学技术大学） ； Microsoft Research Asia（微软亚洲研究院） ； Tsinghua University（清华大学） 纠错

AI总结 研究提出带持久三维记忆的视频扩散框架OctWorld，通过引入空间自适应三维记忆OctMap解决长程生成的空间一致性难题，生成的视频在基准及长程设置下优于现有方法。

Comments Accepted to ECCV 2026 Project page: https://maxtirerror.github.io/octworldpage/

EraseSAE: Surgical Concept Erasure in Text-to-Video Diffusion Models via Sparse Autoencoders

EraseSAE：基于稀疏自编码器的文本到视频扩散模型中的手术级概念擦除

Xinghao Wang, Dong Li, Wei Yu, Yingwei Pan, Tao Gong, Qi Chu, Nenghai Yu, Ting Yao

机构 * University of Science and Technology of China（中国科学技术大学） ； HiDream.ai Inc.（HiDream.ai公司） 纠错

AI总结 该研究针对文本到视频扩散模型的安全版权问题，提出基于稀疏自编码器的EraseSAE框架，通过分解-归因-擦除流程实现细粒度概念擦除，效果优于现有方法且质量损失极小。

PACodec: A Low-bitrate Neural Speech Codec with Parallel Additive Vector Quantization

PACodec：一种采用并行加性矢量量化的低码率神经语音编解码器

Fei Liu, Yang Ai, Xiao-Hang Jiang, Zhen-Hua Ling

机构 * National Engineering Research Center of Speech and Language Information Processing（国家语言与语音信息处理工程研究中心） ； University of Science and Technology of China（中国科学技术大学） 纠错

AI总结 本文提出基于并行加性矢量量化（PAVQ）的PACodec，采用“全局-局部-全局”设计，在相同解码质量下比基线降低30%码率，且具备解纠缠友好性，可应用于语音转换等下游任务。

Comments Accepted by APSIPA 2026

Neural Music Enhancement with Dual Time-Frequency Spectral Representations for Prediction and Discrimination

基于双时频谱表示的神经音乐增强方法（用于预测与判别）

Fei Liu, Yang Ai, Zhen-Hua Ling

机构 * National Engineering Research Center of Speech and Language Information Processing, University of Science and Technology of China（中国科学技术大学国家语音及语言信息处理工程研究中心） 纠错

AI总结 针对非专业音乐录音的噪声混响问题，提出基于双时频谱的DSME模型，采用STFT生成与CQT判别，引入色度谱损失，实验验证其增强效果优于基线。

Comments Accepted by ISCSLP 2026

Gradients Know What Outcomes Don't: Unlocking Reinforcement Learning for LLM Reasoning with Gradient-Aligned Rewards

梯度知晓结果所不知：用梯度对齐奖励解锁大语言模型推理的强化学习

Leqi Zheng, Jinbo Su, Fang Niu, Chaokun Wang, Weiping Wang, Jiajun Zhang, Shannan Yan, Jie Wu, Zhaolu Kang, Rong Fu, Hang Zhang

机构 * Tsinghua University（清华大学） ； Renmin University of China（中国人民大学） ； Institute of Information Engineering, CAS（中国科学院信息工程研究所） ； USTC（中国科学技术大学） ； The Australian National University（澳大利亚国立大学） ； Peking University（北京大学） ； University of Macau（澳门大学） 纠错

AI总结 该研究提出梯度对齐奖励（GAR）方法，在策略梯度空间中生成密集推理感知奖励，提升大语言模型在数学等基准上的推理性能，且无需领域特定数据即可迁移。

Is Semantics Enough for Speech Mean Opinion Score Prediction?

语义是否足以用于语音平均意见得分预测？

Tianyu Lan, Yufei Shi, Yang Ai, Honghao Sun, Huipeng Du, Zhenhua Ling

机构 * National Engineering Research Center of Speech and Language Information Processing, University of Science and Technology of China（中国科学技术大学国家语音与语言信息处理工程研究中心） 纠错

AI总结 该研究针对自动语音MOS预测器过度依赖SSL模型忽略声学细节的问题，对比三类模型在BVCC及OOD数据集的表现，发现结合语义与细粒度声学建模的模型性能更优，指出需同时关注语义与声学保真度。

