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

FusionEdit: Semantic Fusion and Attention Modulation for Training-Free Image Editing

FusionEdit: 基于语义融合与注意力调节的无训练图像编辑

Yongwen Lai, Chaoqun Wang, Shaobo Min

机构 * School of Artificial Intelligence, South China Normal University（人工智能学院，华南师范大学） ； University of Science and Technology of China（中国科学技术大学） 纠错

AI总结 FusionEdit通过语义融合与注意力调节实现无训练图像编辑，提升编辑精度与可控性。

Comments Accepted by ICASSP 2026

Driving with DINO: Vision Foundation Features as a Unified Bridge for Sim-to-Real Generation in Autonomous Driving

驾驶用DINO：作为自动驾驶仿真到现实生成的统一桥梁的视觉基础特征

Xuyang Chen, Conglang Zhang, Chuanheng Fu, Zihao Yang, Kaixuan Zhou, Yizhi Zhang, Jianan He, Yanfeng Zhang, Mingwei Sun, Zengmao Wang, Zhen Dong, Xiaoxiao Long, Liqiu Meng

机构 * Technical University of Munich（慕尼黑技术大学） ； Huawei Hilbert Research Center（华为希利伯特研究中心） ； Huawei Riemann Lab（华为里曼实验室） ； Wuhan University（武汉大学） ； University of Science and Technology of China（中国科学技术大学） ； Nanjing University（南京大学） 纠错

AI总结 DwD通过利用视觉基础模块特征作为统一桥梁，解决自动驾驶仿真到现实生成中的现实性与真实性困境，提升控制精度与时间稳定性。

Comments Project website https://albertchen98.github.io/DwD-project/

SearchAttack: Red-Teaming LLMs against Knowledge-to-Action Threats under Online Web Search

SearchAttack: 对知识到行动威胁下对LLM进行红队攻击

Yu Yan, Sheng Sun, Mingfeng Li, Zheming Yang, Chiwei Zhu, Fei Ma, Benfeng Xu, Min Liu, Qi Li

机构 * Institute of Computing Technology, CAS（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） ； People's Public Security University of China（中国人民公安大学） ； University of Science and Technology of China（中国科学技术大学） ； Guangdong Laboratory of Artificial Intelligence and Digital Economy（广东人工智能与数字经济实验室） ； Tsinghua University（清华大学） 纠错

AI总结 SearchAttack通过重新表述有害语义和测试奖励追逐偏差，揭示LLM在搜索增强任务中的安全漏洞。

Comments Misusing LLM-driven search for harmful information-seeking poses serious risks. We characterize its usability and impact through a comprehensive red-teaming and evaluation

TAAM:Inductive Graph-Class Incremental Learning with Task-Aware Adaptive Modulation

TAAM：基于任务感知自适应调制的归纳图类增量学习

Jingtao Liu, Xinming Zhang

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

AI总结 TAAM通过任务感知自适应调制模块实现高效的图类增量学习，避免灾难性遗忘并提升模型性能。

Beyond Raw Detection Scores: Markov-Informed Calibration for Boosting Machine-Generated Text Detection

超越原始检测分数：基于马尔可夫的校准以提升机器生成文本检测

Chenwang Wu, Yiu-ming Cheung, Shuhai Zhang, Bo Han, Defu Lian

机构 * Department of Computer Science, Hong Kong Baptist University（香港 Baptist 大学计算机科学系） ； School of Software Engineering, South China University of Technology（华南理工大学软件工程学院） ； School of Computer Science, University of Science and Technology of China（中国科学技术大学计算机科学学院） 纠错

AI总结 本文提出一种基于马尔可夫随机场的校准策略，用于提升机器生成文本检测的准确性，通过减少token级检测分数的偏差，提高检测性能。

From $O(mn)$ to $O(r^2)$: Two-Sided Low-Rank Communication for Adam in Distributed Training with Memory Efficiency

从O(mn)到O(r²)：为分布式训练中的Adam引入双侧低秩通信以提高内存效率

Sizhe Dang, Jiaqi Shao, Xiaodong Zheng, Guang Dai, Yan Song, Haishan Ye

机构 * Xi’an Jiaotong University（西安交通大学） ； SGIT AI Lab（SGIT人工智能实验室） ； University of Science and Technology of China（中国科学技术大学） 纠错

AI总结 TSR-Adam通过双侧低秩通信将Adam优化器的通信开销从O(mn)降至O(r²)，在保持低维核心状态的同时减少通信量，提升分布式训练效率。

Learning to Self-Verify Makes Language Models Better Reasoners

学习自我验证使语言模型更擅长推理

Yuxin Chen, Yu Wang, Yi Zhang, Ziang Ye, Zhengzhou Cai, Yaorui Shi, Qi Gu, Hui Su, Xunliang Cai, Xiang Wang, An Zhang, Tat-Seng Chua

