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

FairFS: Addressing Deep Feature Selection Biases for Recommender System

FairFS: 解决推荐系统中深度特征选择偏差

Xianquan Wang, Zhaocheng Du, Jieming Zhu, Qinglin Jia, Zhenhua Dong, Kai Zhang

机构 * University of Science and Technology of China（中国科学技术大学） ； Huawei Noah's Ark Lab（华为诺亚实验室） 纠错

AI总结 FairFS通过正则化和聚合方法解决推荐系统中深度特征选择的层、基线和近似偏差问题，提升特征选择的准确性和效率。

Comments Accepted by The Web Conference 2026

SAMAS: A Spectrum-Guided Multi-Agent System for Achieving Style Fidelity in Literary Translation

SAMAS：一种基于频谱的多智能体系统，用于实现文学翻译中的风格保真

Jingzhuo Wu, Jiajun Zhang, Keyan Jin, Dehua Ma, Junbo Wang

机构 * Beijing Normal University（北京师范大学） ； University of Science and Technology of China（中国科学技术大学） ； University of Coimbra（科英布拉大学） ； Beijing University of Posts and Telecommunications（北京邮电大学） ； Northwestern Polytechnical University（西北工业大学） 纠错

AI总结 SAMAS通过将风格保真视为信号处理任务，利用小波包变换生成风格特征频谱，动态组装翻译智能体工作流程，从而提升文学翻译中的风格保真度。

Towards Personalized Multi-Modal MRI Synthesis across Heterogeneous Datasets

面向异质数据集的个性化多模态MRI合成

Yue Zhang, Zhizheng Zhuo, Siyao Xu, Shan Lv, Zhaoxi Liu, Jun Qiu, Qiuli Wang, Yaou Liu, S. Kevin Zhou

机构 * University of Science and Technology of China（中国科学技术大学） ； University of Electronic Science and Technology of China（电子科技大学） ； Capital Medical University（首都医科大学） ； Army Medical University（中国人民解放军陆军军医大学） ； China National Clinical Research Center for Neurological Diseases（中国国家神经疾病临床研究中心） 纠错

AI总结 PMM-Synth通过个性化特征调制模块、模态一致批量调度器和选择性监督损失，实现跨异质数据集的多模态MRI合成，提升诊断准确性与实用性。

Comments 19 pages, 4 figures

Do LLMs and VLMs Share Neurons for Inference? Evidence and Mechanisms of Cross-Modal Transfer

大型语言模型和视觉语言模型是否共享神经元进行推理？证据和跨模态转移的机制

Chenhang Cui, An Zhang, Yuxin Chen, Gelei Deng, Jingnan Zheng, Zhenkai Liang, 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） ； Nanyang Technological University（南洋理工大学） 纠错

AI总结 本文研究了大型语言模型和视觉语言模型在推理过程中共享神经元的现象，提出SNRF框架实现低秩融合，提升多模态推理性能。

Fast Catch-Up, Late Switching: Optimal Batch Size Scheduling via Functional Scaling Laws

快速追上，后期切换：通过函数缩放定律进行最优批量大小调度

Jinbo Wang, Binghui Li, Zhanpeng Zhou, Mingze Wang, Yuxuan Sun, Jiaqi Zhang, Xunliang Cai, Lei Wu

机构 * School of Mathematical Sciences, Peking University（北京大学数学科学学院） ； Center for Machine Learning Research, Peking University（北京大学机器学习研究中心） ； School of Computer Science, Shanghai Jiao Tong University（上海交通大学计算机科学学院） ； State Key Laboratory of Cognitive Intelligence, University of Science and Technology of China（中国科学技术大学认知智能国家重点实验室） ； Meituan, Beijing（美团（北京）） ； AI for Science Institute, Beijing（北京人工智能科学研究院） 纠错

AI总结 本文通过函数缩放定律揭示了大规模深度学习中最优批量大小调度的理论机制，表明在困难任务中后期切换大批次可提升效率并减少数据消耗。

Comments 34 pages, accepted by ICLR 2026 as a conference paper

JavisDiT: Joint Audio-Video Diffusion Transformer with Hierarchical Spatio-Temporal Prior Synchronization