Comments 5 pages, 2 figures, accepted by ISCSLP 2026

Adapting to Evolving Requirements: Agentic AI for Retail Supply Chain Operations

适应不断变化的需求：面向零售供应链运营的智能体AI

Lei Zheng, Liping Yang, Zihao Li, Guodong Lyu, Chaik Ming Koh, Chung-Piaw Teo

机构 * School of Business and Management, Hong Kong University of Science and Technology（香港科技大学工商管理学院） ； School of Management, University of Science and Technology of China（中国科学技术大学管理学院） ； Institute of Operations Research and Analytics, National University of Singapore（新加坡国立大学运筹学与分析研究所） ； NUS Business School, National University of Singapore（新加坡国立大学商学院） 纠错

AI总结 该研究针对零售供应链运营需求演变的问题，提出图约束的智能体框架，结合GPT、Qwen、DeepSeek等大语言模型，可提升需求重构的正确性与端到端成功率。

SFAD: Speculative Factuality-Aware Decoding

SFAD：推测性事实感知解码

Guanqiao Chen, Di Wang, Lijie Hu

机构 * MBZUAI（穆罕默德·本·扎耶德人工智能大学） ； University of Science and Technology of China（中国科学技术大学） ； King Abdullah University of Science and Technology（阿卜杜拉国王科技大学） 纠错

AI总结 该研究针对大语言模型的上下文忠实性挑战，提出SFAD推测解码框架，构建ConFide数据集训练草稿模型，通过认知摩擦检测幻觉并优化分布，在提升忠实性的同时实现2.48倍加速。

Imagination Helps Visual Reasoning, But Not Yet in Latent Space

想象力有助于视觉推理，但尚未在潜在空间中实现

You Li, Chi Chen, Yanghao Li, Fanhu Zeng, Kaiyu Huang, Jinan Xu, Maosong Sun

机构 * University of Science and Technology of China（中国科学技术大学） 纠错

AI总结 通过因果中介分析发现，多模态大语言模型中的潜在推理存在输入-潜在和潜在-答案两个关键断连，表明其有效性有限，并提出显式想象方法CapImagine，在视觉推理任务中表现更优。

Comments ICML 2026 Poster

VKnowU: Evaluating Visual Knowledge Understanding in Multimodal LLMs

VKnowU：评估多模态语言模型中的视觉知识理解

Tianxiang Jiang, Sheng Xia, Yicheng Xu, Linquan Wu, Xiangyu Zeng, Limin Wang, Yu Qiao, Yi Wang

机构 * University of Science and Technology of China（中国科学技术大学） ； Shanghai AI Laboratory（上海人工智能实验室） ； Nanjing University（南京大学） ； Shanghai Innovation Institute（上海创新研究院） ； City University of Hong Kong（香港城市大学） 纠错

AI总结 研究多模态大语言模型视觉知识理解能力，提出VKnowU基准测试。评估28个模型，发现与人类表现有差距。引入新数据集和VideoKnow+基线模型，采用结构化范式和强化学习，提升模型表现。

Comments Code: https://github.com/OpenGVLab/VKnowU

LLM as GNN: Graph Vocabulary Learning for Text-Attributed Graph Foundation Models

大语言模型作为图神经网络：面向文本属性图基础模型的图词汇学习

Xi Zhu, Haochen Xue, Ziwei Zhao, Wujiang Xu, Jingyuan Huang, Minghao Guo, Qifan Wang, Kaixiong Zhou, Imran Razzak, Yongfeng Zhang

机构 * Rutgers University（罗格斯大学） ； Mohamed bin Zayed University of Artificial Intelligence (MBZUAI)（穆罕默德·本·扎耶德人工智能大学） ； University of Science and Technology of China（中国科学技术大学） ； Meta AI ； North Carolina State University（北卡罗来纳州立大学） 纠错

AI总结 该研究针对文本属性图基础模型的跨图跨任务迁移难题，提出基于图词汇学习的PromptGFM模型，通过图理解与图推理模块实现LLM与GNN的深度集成，在多图多任务上展现出优越性能与迁移性。

Comments EMNLP 2026

Repo-To-Skill: Distilling GitHub Repositories Into AI4AI Skills

Repo-To-Skill：将GitHub仓库提炼为AI4AI技能

Jianlyu Chen, Yuyang Hu, Hongjin Qian, Jiawei Liu, Wenqing Wei, Xiaolong Chen, Defu Lian, Zhicheng Dou, Chaozhuo Li, Qiwei Ye, Zheng Liu

机构 * Beijing Academy of Artificial Intelligence（北京人工智能研究院） ； University of Science and Technology of China（中国科学技术大学） ； Renmin University of China（中国人民大学） ； Hong Kong Polytechnic University（香港理工大学） 纠错