机构 * 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） ； Beijing University of Posts and Telecommunications（北京邮电大学） 纠错

AI总结 通过自我验证学习提升语言模型的推理能力，有效提高生成和验证性能。

LGMSNet: Thinning a medical image segmentation model via dual-level multiscale fusion

LGMSNet: 通过双级多尺度融合来简化医学图像分割模型

Chengqi Dong, Fenghe Tang, Rongge Mao, Xinpei Gao, S. Kevin Zhou

机构 * School of Biomedical Engineering, Division of Life Sciences ； Medicine, University of Science ； Center for Medical Imaging, Robotics, Analytic Computing \& Learning (MIRACLE), Suzhou Institute for Advance Research, USTC, Suzhou, 215123, China ； Key Laboratory of Intelligent Information Processing of Chinese Academy of Sciences (CAS), Institute of Computing Technology, CAS, Beijing, 100190, China ； Jiangsu Provincial Key Laboratory of Multimodal Digital Twin Technology, Suzhou, 215123, China ； State Key Laboratory of Precision \& Intelligent Chemistry, USTC, Hefei, China 纠错

AI总结 LGMSNet通过双级多尺度融合技术，实现轻量级医学图像分割模型的高效性能与高泛化能力。

Comments Accepted by ECAI 2025

Journal ref Frontiers in Artificial Intelligence and Applications, 413, 739-746 (2025)

MAMBO-G: Magnitude-Aware Mitigation for Boosted Guidance

MAMBO-G：基于幅度的提升引导抑制

Shangwen Zhu, Qianyu Peng, Zhilei Shu, Yuting Hu, Zhantao Yang, Han Zhang, Zhao Pu, Andy Zheng, Xinyu Cui, Jian Zhao, Ruili Feng, Fan Cheng

机构 * Shanghai Jiao Tong University（上海交通大学） ； The University of Hong Kong（香港大学） ； University of Science and Technology of China（中国科学技术大学） ； University of Waterloo（滑铁卢大学） ； Chinese Academy of Sciences（中国科学院） ； Zhongguancun Academy（中关村学院） 纠错

AI总结 MAMBO-G通过动态优化引导幅度，显著降低计算成本，实现视频生成任务的高效加速。

On Reasoning Strength Planning in Large Reasoning Models

在大推理模型中关于推理强度规划的研究

Leheng Sheng, An Zhang, Zijian Wu, Weixiang Zhao, Changshuo Shen, Yi Zhang, Xiang Wang, Tat-Seng Chua

机构 * 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） ； Harbin Institute of Technology（哈尔滨工业大学） 纠错

AI总结 本研究揭示了大推理模型通过预先分配方向向量来规划推理强度，为控制其推理行为提供了新方法。

AlphaSteer: Learning Refusal Steering with Principled Null-Space Constraint

AlphaSteer: 通过原理性零空间约束学习拒绝引导

Leheng Sheng, Changshuo Shen, Weixiang Zhao, Junfeng Fang, Xiaohao Liu, Zhenkai Liang, Xiang Wang, An Zhang, Tat-Seng Chua

机构 * National University of Singapore（国立新加坡大学） ； University of Science and Technology of China（中国科学技术大学） ； Harbin Institute of Technology（哈尔滨工业大学） 纠错

AI总结 AlphaSteer 通过原理性零空间约束学习拒绝引导，提升大语言模型的安全性与效用平衡。

Comments ICLR 2026

View-Centric Multi-Object Tracking with Homographic Matching in Moving UAV

视点中心多目标跟踪与透视匹配在移动无人机中的应用

Deyi Ji, Lanyun Zhu, Siqi Gao, Qi Zhu, Yiru Zhao, Peng Xu, Yue Ding, Hongtao Lu, Jieping Ye, Feng Wu, Feng Zhao

机构 * MoE Key Laboratory of Brain-inspired Intelligent Perception and Cognition, University of Science and Technology of China（脑启发智能感知与认知教育部重点实验室，中国科学技术大学） ； Singapore University of Technology and Design（新加坡科技设计大学） ； Alibaba Group（阿里巴巴集团） ； Department of Computer Science and Engineering, Shanghai Jiao Tong University（上海交通大学计算机科学与工程系） 纠错

AI总结 本文提出HomView-MOT框架，利用视角仿射变换解决移动无人机场景下的多目标跟踪问题，通过快速仿射估计和多视角特征学习实现最先进的跟踪性能。

Comments TGRS 2026