JavisDiT：具有层次化时空先验同步的联合音频视频扩散变换器

Kai Liu, Wei Li, Lai Chen, Shengqiong Wu, Yanhao Zheng, Jiayi Ji, Fan Zhou, Jiebo Luo, Ziwei Liu, Hao Fei, Tat-Seng Chua

机构 * Zhejiang University（浙江大学） ； 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） ； University of Rochester（罗切斯特大学） ； Nanyang Technological University（南洋理工大学） 纠错

AI总结 JavisDiT通过层次化时空先验同步机制，实现了高质量的音频视频同步生成，解决了现实场景中的同步评估问题。

Comments Accepted by ICLR 2026. Homepage: https://javisverse.github.io/JavisDiT-page/

AgentCAT: An LLM Agent for Extracting and Analyzing Catalytic Reaction Data from Chemical Engineering Literature

AgentCAT: 一种用于从化学工程文献中提取和分析催化反应数据的LLM代理

Wei Yang, Zihao Liu, Tao Tan, Xiao Hu, Hong Xie, Lulu Li Xin Li, Jianyu Han, Defu Lian, Mao Ye

机构 * University of Science and Technology of China（科学技术大学） ； State Key Laboratory of Cognitive Intelligence（认知智能国家重点实验室） ； National Engineering Research Center of Lower-Carbon Catalysis Technology（低碳催化技术国家工程研究中心） ； Dalian Institute of Chemical Physics, Chinese Academy of Sciences（化学物理研究所，中国科学院） ； IFLYTEK CO.LTD（IFLYTEK有限公司） 纠错

AI总结 AgentCAT是一种用于从化学工程文献中提取和分析催化反应数据的LLM代理，通过形式化抽象和挑战分析，解决了复杂依赖结构下的数据提取问题。

FaLW: A Forgetting-aware Loss Reweighting for Long-tailed Unlearning

FaLW: 一种面向遗忘的损失重新加权方法用于长尾撤销学习

Liheng Yu, Zhe Zhao, Yuxuan Wang, Pengkun Wang, Xiaofeng Cao, Binwu Wang, Yang Wang

机构 * University of Science and Technology of China(USTC)（中国科学技术大学） ； Suzhou Institute for Advanced Research, USTC（中国科学技术大学苏州研究院） ； City University of Hong Kong（香港城市大学） ； Tongji University（同济大学） 纠错

AI总结 FaLW是一种面向遗忘的损失重新加权方法，用于解决长尾撤销学习中的异质和偏斜偏差问题，通过动态调整撤销强度提升性能。

Comments camera-ready for iclr2026

On Predictability of Reinforcement Learning Dynamics for Large Language Models

关于大型语言模型强化学习动态的可预测性

Yuchen Cai, Ding Cao, Xin Xu, Zijun Yao, Yuqing Huang, Zhenyu Tan, Benyi Zhang, Guangzhong Sun, Guiquan Liu, Junfeng Fang

机构 * USTC（中国科学技术大学） ； NUS（新加坡国立大学） ； HKUST（香港科技大学） 纠错

AI总结 本研究发现大型语言模型强化学习动态的两个基本特性，并提出AlphaRL框架实现加速训练，保留高推理性能。

Comments 48 pages, 28 figures;

Dialogue is Better Than Monologue: Instructing Medical LLMs via Strategical Conversations

对话优于独白：通过战略对话指导医学LLM

Zijie Liu, Xinyu Zhao, Jie Peng, Zhuangdi Zhu, Qingyu Chen, Kaidi Xu, Xia Hu, Tianlong Chen

机构 * UNC at Chapel Hill（北卡罗来纳大学教堂山分校） ； University of Science and Technology of China（中国科学技术大学） ； George Mason University（乔治·马歇尔大学） ； Yale University（耶鲁大学） ； City University of Hong Kong（香港城市大学） ； Rice University（得克萨斯大学奥斯汀分校） 纠错

AI总结 通过战略对话指导医学LLM，提升多轮推理和嘈杂环境下的准确率

Comments EACL 2026