AI总结 该研究提出DisCo智能体，可将GitHub仓库提炼为技能，构建含5000+技能的AREX-Skill Library，使研究智能体在多个基准测试中得分显著提升。

Comments 48 pages, 3 figures

CA-OPD: Confidence-Aware On-Policy Distillation for Structured Visual Prediction

CA-OPD：面向结构化视觉预测的置信度感知在线策略蒸馏

Menghao Li, Linjie Mu, Yin Wang, Haotian Hu, Yannian Gu, Lujiayi Xue, Fanyi Wang

机构 * Tianjin University（天津大学） ； Shanghai Jiao Tong University（上海交通大学） ； StepX（思必得科技（StepX）） ； University of Science and Technology of China（中国科学技术大学） 纠错

AI总结 针对自回归视觉语言模型的复合误差问题，提出CA-OPD框架，通过教师置信度实现自适应监督，在GUI定位等六基准上大幅提升Qwen3.5-0.8B性能。

APEx: Distillation of Agent Procedural Experience for Adaptive Deep Research Question Answering

APEx：用于自适应深度研究问答的智能体程序经验蒸馏

Jie Ding, Rui Sun, Xinyuan Zhang, Zeyu Zhang, Xin Liu

机构 * University of Science and Technology of China（中国科学技术大学） ； ByteDance Inc.（字节跳动公司） ； Chinese Academy of Sciences（中国科学院） 纠错

AI总结 APEx是分层经验利用框架，通过三阶段交替GRPO训练优化Executor、Distiller、Planner模块，经7个基准测试性能超GPT-5.4和最强记忆增强基线，实现自适应深度研究问答。

Whitewashing Hate, Smearing Harmless Content: Annotator-Style Rebuttal Attacks on LLM-Based Moderation

洗白仇恨内容、抹黑无害内容：针对基于大语言模型的内容审核的标注者式反驳攻击

Junyu Lu, Kaiyuan Liu, Jingyi Kang, Deyi Ji, Hailong Zhang, Lanyun Zhu, Qi Zhu, Bo Xu, Liang Yang, Hongfei Lin

机构 * Dalian University of Technology（大连理工大学） ； Zhejiang University（浙江大学） ； University of Science and Technology of China（中国科学技术大学） ； Tencent（腾讯） ； Tongji University（同济大学） 纠错

AI总结 该研究针对LLMs内容审核提出标注者式反驳攻击，发现洗白仇恨内容与抹黑无害内容的攻击效果存在模型特异性不对称性，防御措施无法完全消除攻击影响，凸显需定向防御与反馈鲁棒性评估。

Comments We identified errors in the experimental setup and analysis that affect several key results and conclusions. As substantial re-analysis is required and the conclusions may change, we respectfully request withdrawal of the current version

DailyBench: A Unified Benchmark for AI-Generated and Manipulated Images from Modern Generative Models

DailyBench：用于评估现代生成模型生成和处理的人工智能图像的统一基准

Xin Jiang, Hao Tang, Junyao Gao, Meiqi Cao, Fei Shen, Dongming Zhang, Yongdong Zhang

机构 * People’s Daily Online（人民网） ； Nanyang Technological University（南洋理工大学） ； Tongji University（同济大学） ； Nanjing University of Science and Technology（南京理工大学） ； National University of Singapore（新加坡国立大学） ； University of Science and Technology of China（中国科学技术大学） 纠错

AI总结 研究针对现有生成模型图像检测基准与现实差距问题，提出统一基准DailyBench，含FakeBench和ManipulationBench两个子集，通过实验揭示当前检测器鲁棒性差，凸显其可用于开发更强大的人工智能生成图像检测方法。

Variation Spaces for Encoder--Decoder Neural Operators: Approximation and Generalization

基于变分空间的编码器-解码器神经算子的高效逼近

Jia-Qi Yang, Lei Shi

机构 * University of Science and Technology of China（中国科学技术大学） 纠错

AI总结 通过引入变分空间作为非线性算子的无穷维结构类，建立了编码器-解码器双层网络在Bochner L^q范数下的逼近界，误差分解为输入编码误差、输出编码误差和N^{-1/2}阶有限宽逼近项，为超越一般Lipschitz或Fréchet可微算子类的高效神经算子学习提供了理论保证。

Comments 34 pages

UniToolCall: Unifying Tool-Use Representation, Data, and Evaluation for LLM Agents

UniToolCall: 统一LLM智能体的工具使用表示、数据与评估

Yijuan Liang, Xinghao Chen, Yifan Ge, Ziyi Wu, Hao Wu, Changyu Zeng, Wei Xing, Xiaoyu Shen

机构 * University of Science and Technology of China（中国科学技术大学） ； Ningbo Institute of Digital Twin（宁波数字孪生研究所） ； Eastern Institute of Technology（东部技术研究所） ； Department of Computing, The Hong Kong Polytechnic University（香港理工大学计算机系） 纠错

AI总结 提出UniToolCall框架，通过标准化工具集构建、数据集生成和评估流程，结合22k+工具和390k+训练实例，引入锚点链接机制，在混合设置下使Qwen3-8B单轮严格精度达93.0%，超越GPT、Gemini和Claude。

Comments 25 pages, 10 figures, 17 tables. Code and datasets are publicly available at: https://github.com/EIT-NLP/UniToolCall

Stepwise Think-Critique: Interleaved Reasoning and Self-Critique in a Single LLM

逐步思考-批判：一种用于鲁棒且可解释的大语言模型推理的统一框架

Jiaqi Xu, Cuiling Lan, Xuejin Chen, Yan Lu

机构 * University of Science and Technology of China（中国科学技术大学） ； Microsoft Research Asia（微软亚洲研究院） 纠错

AI总结 本文提出STC框架，通过在推理与自我批判间交替进行，提升大语言模型的鲁棒性和可解释性，实验显示其在数学推理任务中表现出色。

Comments Under Review

ReBridge-Flow: Re-Coupling Posterior Bridges in Flow Matching for Image Restoration

ReBridge-Flow：用于图像修复的流匹配中后验桥的重新耦合

Jiaqi Zhang, Yiqi Wang, Hongjie Wu, Bohan Guo, Xinan Wang, Zichen Luo, Taotao Cai, Zhi Chen, Mingkai Zheng

机构 * Jiangsu University（江苏大学） ； Griffith University（格里菲斯大学） ； Sichuan University（四川大学） ； University of Malaya（马来亚大学） ； University of Science and Technology of China（中国科学技术大学） ； Tianjin University（天津大学） ； University of Southern Queensland（南昆士兰大学） ； Southern University of Science and Technology（南方科技大学） 纠错

AI总结 针对现有流匹配图像修复方法中局部修正破坏端点耦合的问题，提出ReBridge-Flow后验桥重新耦合方法，通过干净侧锚定与源端点重新耦合提升桥兼容性，实验证实其可缓解桥不匹配并增强修复图像的结构一致性。

Comments 66 Pages, 36 Figures, 15 Tables

Compile, Don't Memorize: A Context Compilation Architecture (CCA) for In-Context Learning

编译而非记忆：用于上下文学习的上下文编译架构（CCA）

Jinhu Qi, Minda Hu, Wentao Zhang, Weiqiang Jin, Yanyu Chen, Junli Wang, Irwin King

机构 * The Chinese University of Hong Kong（香港中文大学） ； Macao Polytechnic University（澳门理工大学） ； Xi’an Jiaotong University（西安交通大学） ； University of Science and Technology of China（中国科学技术大学） 纠错

AI总结 该研究针对大型语言模型上下文学习的脆弱性问题，提出上下文编译架构（CCA），在CL-bench上优于普通提示及两种基线方法，提升了Kimi K2.5的任务完成率。

Comments Accepted to EMNLP 2026 (Findings). Code, data, and cached completions available at https://github.com/TonyQJH/cca-emnlp2026

The Safeguard Worked. Is the LLM System Safer?

防护措施起作用了吗？大语言模型系统就更安全了吗？

Pingyu Wu, Weiming Zhang, Nenghai Yu

机构 * University of Science and Technology of China（中国科学技术大学） 纠错

AI总结 该研究指出LLM防护措施的局部评估指标存在不对称性，需结合攻击者适应后的残留风险，强调防护研究应聚焦于提升部署系统的实际安全性。

Uncovering and Mitigating Aggregation-Induced Reward Hacking in Multi-Reward Reinforcement Learning

揭示并缓解多奖励强化学习中聚合诱导的奖励黑客行为

Yu Yuan, Yaoyou Fan, Lili Zhao, Guangting Zheng, Kai Zhang, Lu Pan, Ke Zeng, Qi Liu

机构 * University of Science and Technology of China（中国科学技术大学） ； Peking University（北京大学） ； Meituan（美团） 纠错

AI总结 针对多奖励强化学习中聚合诱导的奖励黑客问题，提出自适应多奖励投影（AMRP）方法，在三类任务中提升奖励概况平衡与下游性能，且兼容多种RL算法。

IMPACT: Attention Is the Interaction Map for Scalable Interaction-Aware World Model Training

IMPACT：注意力是用于可扩展交互感知世界模型训练的交互图

Rongze Tang, Jianjie Fang, Zhaolu Wang, Ziyou Wang, Xvyuan Liu, Haisheng Su, Xin Zhang, Wei Wu, Chen Gao, Yong Li, Zhibo Chen

机构 * University of Science and Technology of China（中国科学技术大学） ； Zhongguancun Academy（中关村学院） ； Tsinghua University（清华大学） ； Manifold AI 纠错

AI总结 该研究针对世界模型交互建模的监督分配不匹配问题，提出IMPACT框架，通过先验引导注意力校准构建交互图重加权监督，在机械臂等任务上优于MSE训练基线。

Multi-Image Visual Token Pruning in Large Visual Language Models

多图像视觉语言模型中的多图像视觉令牌剪枝

Rongyang Zhang, Chengqiang Lu, Cong Li, Hongchao Gu, Tingjia Shen, Xuyang Zhi, Qimeng Wang, Yan Gao, Yi Wu, Yao Hu, Hao Wang, Enhong Chen

机构 * University of Science and Technology of China（中国科学技术大学） ； Xiaohongshu Inc.（小红书科技有限公司） 纠错

AI总结 本文针对现有LVLMs多图像剪枝方法的局限，提出无需训练的AVTP框架，在多类LVLMs上实现显著推理加速，同时保持较高准确率，部分模型性能甚至优于基线。

Comments 14 pages, 3 figures, EMNLP 2026 Findings

When Irrelevant Text Matters: Affine Margin Shifts in Multimodal Large Language Models

当无关文本起作用时：多模态大语言模型中的仿射间隔偏移

Yinfeng Wang, Zhiyuan Yao, Zheren Fu, Lei Zhang, Zhendong Mao

机构 * University of Science and Technology of China（中国科学技术大学） 纠错

AI总结 本文研究多模态大语言模型（MLLMs）中任务无关文本对视觉判断任务的影响，发现其会使模型决策间隔发生可预测的仿射变换，为提升模型对噪声上下文的鲁棒性提供了诊断基础。

PEARL: Training Socratic Tutors with Pedagogically Aligned Reinforcement Learning

PEARL: 使用教学对齐强化学习训练苏格拉底式导师

Qikai Chang, Zhenrong Zhang, Linbo Chen, Pengfei Hu, Jianshu Zhang, Youhui Guo, Jun Du

机构 * University of Science and Technology of China（中国科学技术大学） ； iFLYTEK Research（iFLYTEK研究院） 纠错

AI总结 提出PEARL框架，通过可控学生模拟器、生成式奖励模型和稳定多目标强化学习，训练苏格拉底式教学代理，在多个基准上达到开源模型最佳性能并与专有模型竞争。

Comments 16 pages, 7 figures

GCA-BULF: A Bottom-Up Framework for Short-Term Load Forecasting Using Grouped Critical Appliances

GCA-BULF：一种基于分组关键电器的短时负荷预测框架

Yunhao Yao, Jinwei Fang, Puhan Luo, Zhiqiang Wang, Jiahui Hou, Xiang-Yang Li

机构 * University of Science and Technology of China（中国科学技术大学） 纠错

AI总结 本文提出GCA-BULF框架，通过分组关键电器提升短时负荷预测精度，实验表明其在住宅和办公建筑负荷预测中优于传统自上而下和自下而上方法。

Comments 10 pages, 12 figures

Journal ref 2026 IEEE/ACM International Symposium on Quality of Service (IWQoS), Istanbul, Turkiye, 2026, pp. 1-10

Ov3R: Open-Vocabulary Semantic 3D Reconstruction from RGB Videos

Ov3R：从RGB视频流中进行开放词汇语义3D重建

Ziren Gong, Xiaohan Li, Fabio Tosi, Jiawei Han, Stefano Mattoccia, Jianfei Cai, Matteo Poggi

机构 * University of Bologna（博洛尼亚大学） ； USTC（中科大） ； BIT（北京理工） ； Monash University（墨尔本大学） 纠错

AI总结 Ov3R通过结合CLIP语义和融合描述符，实现从RGB视频流中进行开放词汇语义3D重建，提升空间人工智能的实时性和语义感知能力。